REPRESENTASI MODEL SNA (GRAF, EDGE LIST & MATRIKS ADJACENCY) - PERTEMUAN 3

-

Ringkasan Representasi Model SNA

  • Graf umumnya digunakan untuk mewakili suatu jejaring. Jejaring sosial dapat dibentuk ketika terdapat entitas (manusia, perusahaan, organisasi, dll) yang berinteraksi dengan entitas lainnya dalam suatu lingkup sosial. 

  • Terdapat beberapa cara umum 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, tidak memiliki bobot.

Dipenjelasan mata kuliah Social Network Analysist kali ini aku akan membuat dan menjelaskan representasi dari jaringan yang sudah aku buat kemarin, sebelumnya aku menjelaskan value dan feedback yang aku dapatkan di dalam jaringanku, yaitu sebagai berikut:

Gambar 1.1 Jaringan SNA teori Graf


 • Jejaring Tanpa Arah & Tanpa Bobot 

Dalam edge list, edge dibentuk melalui data berjenis array atau tabel yang berisi pasangan nodes. 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 diberi nilai 1, apabila tidak terdapat hubungan maka diberi nilai 0.


Tabel 1.2 Edge List Jaringan Tanpa Arah & Bobot


Tabel 1.3 Adjacency Matrix Jejaring Tanpa Arah & bobot


 • Jejaring Ber-Arah

    Arah hubungan ditunjukkan melalui arah anak panah pada edge.


Gambar 1.2 Edge List Jaringan Ber-Arah


Tabel 1.4 Adjacency Matrix Jaringan Ber-Arah



 • Jejaring Ber-Bobot

Hubungan jejaring juga dapat mempertimbangkan bobot untuk membedakan kualitas hubungan antar node. Semakin tinggi kualitas hubungan antara node maka nilai bobotnya semakin besar.


 Tabel 1.5 Edge List Matrix Jaringan Ber-Bobot

Tabel 1.6 Adjacency Matrix Jaringan Ber-Bobot

Comments

Post a Comment

Popular posts from this blog

SOCIAL NETWORK ANALYSIS KONTEN YOUTUBE: ALAM GANJAR, THE NEXT GIBRAN & KAESANG DI DUNIA POLITIK INDO? - PERTEMUAN 7

-
Image
  BAB IV HASIL DAN PEMBAHASAN 4.1       Gambaran Objek Penelitian 4.1.1     Channel YouTube Iso Late Show Grace Tahir Gambar 4.1 YouTube Iso Late Show Grace Tahir (Sumber : YouTube) Akun channel pada program Iso Late Show ini merupakan suatu platform YouTube yang diciptakan oleh Grace Tahir. Grace Taahir menceritakan bahwa terciptanya Iso Late Show tersebut karena terispirasi dari podcast orang lain yang bisa mendatangkan para orang-orang hebat dan memotivasi serta dapat meluangkan waktunya untuk berbagi cerita santai tapi mengandung banyak makna untuk memotivasi orang banyak. Kini akun channel Grace Tahir sudah memiliki 196k subscriber dan 529 konten video yang diunggah. 4.1.2 Konten YouTube Iso Late Show Grace Tahir            Gambar 4.2 Podcast Grace Tahir with Alam Ganjar: The Next Dinasti Politik? (Sumber: https://www.youtube.com/@GraceTahir2 3 )             Dinasti politik merupakan sistem   reproduksi   kekuasaan   yang   primitif   dikarena   praktik   ini  
Read more

CRAWLING DATA SNA YOUTUBE "ALAM GANJAR, THE NEXT GIBRAN & KAESANG DI DUNIA POLITIK INDO?" by NETLYTIC - PERTEMUAN 5

-
Image
Data Netlytic.org dalam Youtube Akun Grace Tahir yang berjudul " ALAM GANJAR, THE NEXT GIBRAN & KAESANG DI DUNIA POLITIK INDO? Iso-late Show", d engan total komentar 6.800 Berikut ini hasil data netlytic.org yang diperoleh: Dengan mengubah data tsb menggunakan Analyze & Visualize Netlytic  pada "All Cluster". Cluster 1 atau titik yang paling besar tsb merupakan jaringan terbesarnya dari total keseluruhan cluster yang berjulah 5. Dari analytic juga kita bisa melihat akun dan juga komentarnya dan balasan komentar antar akun di kolom komentar dan berapa total degreenya. Report Data Base  Pada tabel diatas menunjukkan bahwa: Total Massage pada postingan video : 3363 Unique posters : 2917 Postingan dari waktu ke waktu : >2000 postingan Top 10 posters : @suharmoko.go Top 10 most frequently used word : "Alam" Top 10 users Network In Degree Centrality : @hendi Top 10 user Network Out Degree Centrality : @rejosari Data "Who Mentions To Whom"
Read more