Tugas Makalah
Sistem Temu Kembali Informasi (STKI)
TI029306
Analisa Kelompok Pergaulan dengan Temu Kembali Informasi
pada Jejaring Sosial
Oleh :
I Putu Gede Mayu Krisnawan
1204505037
Dosen :
I Putu Agus Eka Pratama, ST MT
Jurusan Teknologi Informasi
Fakultas Teknik Universitas Udayana
2015
KATA PENGANTAR
Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa karena
dengan rahmat, karunia, dan berkat-Nya penulis dapat menyelesaikan makalah
dengan judul Analisa Kelompok Pergaulan dengan Temu Kembali Informasi
pada Jejaring Sosial ini dengan baik. Penulis juga berterima kasih pada Bapak I
Putu Agus Eka Pratama, ST MT selaku Dosen mata kuliah Sistem Temu Kembali
Informasi di jurusan Teknologi Informasi Universitas Udayana yang telah
membimbing pengerjaan makalah ini.
Penulis sangat berharap makalah ini dapat berguna dalam rangka
menambah wawasan serta pengetahuan kita mengenai teori dan penerapan dari
sistem temu kembali informasi. Penulis juga menyadari sepenuhnya bahwa
makalah yang dikerjakan belum dapat disebut sempurna. Oleh sebab itu, penulis
berharap adanya kritik, saran dan usulan demi perbaikan makalah yang telah kami
buat di masa yang akan datang, mengingat tidak ada sesuatu yang sempurna tanpa
saran yang membangun.
Penulis juga mohon maaf apabila terdapat kata-kata kurang berkenan.
Semoga makalah ini dapat dipahami bagi siapapun yang membacanya. Sekiranya
makalah yang telah disusun ini dapat berguna bagi penulis sendiri maupun pihak
yang membacanya.
Jimbaran, Mei 2015
Penyusun
ABSTRAK
Jejaring sosial sudah menjadi tren yang tidak bisa dihindari lagi. Melalui
jejaring sosial terjadi berbagai interaksi sosial. Interaksi sosial yang terjadi pada
jejaring sosial kemudian menimbulkan berbagai fenomena sosial. Salah satu
fenomena sosial yang patut diperhatikan adalah permasalahan yang terjadi dalam
pergaulan. Kurangnya perhatian terhadap permasalahan dari pergaulan dalam
jejaring sosial inilah yang menimbulkan berbagai permasalahan. Pencegahan
permasalahan pada pergaulan dapat dilakukan dengan analisis kelompok
pergaulan pada jejaring sosial. Sebagaimana data pada jejaring sosial yang terus
berkembang, maka penerapan information retrieval dapat dilakukan untuk
menemukan kembali data berupa interaksi sosial yang membentuk pola pergaulan
dari individu pengguna jejaring sosial. Konten pada jejaring sosial juga dapat
diperoleh sentimennya melalui analisis sentimen dengan penerapan natural
language processing. Sentimen dari konten jejaring sosial inilah dapat menjadi
acuan untuk memperoleh pola pergaulan yaitu berupa kelompok pergaulan pada
jejaring sosial.
Kata kunci :
Information Retrieval, Social Network, Natural Language Processing
BAB I
PENDAHULUAN
1.1 Latar Belakang
Penggunaan jejaring sosial merupakan tren yang tidak bisa dihindari lagi.
Melalui jejaring sosial terjadi berbagai interaksi sosial. Interaksi sosial yang
terjadi pada jejaring sosial kemudian menimbulkan berbagai fenomena sosial.
Salah satu fenomena sosial yang patut diperhatikan adalah permasalahan yang
terjadi dalam pergaulan. Terkadang pergaulan melalui jejaring sosial
menimbulkan dampak positif maupun negatif.
Pergaulan melalui jejaring sosial pun relatif lebih sulit untuk dikontrol
mengingat pengguna jejaring sosial dari seluruh dunia semakin meningkat.
Menurut portal statistik yaitu statista, pengguna jejaring sosial dari seluruh dunia
hingga tahun 2013 diperkirakan sudah mencapai 1,59 miliar pengguna. Pada
tahun 2011 jumlah pengguna mencapai 1,22 miliar pengguna dan tahun 2012
mencapai 1,4 miliar pengguna. Jumlah ini diperkirakan meningkat dari tahun ke
tahun (statista, 2013).
Perkembangan pengguna dari jejaring sosial yang terus berkembang inilah
yang tentunya dapat menyebabkan ruang lingkup pergaulan semakin luas dan sulit
untuk diawasi. Berbagai kasus penyimpangan sosial dan berbagai jenis
kriminalitas dapat terjadi pada jejaring sosial. Mulai dari kasus anak dibawah
umur yang melarikan diri dengan teman jejaring sosialnya hingga kasus pencurian
ataupun pembunuhan dapat terjadi akibat kurangnya pengawasan terhadap
aktivitas media sosial.
Kurangnya perhatian terhadap permasalahan dari pergaulan dalam jejaring
sosial inilah yang menimbulkan berbagai permasalahan yang tidak harusnya
terjadi. Selain itu upaya pencegahan akan lebih baik dilakukan daripada
penanggulangan terhadap permasalahan yang sudah terjadi. Berbagai pihak yang
terlibat dalam permasalahan ini tentunya harus memperhatikan upaya pencegahan
terlebih dahulu.
