Langsung ke konten utama

Postingan

Crawling Data Menggunakan Netlytic

Netlytic Netlytic merupakan alat pengumpulan data dan analisis sosial media berbasis cloud (awan) secara otomatis dapat merangkum sejumlah besar teks dan menemukan jaringan sosial dari percakapan di situs media sosial seperti Twitter, Youtube, Blog, Forum Online dan obrolan. Netlytic cocok untuk menganalisis interaksi online dalam komunitas online besar contohnya forum penggemar, forum ulasan pelanggan, komunitas dan masih banyak lagi. Namun kali ini saya akan memvisualisasikan data yang telah saya ambil dari salah satu channel youtube, yaitu channel youtube Nessie Judge yang dimana salah satu videonya membahas tentang Update Terbaru Kasus Jessica-Mirna dalam segmen Nerror.  Konten Youtube yang digunakan untuk crawling data. Konten Youtube Nessie Judge Jumlah komentar dari video tersebut sebanyak 5.199  pertanggal 1 November 2023. Setelah saya crawling data menggunakan Netlytic saya mendapatkan 3.335 komentar, kemudian di visualisasikan oleh Netlytic sebagai berikut: Jaringan ...
Postingan terbaru

Konsep Dasar Metode Social Network Analysis

 Key Player: Bagaimana Mengidentifikasi Actor Utama dalam Jaringan Pengukuran Centrality - Level Aktor Dalam materi kali ini saya menggunakan data yang di ambil dari Netlytic dengan jumlah 90, saya menyeleksi data yang paling banyak. Karena saya mengambil data dari youtube jadi saya seleksi komentar yang banyak dibalas.  Degree Centrality Ada tidaknya ikatan yang masuk (Indegree)/keluar (Outdegree) dari node  keterhubungan/pengaruh/popularitas. Data Degree Gephi Degree Betweeness Centrality  Node yang menghubungkan dua node lainnya – Gateway/Bridge Data Betweeness Gephi Data Betweeness Centrality Closeness Centrality  Ukuran Jangkauan/Kedekatan Aktor – Di ukur dari berapa langkah seorang aktor dapat  menghubungi aktor lain.  Data Closeness Gephi Data Closeness Centrality Eigenvector Centrality  Seberapa penting atau seberapa popular node yang berjaringan dengan aktor. Data Eigenvector Gephi Eigenvector Centrality In Degree Data In Degree Gephi Dat...

Representasi Jejaring Sosial

 Representasi Jejaring Sosial Pembentukan Model Jejaring Sosial      Graf umumnya digunakan untuk mewakili suatu jejaring. Yang dimana jejaring sosial dapat dibentuk ketika terdapat entitas (manusia, perusahaan, organisasi, dll) yang saling berinteraksi dalam suatu lingkup sosial. Terdapat beberapa cara untuk memformulasikan sebuah Graf, diantaranya menggunakan edge list dan adjacency matrix. Kedua cara tersebut dapat digunakan untuk merepresentasikan jejaring sosial yang memiliki arah, tidak memiliki arah, memiliki bobot dan tidak memiliki bobot. Berikut merupakan bentuk jejaring sosial yang saya buat : Representasi Jejaring Sosial Menggunakan Adjacency Matrix Jejaring Tanpa Arah dan Tanpa Bobot      Dalam Adjacency matrix, menampilkan keberadaan  hubungan antara setiap node dengan nodes lainnya dalam  suatu jejaring. Apabila terdapat hubungan di antara dua  nodes, maka pertemuan kolom dan baris antara dua nodes   tersebut dib...

Teori Social Network Analysis

 Definisi Teori Graf       Teori Graf merupakan cabang matematika yang mempelajari jaringan titik-titik (Point/Node) yang dihubungkan oleh garis (Line/Edge). Sedangkan graf adalah bagan yang memuat informasi yang di interpretasikan secara tepat, graf digunakan untuk merepresentasikan objek-objek diskrit dan hubungannya antar objek tersebut. Jenis-Jenis Graf Proper Edge = Tepi yang menghubungkan dua simpul yang berbeda. Self-Loop = Edge yang menghubungkan satu titik akhir dengan dirinya sendiri. Multi-Edge = Kumpulan dua atau lebih tepi yang memiliki titik akhir yang identik. Simple Graph = Graf yang tidak memiliki self-loop atau multi-sisi. Looples Graph/Multi Graph = Graf yang mungkin memiliki multi-sisi tetapi tidak self-loop. (General) Graph = Graf yang mungkin memiliki self-loop dan atau multi-sisi. Representasi Jejaring Sosial dalam Bentuk Graf Direct Graph merupakan graf yang setiap sisi atau relasinya mempunyai arah. Non-Direct Graph merupakan graf ...

It's about Social Network Analysis