PENERAPAN ANALISIS STRUKTUR JARINGAN SOSIAL
PADA JARINGAN
AKUN @matematikaipb
SYAEPUL ANWAR
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Struktur Jaringan Sosial pada Jaringan Twitter Akun @matematikaipb adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
ABSTRAK
SYAEPUL ANWAR. Penerapan Analisis Struktur Jaringan Sosial pada Jaringan Twitter Akun @matematikaipb. Dibimbing oleh SUGI GURITMAN dan MUHAMMAD ILYAS.
Twitter merupakan salah satu media sosial di dunia maya. Setiap pengguna Twitter memiliki bobot sentralitas yang berbeda berdasarkan posisinya dalam struktur jaringan organisasi. Perhitungan sentralitas sebanding dengan banyaknya pertemanan yang dimiliki oleh user. Sentralitas merepresentasikan popularitas dan pengaruh user. Penelitian ini dikhususkan pada akun Twitter @matematikaipb 2013 dengan menggunakan Analisis Jaringan Sosial dan Metode Sentralitas yang terdiri dari tiga ukuran yaitu: derajat, kedekatan, dan keterhubungan sentralitas. Ketiga ukuran digunakan untuk tersebut menganilisis dan menghitung bobot sentralitas user yang menghasilkan tingkat keberpengaruhan, kualitas pertemanan dan frekuensi keterlibatan. Kesimpulan dari penelitian ini ialah akun dengan user @SatriatamaFajar merupakan akun dengan bobot sentralitas paling tinggi, artinya user tersebut merupakan user yang memiliki pengaruh penting dalam jaringan Twitter @matematikaipb.
Kata kunci: Analisis jaringan sosial, sentralitas, Twitter.
ABSTRACT
SYAEPUL ANWAR. The Application of Structural Analysis of Social Networks on the Network Twitter Account of @matematikaipb. Supervised by SUGI GURITMAN and MUHAMMAD ILYAS.
Twitter is one of the popular social media in cyber space. Each of Twitter user has different centrality weights based on its position in the network structure. The centrality calculations is compared in term of to the number of friends of users. The centrality represents the popularity and influence of users. This study was undertaken for the Twitter account of @matematikaipb 2013 by using Social Network Analysis and the centrality method which consist of three measures, namely degree of centrality, closeness of centrality and connectedness centrality. Those three measurements were used to analyze and calculate the weight of the centrality of Twitter users, that generate the level of influence, friendship quality and frequency of involvement in the friendship. This study concluded that, an account with a user @SatriatamaFajar is an account with the highest centrality weights. This means that the social media user has an important influence in the Twitter account of @matematikaipb.
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains
pada
Departemen Matematika
PENERAPAN ANALISIS STRUKTUR JARINGAN SOSIAL
PADA JARINGAN
AKUN @matematikaipb
SYAEPUL ANWAR
DEPARTEMEN MATEMATIKAFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Judul Skripsi : Penerapan Analisis Struktur Jaringan Sosial pada Jaringan Twitter Akun @matematikaipb.
Nama : Syaepul Anwar
NIM : G54090036
Disetujui oleh
Dr Sugi Guritman, MSc Pembimbing I
Muhammad Ilyas, MSc MSi Pembimbing II
Diketahui oleh
Dr Toni Bakhtiar, MSc Ketua Departemen
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Juni 2013 ini ialah analisis jaringan sosial, dengan judul Penerapan Struktur Jaringan Sosial pada Jaringan Twitter Akun @matematikaipb.
Terima kasih penulis ucapkan kepada Dr. Sugi Guritman, M.Sc. dan Muhammad Ilyas, M.Sc. M.Si. selaku pembimbing. Di samping itu, penghargaan penulis sampaikan kepada Ruhiyat, M.Si. selaku dosen penguji, kepala departemen Matematika IPB Dr. Toni Bakhtiar, M.Sc. beserta jajaran staf dosen lainnya. Staff pendukung Bapak Mulyono, Bapak Acep Komaruddin, Ibu Ade Yustina dan Ibu Nunik Susilowati yang telah banyak membantu selama penelitian ini berlangsung. Ungkapan terima kasih juga disampaikan kepada ayah, ibu, serta seluruh keluarga atas segala doa dan kasih sayangnya. Tidak lupa juga ungkapan terima kasih penulis sampaikan kepada rekan-rekan mahasiswa matematika IPB angkatan 46 atas segala doa dan dukungannya sehingga penelitian ini bisa terselesaikan.
Semoga karya ilmiah ini bermanfaat.
DAFTAR ISI
DAFTAR TABEL viii
DAFTAR GAMBAR viii
DAFTAR LAMPIRAN viii
I. PENDAHULUAN 1
1.1 Latar Belakang 1
1.2 Tujuan Penelitian 2
1.3 Asumsi 2
II. TINJAUAN PUSTAKA 2
2.1 Istilah dalam Twitter 3
2.2 Analisis Jaringan Sosial 3
2.3 Sentralitas 3
2.4 Network Anlaytic Software 7
III. HASIL DAN PEMBAHASAN 8
3.1 Rancangan Penelitian 8
3.2 Populasi 8
3.3 Hasil 8
3.4 Pembahasan 8
3.5 Identifikasi Sub-Komunitas 14
VI. SIMPULAN DAN SARAN 13
Simpulan 18
Saran 18
DAFTAR PUSTAKA 19
LAMPIRAN 20
DAFTAR GAMBAR
J
aringan dengan empat node...3Komunitas akun @matematikaipb...8
Grafik interaksi Minggu pertama...10
Grafik interaksi Minggu kedua...11
Grafik interaksi Minggu ketiga...12
DAFTAR LAMPIRAN
Daftar akun-akun dalam jaringan @matematikaipb...15Daftar nilai derajat sentralitas...16
Daftar nilai kedekatan sentralitas...19
Daftar nilai keterhubungan sentralitas...21
Interaksi Minggu pertama...25
Interaksi Minggu kedua...25
PENDAHULUAN
Latar Belakang
Media sosial adalah sebuah media online dimana para penggunanya bisa dengan mudah berpartisipasi, berbagi, dan menciptakan isi meliputi blog, jejaring sosial, wiki, forum, dan dunia virtual. Blog, jejaring sosial dan wiki merupakan bentuk media sosial yang paling umum digunakan oleh masyarakat di seluruh dunia. Pendapat lain mengatakan bahwa media sosial adalah media online yang mendukung interaksi sosial dan menggunakan teknologi berbasis web yang mengubah komunikasi menjadi dialog interaktif.
Jejaring sosial merupakan situs di mana setiap orang bisa membuat web page pribadi, kemudian terhubung dengan para pengguna lain untuk berbagi informasi dan berkomunikasi. Jejaring sosial terbesar antara lain Facebook, Myspace, dan Twitter. Jika media tradisional menggunakan media cetak dan media broadcast, maka media sosial menggunakan internet. Media sosial mengajak siapa saja yang tertarik untuk berpertisipasi dengan memberi kontribusi dan feedback secara terbuka, memberi komentar, serta berbagi informasi dalam waktu yang cepat dan tak terbatas.
Twitter merupakan salah satu media sosial yang ramai digunakan oleh penduduk di berbagai penjuru dunia. Jumlah pengguna Twitter di Indonesia sendiri bahkan mencapai peringkat yang cukup tinggi jika dibandingkan dengan negara lain. Menurut statistik yang dikeluarkan oleh Semiocast (Perusahaan analisis data dari Prancis), pada 30 Juni 2012 sudah terdapat 140 juta akun Twitter di dunia, dengan sekitar 30 juta akun diantaranya berasal dari Indonesia. Bahkan kota Jakarta sempat menduduki peringkat nomor satu dalam hal jumlah tweet terbanyak seluruh dunia.
Dalam penelitian ini media sosial yang akan deteliti adalah Twitter. Begitu banyak informasi yang beredar di dalam media sosial ini, kebanyakan orang menjadikannya sebagai pasar bisnis dan sumber informasi lainnya. Setiap informasi yang ada dalam Twitter terstruktur dan memiliki pola jaringan komunikasi tersendiri. Mulai dari seseorang yang mengirimkan tweet, lalu dibaca oleh follower -nya dan disebarluaskan ke ba-nyak orang.
Jika dilihat dari posisinya dalam struktur jaringan, setiap akun Twitter memiliki nilai bobot berbeda, yang nantinya akan sangat berpengaruh terhadap struktur jaringan yang terbentuk. Hal-hal yang mempengaruhi nilai bobot tersebut adalah banyaknya link yang menghubungkannya dengan akun lain. Seseorang yang memiliki link lebih banyak akan memiliki pengaruh yang lebih besar dibandingkan dengan yang hanya memiliki sedikit link. Hal ini disebabkan karena tweet yang dikeluarkan akan lebih banyak dilihat oleh orang-orang.
2
Pola komunikasi yang terbentuk bisa beragam jenisnya. Selanjutnya yang menjadi permasalahan adalah bagaimana menghitung bobot pengaruh suatu akun dalam struktur jaringan dan bagaimana pola komunikasi yang terbentuk oleh aktivitas akun-akun Twitter dalam struktur jaringan. Penelitian ini dilakukan untuk menjawab permasalahan tersebut dan dikhususkan pada satu akun buatan yaitu @matematikaipb.
Mencari node yang memiliki pengaruh besar tidak terlepas dari posisi node tersebut dalam struktur jaringan. Banyaknya edge yang terbentuk antara node tersebut dengan node-node lain dalam struktur jaringan sangatlah menentukan apakah node yang dimaksud memiliki pengaruh besar atau tidak. Setiap node dalam struktur jaringan tersebut memiliki bobot sentralitas yang berbeda berdasarkan posisinya masing-masing yang nantinya akan berpengaruh terhadap jalannya komunikasi dalam struktur jaringan. Node yang memiliki nilai bobot sentralitas tinggi lah yang kemungkinan akan menjadi node memiliki pengaruh penting dalam struktur jaringan yang terbentuk dalam akun @matematikaipb. Dengan menggunakan analisis jaringan sosial dan metode sentralitas, penelitian ini akan menganalisis dan menghitung besarnya bobot sentralitas dari masing-masing node yang ada dalam struktur jaringan @matematikaipb.
Tujuan Penelitian
Tujuan dari penulisan karya ilmiah ini adalah sebagai berikut:
1. Menentukan seberapa besar bobot sentralitas dari setiap akun (node) dalam struktur jaringan @matematikaipb.
2. Menentukan akun mana yang memiliki pengaruh besar. 3. Memvisualisasikan struktur jaringan yang terbentuk. 4. Mengidentifikasi sub komunitas yang terbentuk.
Asumsi
1. Pengaruh dari setiap node tidak dilihat dari tweet, tapi hanya dilihat dari posisi setiap node dalam struktur jaringan.
2. Graf yang digunakan merupakan graf tidak berarah, sehingga tidak dibedakan antara following dan follower.
3. Teman didefinisikan sebagai akun-akun yang menjadi follower ataupun following.
TINJAUAN PUSTAKA
3
Istilah dalam Twitter Follower
Follower suatu akun Aadalah akun-akun Twitter yang telah menambahkan akun A ke dalam daftar temannya sehingga akun-akun tersebut akan selalu menerima informasi (tweet) yang dikirimkan oleh akun Twitter A.
Following
Following akun Twitter A adalah akun-akun Twitter yang telah ditambahkan ke dalam daftar teman akun A sehingga setiap tweet-nya akan selalu diterima dan bisa dilihat oleh akun A tersebut.
Tweet
Tweet adalah sebutan untuk update status pada Twitter, pesannya maksimal terdiri atas 140 karakter.
Favorites
Favorites adalah istilah bagi tweet yang disimpan. Biasanya dilakukan pada tweet yang disukai karena menarik atau berisi informasi penting.
ReTweet
ReTweet adalah meneruskan tweet dari pengguna lain dengan cara mengklik Retweet pada tweet pengguna lain tersebut.
Replies to
Replies to adalah sebutan bagi tweet yang dikirim sebagai balasan untuk pesan pengguna lain. Biasanya dikirim dengan mengklik reply dan selalu dimulai dengan user ID.
Mention
Mention adalah istilah bagi user Twitter yang mengikutsertakan user lain dalam tweet yang dikeluarkannya dengan cara menulis user ID, sehingga user lain tersebut bisa melihat tweet-nya. (Milstein 2009).
Analisis Jaringan Sosial (Social Network Analysis– SNA)
Analisis jaringan sosial (Social Network Analysis - SNA) memandang hubungan sosial dalam kaitannya dengan teori jaringan yang terdiri dari node dan edge. Node adalah aktor-aktor individu yang ada dalam struktur jaringan, sedangkan edge menyatakan hubungan yang terjalin di antara individu-individu tersebut.
4
antar node digambarkan ke dalam sebuah edge. Relasi following/follower, Mention, Retweet, dari jejaring sosial Twitter bisa menggambarkan tingkat kepopuleran/pengaruh user Twitter tersebut. Nilai/bobot dari relasi ini disebut juga dengan sentralitas. Nilai sentralitas sebuah node akan semakin besar jika mengikutsertakan bobot relasi antar node, dengan artian dalam perhitungan tidak hanya sentralitas satu node saja tetapi juga mengikutsertakan nilai sentralitas dari node sekitarnya.
Sentralitas
Perhitungan sentralitas dalam suatu graf tidak berarah dapat menghasilkan suatu bobot yang menentukan node mana yang memiliki pengaruh penting dalam graf tersebut. Penelitian ini hanya menekankan pada perhitungan sentralitas untuk suatu graf yang tidak berarah, artinya tidak dibedakan antara in-link ataupun out-link. Dalam penelitian ini struktur jaringan yang akan diteliti adalah jejaring sosial Twitter, sehingga in-link dan out-link-nya adalah following dan follower.
Setidaknya terdapat tiga buah metode dasar untuk menghitung sentralitas dari setiap node dalam suatu graf, yaitu derajat sentralitas, kedekatan sentralitas dan keterhubungan sentralitas.(Opsahl et al. 2010)
Derajat Sentralitas
Derajat sentralitas akan digunakan untuk menghitung bobot suatu node ke-i (diberi notasi CD(i)) berdasarkan banyaknya edge yang terbentuk antara node i
dengan yang lainnya. Banyaknya edge yang terbentuk memudahkan suatu node untuk memberikan pengaruh bagi node-node lain yang ada dalam struktur jaringan (Freeman 2006). Dalam hal ini karena yang diteliti adalah jejaring sosial Twitter, maka node merupakan representasi dari akun, sedangkan edge merupakan representasi dari follower/following. Besarnya pengaruh suatu akun dalam jejaring sosial Twitter berbanding lurus dengan banyaknya jumlah follower-nya. Karena setiap tweet-nya akan terlihat oleh setiap follower-nya tersebut. Besarnya bobot sentralitas suatu node dapat dihitung normalisasi sebagai berikut:
∑� −,
�
= Keterangan:
CD(i) = Nilai dari derajat sentralitas node i
∑ , = Banyaknya edge yang terhubung langsung dengan node i n = Jumlah sampel penelitian
5
Gambar 1. Jaringan dengan empat node
Maka node ke a memiliki bobot CD(a)=2/3, yaitu jumlah edge yang
terbentuk pada node a dengan node lain dibagi dengan jumlah node dalam graf dikurangi 1, sedangkan untuk node b memiliki bobot CD(b)=3/3.
Sentralitas Kedekatan
Sentralitas kedekatan akan digunakan untuk menghitung
bobot sentralitas sebuah node berdasarkan jumlah jarak terpendek antara suatu node dengan node lainnya (Freeman 2006). Untuk menghitung bobot sentralitas kedekatan setiap node, dapat digunakan rumus normalisasi sebagai berikut:
� =∑�� − ,
= .
Dari contoh graf pada Gambar 1, maka dapat dihitung bobot sentralitas kedekatan untuk node a adalah sebagai berikut:
Diketahui:
n = 4, , = , , = , , =
� =∑�� − ,
=
� = , + −, + ,
� = + +
� =
� = . .
Dengan cara yang sama, bobot sentralitas kedekatan dari node yang lain juga bisa dicari, yaitu:
� = + + =
� = + + =
6
Sentralitas Keterhubungan
Sentralitas keterhubungan akan digunakan untuk menghitung bobot setiap
node berdasarkan seberapa banyak suatu node dilalui oleh dua node lain dalam graf berdasarkan jalur terpendeknya (Freeman 2006). Perhitungan bobot sentralitas ini menggunakan rumus normalisasi sebagai berikut:
� = ∑
Pjk(i) = Jumlah jalur terpendek antara node j dan k yang melewati node i.
Pjk = Jumlah jalur terpendek antara node j dan k.
n = Banyaknya node dalam jaringan.
Sekali lagi berdasarkan graf pada Gambar 1, maka kita dapat menghitung bobot sentralitas keterhubungan dari setiap node:
Diketahui:
dengan cara serupa didapat bobot dari node yang lain, sebagai berikut: CB(c) = 0, CB(b) = CB(d) = 1/6.
Identifikasi Sub-Komunitas
7 tidaknya interaksi antara node-node yang ada dalam struktur jaringan @matematikaipb. Interaksi yang diamati berupa mentions dan replies to.
Network Analytic Software
Network analytic software digunakan untuk merepresentasikan node (aktor) dan edge (hubungan) dalam suatu jaringan, dan juga digunakan untuk menganalisis data jaringan. Sama halnya dengan aplikasi yang lain, data dapat disimpan dalam bentuk file eksternal. Network analytic software memudahkan peneliti untuk menyelidiki jaringan dalam jangkauan yang besar seperti jaringan internet, transmisi penyakit, dll. Aplikasi ini menyediakan fungsi matematika yang dapat diaplikasikan dalam model jaringan. Ada begitu banyak Network analytic software di antaranya yang sudah banyak orang ketahui yaitu Gephi, Graphviz, GraphStream, NetReveal, dll.
Gephi 0.8.2 -betha
Gephi 0.8.2 -betha adalah suatu interaktif visualisasi dan platform eksplorasi untuk bermacam macam jaringan dan sistem kompleks, dinamis dan grafik hirarki, Gephi digunakan untuk menganalisis dan mempelajari grafik. Keuntungan dari mesin tercepat visualisasi grafik untuk memahami kecepatan dan pola penemuan dalam grafik dengan skala besar. Menganalisis jaringan hingga 50.000 node dan 1.000.000 edge, iterasi melalui visualisasi menggunakan penyaringan dinamis (Opsahl et al. 2010). Aplikasi ini dapat diunduh secara bebas di website Gephi.
NodeExcel
NodeExcel adalah template open source untuk Excel 2007 dan 2010 yang mampu membuat hierarki jaringan dengan cara mengimpor langsung user pada berbagai jejaring sosial seperti Twitter, YouTube atau Flickr. Pada penelitian ini NodeExcel digunakan pada Twitter dengan mengimpor langsung dari user akun @matematikaipb dengan relasi follower/following dan include 1.5 yang artinya akun-akun yang diambil terbatas hanya follower/following dari akun @matematikaipb.
HASIL DAN PEMBAHASAN
Rancangan Penelitian
8
Komunitas
Komunitas yang diamati pada penelitian ini adalah seluruh akun yang merupakan follower/following dari akun @matematikaipb yang diimport dengan menggunakan aplikasi NodeExcel pada periode bulan Oktober-November tahun 2013 dan berjumlah 106 akun. Dengan relasi following, follower atau keduanya. Daftar 106 akun ini bisa dilihat pada lampiran. Berikut diberikan visualisasi dari grafik komunitas yang diamati (@matematikaipb):
Keterangan:
: Angkatan 46 : Angkatan 47 : Angkatan 48
9 Gambar 2 adalah visualisasi grafik dari populasi yang diambil dari user Twitter @matematikaipb dengan menggunakan aplikasi NodeExcel dengan include level 1.5 yang artinya akun-akun Twitter yang diambil adalah terbatas pada hubungan following atau follower dari akun @matematikaipb dan juga berlaku hubungan yang sama diantara para follower dan following tersebut.
Node-node kecil yang ada pada grafik melambangkan akun-akun Twitter yang ada dalam akun @matematikaipb, sedangkan garis kurva yang menghubungkan node-node tersebut adalah menyatakan hubungan follower atau following atau bahkan bisa keduanya.Grafik tersebut terdiri atas 106 akun Twitter dan dikelompokan ke dalam tiga kelompok besar yang ditandai dengan warna merah, biru dan hijau. Secara garis besar, pengelompokannya merupakan angkatan di Departemen Matematika IPB, yaitu angkatan 46, 47 dan 48.
Analisis Jaringan Sosial
Derajat sentralitas adalah ukuran yang memandang seberapa banyak suatu node memiliki hubungan langsung dengan node lain. Dalam jejaring Twitter hubungan yang dimaksud adalah hubungan follower atau following atau bahkan bisa keduanya. Karena dalam penelitian ini graf yang digunakan adalah graf tidak berarah, maka following dan follower tidak dibedakan, sehingga setiap tweet yang dikeluarkan oleh suatu akun sumber akan terlihat oleh akun lain yang merupakan follower atau following dari akun sumber tersebut. Oleh karena itu, semakin banyak follower atau following yang dimiliki suatu akun, maka akan semakin besar pula pengaruhnya dalam struktur jaringan yang terbentuk. Akun dengan nama user @SatriatamaFajar memiliki bobot derajat sentralitas terbesar diantara akun-akun lainnya, yaitu sebesar 0.838 artinya sebanyak 83.80% dari seluruh akun yang ada dalam jaringan @matematikaipb akan melihat dan menerima setiap update status (tweet) yang dikirimnya. Hal ini membuat akun tersebut menjadi akun yang memiliki pengaruh penting dalam struktur jaringan @matematikaipb. Daftar nilai derajat sentralitas selengkapnya diberikan pada bagian lampiran.
Kedekatan sentralitas adalah ukuran yang memandang seberapa dekat jarak pertemanan antara suatu nodei dengan seluruh node yang ada dalam struktur jaringan. Perhitungan jarak ini didasarkan pada banyaknya edge yang menghubungkan node-node tersebut. Misalkan ada dua buah node yang merupakan follower atau following satu sama lain, maka jarak di antara keduanya adalah satu (satu edge). Pada ukuran ini, suatu node yang secara rata-rata jarak pertemanannya paling dekat dengan semua node yang ada dalam jaringan akan memperoleh informasi seefisien mungkin.
10
bahwa akun @SatriatamaFajar memiliki kedekatan yang sangat baik dengan seluruh akun-akun dalam jaringan @matematikaipb. Daftar nilai kedekatan sentralitas selengkapnya diberikan pada bagian lampiran.
Keterhubungan sentralitas mengukur seberapa sering suatu node dalam menghubungkan dua node lain dalam jarak terpendeknya. Dengan kata lain, suatu node dengan keterhubungan sentralitas tertinggi mampu mempengaruhi (menambahkan/mengurangi) informasi yang mengalir di antara para node yang melibatkannya. Pada penelitian ini, akun dengan user @SatriatamaFajar dan @barigaib sama-sama memiliki nilai bobot keterhubungan sentralitas terbesar, yaitu 0.019 artinya jika dibandingkan dengan akun akun lain dalam jaringan matematikaipb, kedua akun tersebut lebih sering terlibat dalam jarak terpendek yang menghubungkan node-node lain. Daftar nilai keterhubungan sentralitas selengkapnya diberikan pada bagian lampiran.
Identifikasi Komunitas
11
Gambar 3. Interaksi pada minggu pertama
Gambar 3 adalah visualisasi grafik dari interaksi yang terjadi pada populasi pada tanggal 27 Oktober. Pada tahap ini sudah tidak ada kaitannya dengan penghitungan bobot sentralitas, tapi lebih kepada interaksi yang terjadi. Node-node yang ukurannya diperbesar adalah node-node yang melakukan interaksi dengan sesama anggota populasi. Interaksi yang diamati berupa Mention atau Replies to. Adanya interaksi menunjukkan bahwa di antara node-node tersebut memiliki hubungan pertemanan yang cukup dekat. Secara keseluruhan terdapat 12 interaksi yang terjadi pada periode ini, 8 interaksi berupa Mention dan 4 sisanya merupakan interaksi berupa Replies to.
12
Gambar 4. Interaksi pada minggu kedua
13
Gambar 5. Interaksi pada minggu ketiga
Gambar 5 adalah visualisasi dari interaksi yang terjadi pada periode ketiga. Pada periode ini terdapat 9 interaksi dengan 6 interaksi berupa Mention dan 3 sisanya merupakan Replies to. Interaksi yang terjadi lebih sedikit jika dibandingkan dengan dua periode sebelumnya. Hal ini menunjukan bahwa di periode ini akun-akun tersebut tidak begitu banyak yang aktif.
SIMPULAN DAN SARAN
Simpulan
14
Derajat sentralitas menghasilkan akun Twitter @SatriatamaFajar sebagai akun dengan sentralitas terbesar, yaitu 0.838. Artinya akun tersebut memiliki posisi yang cukup penting dalam jaringan @matematikaipb.
Kedekatan sentralitas menghasilkan akun Twitter @SatriatamaFajar sebagai akun dengan kedekatan sentralitas tertinggi, yaitu 0.855. Artinya akun tersebut memiliki jarak pertemanan yang relatif kecil dengan seluruh akun yang ada dalam jaringan, sehingga hal ini menunjukan bahwa akun @SatriatamaFajar memiliki hubungan yang sangat baik dengan seluruh akun dalam jaringan dibandingkan dengan akun-akun lain.
Keterhubungan sentralitas menghasilkan akun Twitter @barigaib dan akun @SatriatamaFajar sebagai akun dengan keterhubungan sentralitas tertinggi, yaitu 0.019. Artinya kedua akun tersebut sama besar dalam hal frekuensi keterlibatannya dalam jarak terpendek yang menghubungkan dua akun lain dalam jaringan.
Dari ketiga ukuran sentralitas yang digunakan, akun Twitter @SatriatamaFajar merupakan akun yang memiliki posisi paling penting dalam struktur jaringan @matematikaipb.
