Langsung ke konten utama

Visualisasi Topik Trending Twitter dengan Gephi (Social Network Analysis using Gephi)

Visualisasi data dengan Gaphi 0.9.2

Halo teman-teman, bertemu lagi dengan blog sederhana ini. Beberapa kali kesempatan kita telah belajar bersama bagaimana melakukan visualisasi dan data mining menggunakan R. Kali ini, kita akan coba mengaplikasikan visualisasi data dengan hasil yang mungkin berbeda dengan menggunakan paket program Gephi. Aplikasi Gephi yang akan kita gunakan adalah versi 0.9.2 ya teman-teman, bagi yang belum memiliki aplikasi ini, bisa unduh secara gratis melalui mesin pencarian google atau lainnya.

Aplikasi Gephi ini biasanya digunakan untuk memvisualkan jejaring atau network atau yang biasa dikenal dengan Social Network Analysis (SNA). SNA merupakan alat analisis jejaring sosial seiring dengan perkembangan teknologi berinteraksi melalui media sosial. Sebenarnya, kita juga bisa menggunakan aplikasi R, Python, namun, kalau menurut saya sendiri, tampilan Gephi ini lebih menarik bahkan bisa dikatakan mirip hasil visualisasi Drone Emprit.

Kita akan sejenak menyentuh teoritis dari SNA. SNA merupakan alat analisis yang digunakan untuk memetakan pola jaringan interaksi manusia baik terjadi melalui media-media offline maupun online. Di dalam SNA, kita akan memperoleh gambaran bagaimana tingkat penyebaran sebuah informasi, data, atau fenomena yang terjadi di masyarakat. Tidak hanya itu, dengan SNA menggunakan Gephi ini kita juga akan mampu melihat aktor utama dalam penyebaran informasi, data, atau fenomena di media sosial yang kemudian dikenal dengan istilah bottleneck melalui ukuran betweeness centrality. Ukuran lain yang tidak kalah penting dalam SNA adalah follower rank yang merupakan ukuran popularitas sebuah node, aktor, atau pengguna media interaksi di dalam sebuah jaringan (Network) pada topik-topik tertentu yang diamati. Dan masih banyak lagi ukuran-ukuran SNA yang mampu kita peroleh menggunakan Gephi ini. Ini sekilas pengantar.

Berikutnya, kita akan mencoba belajar bagaimana implementasi penggunaan Gephi dalam SNA. Kita akan mengangkat sebuah topik yang hari ini (09/06/2022) trending di media sosial Twitter, yaitu istilah Esemka. Istilah ini merujuk pada sebuah merek mobil buatan siswa SMK yang kemudian direncanakan untuk diproduksi secara massal oleh pemerintah.

Istilah Esemka sedang trending topic di Twitter

Awal trending dari istilah Esemka ini bermula dari Tweet Presiden Joko Widodo terkait kendaraan transportasi peserta G20 yang akan diselenggarakan di Bali akhir tahun 2022. Dalam Tweet tersebut, presiden Jokowi menyatakan bahwa mobil yang akan digunakan oleh peserta G20 adalah mobil listrik merek Hyundai. Tweet tersebut secara langsung direspon secara beragam oleh netizen dan menuai pro dan kontra. Oleh karena ketrendingan topik itulah, kita akan mencoba melakukan visualisasi dari hasil crawling data Twitter menggunakan kata kunci (keyword) Esemka.

Membuat Credential untuk melakukan crawling data Twitter

Pertama-tama, kita perlu menentukan kredensial untuk melakukan autentifikasi akun devloper Twitter kita yang telah kita daftarkan sebelumnya. Yang perlu diisi adalah Consumer Key (API Key), Consumer Secret (API Secret), Access Token, dan Access Token Secret. Setelah itu, klik OK dan proses crawling data Twitter akan berjalan secara otomatis dengan hasil sebagai berikut:

Mendapatkan node dan edges Tweets

Berdasarkan hasil crawling data tersebut. kita dapatkan nodes atau aktor Tweet sebanyak 579 nodes dan jalur penghubung atau aktivitas jaringan (edges) sebanyak 852.

Menganalisis content jaringan

Setelah kita selesai crawling, kita dapat menghitung dan mendapatkan ukuran-ukuran statistik SNA, misalnya Average Degree, Network Diameter untuk melihat ukuran keeratan jaringan, Graph Density, Modularity, PageRank, Eigen Vector Centrality dan lainnya.

Mengatur ukuran node, warnanya, serta pewarnaan edges jaringan

Setelah ukuran-ukuran statistik SNA kita dapatkan, berikutnya kita dapat memulai melakukan visualisasi SNA dengan Gephi. Kita dapat mengatur ukuran nodes, ukuran font, termasuk mengatur ukuran warna dari font, nodes, dan edges berdasarkan ukuran-ukuran statistik yang kita dapatkan sebelumnya.

Visualisasi berdasarkan ukuran Degree Centrality

Ilustrasi di atas merupakan visual dari SNA berdasarkan ukuran degree centrality. Degree centrality menunjukkan jumlah koneksi dari sebuah node berdasarkan jumlah edge atau hubungan interaksi antara sebuah node dengan node yang lain. Semakin besar nilai atau ukurannya, maka sebuah node memiliki pengaruh besar karena mempunyai banyak koneksi dalam jaringan. Berdasarkan visualisasi di atas, aktor yang memiliki degree centrality tertinggi adalah akun @jokowi, @AryTGunadi, dan media @geloraco.