Salah satu kasus yang sering terjadi adalah permasalahan pada pergaulan
remaja. Melalui data statistik, jumlah dari pengguna jejaring sosial secara umum
didominasi oleh usia yang tergolong remaja (jetscram, 2014). Selain itu remaja
sebagai usia yang secara umum masih berkembang dalam segi kematangan
emosional umumnya sulit dalam menentukan keputusan yang tepat bagi masa
depannya. Oleh karena itu peran pengawasan dari pihak-pihak terkait seperti
orang tua dan sekolah tentunya penting dalam pergaulan remaja.
Upaya pencegahan yang mungkin dapat dilakukan adalah dengan
memberikan pembelajaran yang baik. Namun dalam proses pembelajaran tentunya
memerlukan fungsi pengawasan yang baik. Fungsi pengawasan dalam pergaulan
jejaring sosial tentunya akan sulit untuk dilakukan apabila tidak tersedia metode
atau sistem yang dapat mempermudah fungsi pengawasan pergaulan pada jejaring
sosial.
Sebagaimana fungsi pengawasan pergaulan pada jejaring sosial merupakan
hal yang penting untuk dilakukan, maka ketersediaan metode atau sistem yang
tepat guna dalam pengawasan pergaulan pada jejaring sosial merupakan prioritas
yang cukup perlu untuk diperhatikan. Apabila pengawasan dilakukan dengan baik
maka proses pembelajaran bagi remaja dalam penggunaan jejaring sosial dapat
dilakukan dengan baik juga.
Temu kembali informasi yang merupakan upaya untuk memperoleh kembali
informasi melalui sekumpulan sumber, dapat diterapkan pada jejaring sosial.
Salah satu bentuk temu kembali informasi yang dapat diterapkan adalah temu
kembali informasi dengan sumber data dari jejaring sosial. Melalui analisa
kelompok pergaulan dengan temu kembali informasi pada jejaring sosial,
diharapkan fungsi pengawasan pergaulan pada jejaring sosial dapat dilakukan
dengan lebih baik lagi.
1.2 Rumusan Masalah
Secara umum masalah yang dikaji adalah penerapan temu kembali
informasi pada analisa kelompok pergaulan dengan jejaring sosial. Berikut
merupakan penjarbaran masalah yang akan dikaji lebih lanjut.
1) Apakah analisa kelompok pergaulan dapat dilakukan dengan temu kembali
informasi pada jejaring sosial?
2) Bagaimanakah analisa kelompok pergaulan dengan temu kembali informasi
pada jejaring sosial dapat dilakukan?
3) Apakah temu kembali informasi pada jejaring sosial dapat diterapkan
sebagai solusi yang efektif dalam analisa kelompok pergaulan?
1.3 Solusi
Analisa kelompok pergaulan pada jejaring sosial dapat dilakukan dengan
temu kembali informasi pada jejaring sosial yang populer untuk digunakan.
Sebagaimana situs jejaring sosial yang umumnya digunakan oleh banyak
pengguna dari seluruh dunia, ketersediaan seperti API (Application Programming
Interface) yang membantu pengembang membuat layanan third party umumnya
tersedia dan dapat diakses oleh publik. Hal ini tentunya dapat memudahkan proses
temu kembali informasi pada jejaring sosial.
Temu kembali informasi yang dibantu dengan API pada jejaring sosial
tentunya dapat dengan mudah dilakukan untuk melakukan analisa kelompok
pergaulan pada jejaring sosial. Pengolahan statistik seperti jumlah ketertarikan
antar pengguna jejaring sosial dapat dijadikan dasar untuk melakukan analisa
kelompok pergaulan. Misalnya saja pada jejaring sosial seperti facebook, data
pengguna seperti jumlah like atau komentar dapat menjadi acuan untuk
melakukan pengelompokan pergaulan.
Data ketertarikan antar pengguna dapat diolah secara statistik melalui
penerapan algoritma data minning yaitu clustering. Karena ketertarikan antar
pengguna dapat dibentuk menjadi angka pasti tentunya penerapan algoritma
clustering dapat dengan mudah dilakukan. Namun sebelum data dapat diolah
tentunya diperlukan proses untuk mengubah jenis sumber data yang berbeda dari
masing-masing jejaring sosial media menjadi satu bentuk data kuantitatif yang
bersifat eksak. Misalnya saja pada jejaring sosial facebook ketertarikan antar
pengguna dapat dilihat dari jumlah like atau komentar, maka pada jejaring sosial
seperti twitter ketertarikan pengguna dapat dilihat dari frekuensi pengguna untuk
melakukan mention pada pengguna lain. Lebih lanjut lagi penerapan natural
language processing dapat dilakukan untuk menemukan sentimen dari konten
yang dibuat pengguna jejaring sosial terhadap pengguna lain.
Data eksak dari ketertarikan dari pengguna secara lebih lanjut dapat diolah
dengan penerapan algoritma clustering. Namun perlu diperhatikan juga volume
data yang digunakan dalam analisa kelompok pergaulan yang akan dilakukan.
Apabila volume data cukup besar, maka sistem untuk proses analisa haruslah
memiliki skalabilitas yang baik agar sistem tetap dapat melakukan pengolahan
data tanpa penambahan infrastruktur yang siginifikan. