HASIL DAN PEMBAHASAN
4.5. Penghitungan Ukuran Kontroversi
Setelah berhasil mempartisi graf retweet dengan baik, tahapan selanjutnya adalah menghitung nilai edge betweenness centrality dari seluruh sisi pada graf retweet. Kemudian nilai-nilai edge betweennes centrality dari kumpulan sisi pada himpunan potong dengan kumpulan sisi pada kedua komponen dari hasil partisi graf retweet dipisahkan. Perbandingan 5 besar nilai edge betweenness centrality kumpulan sisi pada himpunan potong dengan dengan kumpulan sisi pada kedua komponen dapat dilihat pada tabel 4.4:
34 Tabel 4.4: Perbandingan nilai Edge Betweenness Centrality.
No Edge Betweenness Centrality yang baik akan menghasilkan nilai edge betweenness centrality pada himpunan potong yang relatif lebih besar dibandingkan dengan sisi-sisi lain pada graf retweet. Karena banyaknya sisi pada himpunan potong hanya berjumlah 172, maka perlu diambil sampel sebanyak 172 sisi dari total 5632 sisi lain yang ada pada graf retweet. Pengambilan sampel dilakukan dengan menggunakan systematic random sampling. Pertama, nilai edge betweennes centrality dari seluruh sisi selain sisi pada himpunan potong diurutkan dari yang terkecil sampai terbesar. Lalu karena pembagian antara 5632 dengan 172 adalah 32,74419 maka sampel yang diambil adalah nilai edge betweenness centrality urutan ke-32 dan kelipatannya sampai jumlah sampel menjadi sebanyak 172 sisi.
Penghitungan KLD dari nilai edge betweenness centrality pada himpunan potong dan sampel menghasilkan nilai KLD sebesar 1,167. Setelah mendapatkan nilai KLD, nilai BCC dapat dihitung dengan memasukkan nilai KLD ke persamaan (2.6). Nilai BCC yang telah dihitung dari data adalah 0,6889.
Berdasarkan skala nilai BCC yang berkisar antara 0-1, hal tersebut mengindikasikan bahwa topik LGBT merupakan topik yang kontroversial.
Untuk dapat mengetahui hal apa yang menjadi kontroversi dari topik LGBT, perlu melihat visualisasi dari status media sosial pada data. Salah satu teknik visualisasi yang dapat digunakan adalah wordcloud yang telah ditampilkan
35 pada gambar 4.9. Selain wordcloud, masih ada beberapa teknik visualisasi lain, contohnya wordlink. Wordlink digunakan untuk melihat hubungan antar kata yang paling sering muncul sehingga cocok untuk melihat hubungan sebab akibat pada topik LGBT. Visualisasi wordlink pada data dapat dilihat pada gambar 4.10:
Gambar 4.10: Wordlink dari status (a) komponen biru dan (b) komponen merah pada hasil partisi graf.
Pada gambar 4.10 (a) maupun (b), kata LGBT bertetangga dengan kata Islam dan liberal. Artinya ada indikasi bahwa kata LGBT berhubungan dengan kata Islam dan liberal. Sehingga pembahasan yang kontroversi mengenai LGBT cenderung berkaitan dengan Islam dan liberal.
36 BAB V PENUTUP
Bab ini merupakan bab terakhir dalam penulisan skripsi. Bab ini berisi kesimpulan apa saja yang dapat diambil dari hasil penelitian yang telah dilakukan dan saran bagi para peneliti selanjutnya yang ingin melakukan penelitian di bidang yang berkaitan dengan penelitian ini.
5.1. Kesimpulan
Dari hasil penelitian yang telah dibahas pada bab sebelumnya, terdapat beberapa kesimpulan yang dapat diambil, kesimpulan pertama yaitu social network mengenai topik LGBT dari data memiliki total 159 komunitas dengan delapan komunitas utama yang mempunyai jumlah anggota secara berturut-turut sebanyak 2685, 728, 695, 615, 388, 379, 376, dan 344 pengguna. Diantara delapan komunitas tersebut, lima diantaranya mempunyai ikatan yaitu komunitas yang mempunyai jumlah anggota sebanyak 2685, 695, 615, 376, dan 344 pengguna. Kesimpulan kedua yang dapat diambil yaitu pengguna yang paling berpengaruh dari data dapat ditemukan dengan melihat nilai terbesar dari betweenness, closeness, dan degree centrality. Kesimpulan ketiga yang dapat diambil adalah hasil penghitungan nilai Betweenness Centrality Controversy dari social network topik LGBT adalah 0,689. Nilai BCC dari social network topik LGBT melewati nilai tengah dari skala nilai BCC, yaitu 0-1. Hal tersebut mengindikasikan bahwa topik LGBT merupakan topik yang kontroversial.