Visualisasi berdasarkan ukuran Eigen Vector Centrality

Berikutnya adalah visualisasi SNA berdasarkan eigenvector centrality. Ukuran ini merupakan ukuran penimbang atau pembobot dari degree centrality. Ukuran ini merupakan pembobot yang rekursif, artinya ia akan bernilai tinggi seiring dengan meningkatnya degree centrality sebuah node atau aktor (akun). Dari gambar terlihat bahwa akun @jokowi, @Nicho_Silalahi, dan media @cnnindonesia merupakan salah satu aktor dengan eigenvector centrality yang tinggi.

Visualisasi berdasarkan ukuran Authority Centrality

Visualisasi terakhir dalam unggahan kali ini adalah jejaring nodes berdasarkan ukuran authority centrality. Ukuran ini pada dasarnya merupakan ukuran turunan eignevector centrality. Perbedaannya, kalau eigenvector centrality menggunakan probability afinity. Dari visualisasi, terlihat bahwa aktor yang paling berpengaruh di dalam penyebaran Tweets dengan topik Esemka adalah @jokowi dan @sandalista1789 di mana aktor @sandalista1789 ini merupakan aktor kontra terhadap Tweet @jokowi.

Demikian sedikit pembahasan mengenai visualisasi menggunakan Gephi 0.9.2. Nantikan unggahan berikutnya. Selamat mencoba dan mempraktikkan!

Komentar

Postingan populer dari blog ini

Mencari P - Value dan Titik Kritis Uji F, Uji t, Uji Chi Square, dan Uji Z Normal dengan R

Mencari nilai p-value dan titik kritis Bagi teman-teman yang pernah mengenal statistika, pasti familier dengan istilah p-value dan titik kritis. P-value biasanya didefinisikan sebagai probabiltas atau peluang maksimal yang diamati dari hasil uji statistik, bahasa gampangnya adalah besarnya kesalahan penelitian berdasarkan uji statistik. Sebagai contoh sederhana, dari 100 orang dengan nama masing-masing dan diklasifikasikan ke dalam gender nama perempuan dan nama laki-laki, didapatkan nilai p-value uji statistiknya sebesar 0,05 atau 5%. Itu artinya, dari 100 orang, ada kemungkinan sebanyak 5 orang yang namanya salah klasifikasi. Dari namanya terdeteksi sebagai nama perempuan, padahal aktualnya yang bersangkutan bergender laki-laki. Sedangkan titik kritis atau titik uji adalah nilai batas pengujian hipotesis statistik, apakah masuk dalam wilayah tolak hipotesis, ataukah gagal menolaknya. Titik ini berkaitan erat dengan nilai p-value . Kalau biasanya kita mendapatkan kedua nilai ini da...

Cara Mendowload dan Install R serta RStudio di Windows (Step by Step)

Cara Download dan Install R serta R Studio di Windows Halo teman-teman, mohon maaf karena beberapa waktu ini, blog ini sempat vakum dari unggahan. Kali ini saya akan coba berbagai mengenai bagaimana cara mengunduh ( download ) dan menginstal ( install ) program R sekaligus R Studio khususnya di Windows. Unggahan kali ini sedikit terbalik karena semestinya saya unggah terlebih dahulu pertama kali di blog ini, namun bukan masalah, mengingat kemarin ada beberapa pihak yang meminta untuk menerangkap bagaimana tahapan mengunduh dan instalasi R dan R Studio, jadinya saya dahulukan pada unggahan ini sebelum pembahasan mengenai Data Mining , Data Science , atau bahasan Big Data kita terlampau jauh. Baik, kita akan mulai dengan bagaimana mengunduh R dan R Studio melalui mesin pencari Google. R dan R Studio ini memang beberapa waktu terakhir ini booming , apalagi dengan munculnya konsep mengenai Big Data , Data Modelling, Data Mining, dan Data Science serta Data Visualization . Sebenarnya, men...

Analisis Tipologi Klassen (Klassen Typology) dan Visualisasi Spasialnya dengan R

Tipologi Klassen dan visualisasinya dengan R Halo teman-teman, sebelumnya kita telah membahas tentang analisis Shift Share dan Location Quotient (LQ) dengan menggunakan R. Kali ini, kita akan membahas mengenai satu lagi alat analisis yang sebenarnya merupakan alat analisis tiga serangkai dari SS dan LQ, yaitu analisis Tipologi Klassen. Dalam penelitian ekonomi kewilayahan, ketiga analisis ini seringkali digunakan, baik dalam rangka melihat perkembangan dan transformasi struktur ekonomi suatu wilayah maupun melihat keunggulan kompetitif dan keunggulan komparatif wilayah satu dengan wilayah lainnya dengan mengacu wilayah referensi. Terlebih dulu, sebelum melakukan visualisasi spasial menggunakan fungsi plot(), ada baiknya kita bahas terlebih dahulu mengenai Tipologi Klassen itu sendiri. Tipologi Klassen merupakan teknik pengelompokan sektor, subsektor, lapangan usaha, atau komoditas tertentu di wilayah analisis berdasarkan pertumbuhan nilai tambah wilayah analisis terhadap nasional atau...