Sub komunitas selalu terbentuk dalam setiap minggu pada periode penelitian. Sub komunitas terbanyak terjadi pada minggu kedua, yaitu sebanyak 16 interaksi dengan 9 interaksi berupa Mention dan 7 berupa Replies to.
Saran
15
DAFTAR PUSTAKA
Opsahl et al. 2010. Node centrality in weighted networks: Generalizing degree and shortest paths. [Internet]. [diunduh 2013 November 8]. Tersedia pada: http://toreopsahl. com/ 2010/ 04/ 21/ article-node- centrality-in-weighted-networks-generalizing-degree-and-shortest-paths/ ). SocialNetworks 32: 245. doi:10.1016/j.socnet.2010.03.006.
Milstein S. 2009. The Twitter Book. United States of America: O’Reily Media, Inc. Sukmadinata. 2009. Metode Penelitian Pendidikan.Bandung: Rosdakarya.
Husein U. 2004. Metode Penelitian untuk Skripsi dan Tesis Bisnis. Cetakan ke-6. Jakarta: PT Raja Grafindo Persada.
Soenarno A. 2002. Attractive Games for All Seminar Purposes (Sebuah Catatan Khusus tentang Permainan untuk Forum Ilmiah).
16
LAMPIRAN
Lampiran 1 Daftar Follower/Following Akun Twitter @matematikaipb
No Nama Akun Twitter No Nama Akun Twitter No Nama Akun Twitter 1 SatriatamaFajar 37 dyah_ayuuu 73 sifalusiana
2 Ayunfarikha 38 dinncedinii 74 Hendarn
3 Achmad_kamil 39 kikiseptianiKS 75 u_wiiiii 4 Andi_Fitrianah 40 rizkynoviani 76 betry_putri 5 adi_riswanto 41 nurul_tika 77 fachriaditya1 6 Bilyanustazila 42 lusy_kurnia 78 claristhaa
7 bella_romadona 43 ikhsanmath 79 Rizkyhaa
8 Barigaib 44 alfiaini 80 fahmi_cempaka
9 Masterindo 45 FikiMY 81 dantykartika
10 cha_delis 46 Nyomend 82 itsMeLestari
11 hanifmats 47 dwirrrrr 83 durung
12 Lilisliss 48 alethealia 84 yoyokhariyanto
13 imaddd_ 49 uazekhlin 85 achie_doang
14 rismawati_sidik 50 abiyyuuu 86 IrmaOktiani
15 Erictanto 51 Ariyan_toP 87 hendragustra
16 Erjodi 52 tutyevelina 88 arpiemelnoor
17 Rstly 53 vinachan17 89 dhaidha11
18 lidya_yolanda 54 titanaova 90 HannaRifatika
19 av_endi 55 Anne12a2 91 arliansyah_syah
20 aisyah_mira 56 sevirarosana 92 dwinandahtm
21 rudyhariono 57 risa_wi 93 ranggags
22 dyah_ayuuuu 58 desyichristia 94 ebibyun
23 haniasri 59 hennyiswandrian 95 syukrioidaman
24 ikihidayat 60 fachriadidi 96 varinano
25 AdityaDAP 61 eqapujiyanti 97 aimanmacho8
26 AndriTriWibowo1 62 riefdahria 98 purimahestyanti
27 rendiarbi 63 MathSteven 99 umri____
28 lolaoktasari 64 Arii_Hermawan 100 qowiyyul
29 aisiahputri 65 galihfeb 101 RahardiEdo
30 saputraika 66 SyahrulAN16 102 dedhe_putrisia
31 Triinamz 67 danangkalisla 103 achiikaa
32 puttsaniya 68 fakhriazhar 104 lenyustie
33 tiqoh47 69 melditami 105 zainamufahir
34 bonno_andri 70 irfannaffandi 106 dittasucianisar
35 yhu_lie 71 aditbarca
17 Lampiran 2 Daftar Nilai Derajat Sentralitas
No Nama Akun Twitter Derajat Derajat Sentralitas Akun 1 SatriatamaFajar 88 0,838095238
2 Ayunfarikha 83 0,79047619 3 Achmad_kamil 81 0,771428571 4 Andi_Fitrianah 80 0,761904762 5 adi_riswanto 79 0,752380952 6 Bilyanustazila 79 0,752380952 7 bella_romadona 79 0,752380952
8 Barigaib 79 0,752380952
14 rismawati_sidik 72 0,685714286
15 Erictanto 72 0,685714286
16 Erjodi 70 0,666666667
17 Rstly 69 0,657142857
18 lidya_yolanda 67 0,638095238
19 av_endi 66 0,628571429
20 aisyah_mira 66 0,628571429 21 Rudyhariono 65 0,619047619 22 dyah_ayuuuu 64 0,60952381
23 Haniasri 64 0,60952381
24 Ikihidayat 64 0,60952381
25 AdityaDAP 64 0,60952381
26 AndriTriWibowo1 64 0,60952381
27 Rendiarbi 61 0,580952381
28 Lolaoktasari 61 0,580952381 29 Aisiahputri 61 0,580952381 30 Saputraika 60 0,571428571
31 Triinamz 60 0,571428571
32 Puttsaniya 60 0,571428571
33 tiqoh47 59 0,561904762
34 bonno_andri 58 0,552380952
35 yhu_lie 58 0,552380952
36 SyaepulA 58 0,552380952
18
No Nama Akun Twitter Derajat Derajat Sentralitas Akun 42 lusy_kurnia 55 0,523809524 43 Ikhsanmath 55 0,523809524
44 Alfiaini 53 0,504761905
45 FikiMY 52 0,495238095
46 Nyomend 51 0,485714286
47 Dwirrrrr 51 0,485714286
48 Alethealia 51 0,485714286
49 Uazekhlin 50 0,476190476
50 Abiyyuuu 50 0,476190476
51 Ariyan_toP 50 0,476190476 52 Tutyevelina 50 0,476190476 53 vinachan17 50 0,476190476
54 Titanaova 48 0,457142857
55 Anne12a2 47 0,447619048
56 Sevirarosana 47 0,447619048
57 risa_wi 47 0,447619048
58 Desyichristia 46 0,438095238 59 Hennyiswandrian 46 0,438095238 60 Fachriadidi 46 0,438095238 61 Eqapujiyanti 46 0,438095238 62 Riefdahria 46 0,438095238 63 MathSteven 46 0,438095238 64 Arii_Hermawan 45 0,428571429
65 Galihfeb 45 0,428571429
66 SyahrulAN16 45 0,428571429 67 danangkalisla 45 0,428571429 68 Fakhriazhar 44 0,419047619
69 Melditami 44 0,419047619
70 Irfannaffandi 44 0,419047619
71 Aditbarca 44 0,419047619
72 arieffadillah08 44 0,419047619
73 Sifalusiana 42 0,4
74 Hendarn 42 0,4
75 u_wiiiii 41 0,39047619
76 betry_putri 40 0,380952381 77 fachriaditya1 40 0,380952381 78 Claristhaa 40 0,380952381
79 Rizkyhaa 39 0,371428571
80 fahmi_cempaka 39 0,371428571 81 Dantykartika 38 0,361904762 82 itsMeLestari 36 0,342857143
83 Urung 35 0,333333333
19 No Nama Akun Twitter Derajat Derajat Sentralitas Akun
85 achie_doang 32 0,304761905 86 IrmaOktiani 32 0,304761905 87 Hendragustra 32 0,304761905 88 Arpiemelnoor 31 0,295238095
89 dhaidha11 31 0,295238095
90 HannaRifatika 31 0,295238095 91 arliansyah_syah 31 0,295238095 92 Dwinandahtm 31 0,295238095
93 Ranggags 30 0,285714286
94 Ebibyun 26 0,247619048
95 Syukrioidaman 25 0,238095238
96 Varinano 24 0,228571429
97 aimanmacho8 24 0,228571429 98 Purimahestyanti 23 0,219047619
99 umri____ 23 0,219047619
100 Qowiyyul 22 0,20952381
101 RahardiEdo 17 0,161904762 102 dedhe_putrisia 15 0,142857143
103 Achiikaa 11 0,104761905
20
Lampiran 3 Daftar Nilai Kedekatan Sentralitas
No Nama Akun Twitter Sentralitas Kedekatan 1 SatriatamaFajar 0.855
2 ayunfarikha 0.822
3 Achmad_kamil 0.809
4 Andi_Fitrianah 0.803
5 adi_riswanto 0.797
6 Bilyanustazila 0.797
7 bella_romadona 0.797
8 barigaib 0.797
14 rismawati_sidik 0.757
15 Erictanto 0.757
16 Erjodi 0.746
17 Rstly 0.741
18 lidya_yolanda 0.731
19 av_endi 0.726
26 AndriTriWibowo1 0.716
27 rendiarbi 0.702
28 lolaoktasari 0.702
29 aisiahputri 0.702
39 kikiseptianiKS 0.679
40 rizkynoviani 0.675
21 No Nama Akun Twitter Sentralitas Kedekatan
42 lusy_kurnia 0.675
56 sevirarosana 0.642
57 risa_wi 0.642
58 desyichristia 0.639
59 hennyiswandrian 0.639
60 fachriadidi 0.639
61 eqapujiyanti 0.639
62 riefdahria 0.639
63 MathSteven 0.639
64 Arii_Hermawan 0.635
65 galihfeb 0.635
66 SyahrulAN16 0.635
67 danangkalisla 0.635
68 fakhriazhar 0.631
69 melditami 0.631
70 irfannaffandi 0.631
71 aditbarca 0.631
72 arieffadillah08 0.631
73 sifalusiana 0.624
74 Hendarn 0.624
75 u_wiiiii 0.62
76 betry_putri 0.616
77 fachriaditya1 0.616
78 claristhaa 0.616
79 Rizkyhaa 0.613
80 fahmi_cempaka 0.613
81 dantykartika 0.609
82 itsMeLestari 0.602
83 Urung 0.599
22
No Nama Akun Twitter Sentralitas Kedekatan
85 achie_doang 0.589
86 IrmaOktiani 0.589
87 hendragustra 0.589
88 arpiemelnoor 0.586
89 dhaidha11 0.586
90 HannaRifatika 0.586
91 arliansyah_syah 0.586
92 dwinandahtm 0.586
93 ranggags 0.582
94 ebibyun 0.570
95 syukrioidaman 0.567
96 varinano 0.564
97 aimanmacho8 0.564
98 purimahestyanti 0.561
99 umri____ 0.561
100 qowiyyul 0.558
101 RahardiEdo 0.544
102 dedhe_putrisia 0.538
103 achiikaa 0.527
104 lenyustie 0.527
105 zainamufahir 0.522
106 dittasucianisar 0.510
Lampiran 4 Daftar Nilai Keterhubungan Sentralitas
No Nama Akun Twitter Sentralitas Keterhubungan
1 barigaib 0.019
2 SatriatamaFajar 0.019
3 Andi_Fitrianah 0.017
4 ayunfarikha 0.016
5 Bilyanustazila 0.015
6 bella_romadona 0.014
7 Achmad_kamil 0.014
8 lilisliss 0.013
9 masterando 0.012
10 rismawati_sidik 0.012
11 adi_riswanto 0.012
12 hanifmats 0.012
13 cha_delis 0.011
14 Erictanto 0.011
15 AndriTriWibowo1 0.010
16 av_endi 0.010
23 No Nama Akun Twitter Sentralitas Keterhubungan
18 Erjodi 0.009
25 lidya_yolanda 0.007
26 desyichristia 0.007
27 haniasri 0.006
28 sevirarosana 0.006
29 ikihidayat 0.006
46 lolaoktasari 0.004
47 ikhsanmath 0.004
48 galihfeb 0.003
49 kikiseptianiKS 0.003
50 tutyevelina 0.003
51 arieffadillah08 0.003
24
No Nama Akun Twitter Sentralitas Keterhubungan
61 Arii_Hermawan 0.003
62 rizkynoviani 0.002
63 melditami 0.002
64 fachriaditya1 0.002
65 danangkalisla 0.002
66 u_wiiiii 0.002
67 Nyomend 0.002
68 abiyyuuu 0.002
69 riefdahria 0.002
70 itsMeLestari 0.002
71 hennyiswandrian 0.002
72 durung 0.001
73 fakhriazhar 0.001
74 yoyokhariyanto 0.001
75 dantykartika 0.001
76 eqapujiyanti 0.001
77 sifalusiana 0.001
78 irfannaffandi 0.001
79 fachriadidi 0.001
87 hendragustra 0.001
88 HannaRifatika 0.001
89 arliansyah_syah 0.001
90 dhaidha11 0.001
91 claristhaa 0.001
92 arpiemelnoor 0,000
93 syukrioidaman 0,000
94 fahmi_cempaka 0,000
95 ebibyun 0,000
96 umri____ 0,000
97 RahardiEdo 0,000
98 qowiyyul 0,000
99 varinano 0,000
100 dedhe_putrisia 0,000
101 aimanmacho8 0,000
102 lenyustie 0,000
25 No Nama Akun Twitter Sentralitas Keterhubungan
104 Achiikaa 0,000
105 Zainamufahir 0,000
26
Lampiran 5 Interaksi Pada Minggu Pertamaa
Node1 Node2 Jenis Interaksib
Uazekhlin Riefdahria Mentions Rizkyhaa cha_delis Replies to Ikihidayat cha_delis Mentions fachriaditya1 rismawati_sidik Mentions hendragustra Aditbarca Mentions Rudyhariono fachriaditya1 Mentions
av_endi Galihfeb Mentions
Alfiaini Lidyolgram Mentions Tutyevelina Rizkynoviani Replies to dantykartika Melditami Replies to Melditami Dantykartika Replies to achie_doang Aisiahputri Mentions
a)Data diambil pada tanggal 23 Oktober 2013 b)Interaksi terjadi dari Node1 ke Node2
Interaksi Pada Minggu Keduac
Node1 Node2 Jenis Interaksi Lolaoktasari Claristhaa Replies to Lolaoktasari Claristhaa Mentions Lolaoktasari Tutyevelina Mentions Lolaoktasari Tutyevelina Replies to
AdityaDAP Tutyevelina Replies to pujiyantieka Lilisliss Mentions
AdityaDAP Pujiyantieka Mentions kikiseptianiKS rismawati_sidik Mentions Alethealia rismawati_sidik Mentions imaddd_ rismawati_sidik Mentions Erictanto adi_riswanto Replies to Bilyanustazila rismawati_sidik Replies to Aditbarca Lilisliss Replies to Aditbarca Lilisliss Mentions Melditami Dantykartika Mentions AriYH_ arliansyah_syah Replies to
27 Interaksi Pada Minggu Ketigad
Node 1 Node 2 Jenis Interaksi
Hendragustra Aditbarca Mentions
Galihfeb Masterindo Mentions
Anne12a2 Galihfeb Mentions
AndriTriWibowo1 Ranggags Replies do ranggags bella_romadona Mentions alethealia rismawati_sidik Replies to
imaddd_ Masterindo Mentions
dinncedinii Dantykartika Replies to
AriYH_ Lidyolgram Mentions
28
RIWAYAT HIDUP
Penulis dilahirkan di Subang pada tanggal 1 Mei 1991dari ayah Komar dan ibu Sopiah. Penulis berkewarganegaraan Indonesia dan beragama Islam. Penulis adalah anak satu-satunya dalam keluarga. Tahun 2003 penulis lulus dari SD Negeri Sindangcai, tahun 2006 penulis lulus dari SMP Negeri 2 Subang dan tahun 2009 penulis lulus dari SMA Negeri 1 Subang. Pada Tahun yang sama penulis lulus seleksi masuk Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB (USMI) dan diterima sebagai mahasiswa departemen Matematika FMIPA IPB dengan mayor Matematika dengan pilihan minor Statistika Terapan.