Dengan mengetahui kontroversi yang terjadi, pemerintah dapat menggunakannya untuk membuat kebijakan dalam menangani kasus LGBT.
37 5.2. Saran
Ada beberapa hal yang dapat dikembangkan dari penelitian ini. Oleh karena itu, penulis ingin memberikan saran kepada para peneliti selanjutnya yang tertarik untuk melakukan penelitian dalam bidang yang berkaitan dengan penelitian ini, diantaranya adalah sebagai berikut:
1. Penelitian ini hanya menggunakan Betweenness Controversial Controversy untuk mengukur tingkat kontroversi, sebaiknya gunakan juga Random Walk Controversy agar dapat dibandingkan hasilnya 2. Topik permasalahan yang diukur tingkat kontroversinya dalam
penelitian ini hanyalah mengenai LGBT, sebaiknya lakukan penelitian dengan beberapa topik agar dapat diketahui topik mana yang paling kontroversial.
38 REFERENSI
[1] Aggarwal, C. C. (2011). Social Network Data Analytics. London: Springer Sciences.
[2] Alexander, J., & Yescavage, K. (2003). Bisexuality and Transgenderism:
InterSEXions of The Others. New York: Haworth Press.
[3] Badgett, M. L., Hasenbush, A., & Luhur, W. E. (2017). LGBT Exclusion in Indonesia and Its Economic Effects. Los Angeles: The William Institute UCLA School of Law.
[4] Becker, A. B., & Copeland, L. (2016). Networked publics: How connective social media use facilitates political consumerism among LGBT Americans. Journal of Information Technology & Politics , 22-36.
[5] Bichot, C.-E., & Siarry, P. (2013). Graph Partitioning. John Wiley & Sons.
[6] Blasius, M. (2001). Sexual Identities, Queer Politics. New Jersey:
Princeton University Press.
[7] Blondel, V. D., Guillaume, J.-L., Lambiotte, R., & Lefebvre, E. (2008).
Fast unfolding of communities in large networks. Journal of statistical mechanics: theory and experiment.
[8] Burt, R. S. (2009). Structural Holes: The Social Structure of Competition.
Harvard University Press.
[9] Cuzzocrea, A., Papadimitriou, A., Katsaros, D., & Manolopoulos, Y.
(2012). Edge betweenness centrality: A novel algorithm for QoS-based topology control over wireless sensor networks. Journal of Network and Computer Applications, 1210-1212.
[10] Freeman, L. (1977). A set of measures of centrality based on betweenness.
Sociometry.
[11] Freeman, L. C., Roeder, D., & Mulholland, R. R. (1979). Centrality in Social Networks: ii. Experimental Results., (hal. 119-141).
[12] Garimella, K., Morales, G. D., Gionis, A., & Mathioudakis, M. (2017).
Quantifying Controversy on Social Media. ACM Transactions on Social Computing, 1.
39 [13] Gentry, J. (2016). Package 'twitteR'.
[14] Hagberg, A., Schult, D., & Swart, P. (2005). Networkx: Python software for the analysis of networks. Mathematical Modeling and Analysis. Los Alamos National Laboratory.
[15] Hendrickson, B., & Leland, R. (1995). A multilevel algorithm for partitioning graphs. Proceedings of the 1995 ACM/IEEE conference on Supercomputing (hal. 28). ACM.
[16] Jacomy, M., Venturini, T., Heymann, S., & Bastian, M. (2014).
ForceAtlas2, a continuous graph layout algorithm for handy network visualization designed for the Gephi software. PloS one.
[17] Karypis, G., & Kumar, V. (1995). METIS--unstructured graph partitioning and sparse matrix ordering system, version 2.0.
[18] Karypis, G., & Kumar, V. (1999). A Fast and High Quality Multilevel Scheme for Partitioning Irregular Graphs. SIAM Journal on Scientific Computing, 20(1), 359-392.
[22] Scott, J. (2017). Social Network Analysis. London: Sage.
[23] Sirait, T. M. (2017). Menilik Akseptabilitas Perkawinan Sesama Jenis di dalam Konstitusi Indonesia. Jurnal Konstitusi, 620-643.
[24] Zhang, J., & Luo, Y. (2017). Degree Centrality, Betweenness Centrality, and Closeness Centrality in Social Network. 2nd International Conference on Modelling, Simulation and Applied Mathematics (MSAM 2017).
Atlantis Press.
40
# gunakan API dari akun twitter anda api_key <- ""
rt = mutate(sp[['TRUE']], sender = substr(text, 5, regexpr(':', text) - 1)) el = as.data.frame(cbind(sender = tolower(rt$sender), receiver = tolower(rt$screenName)))
el = count(el, sender, receiver)
write.csv(el, "C:/Users/hp/Documents/Kuliah/Skripsi/RT LGBT.csv")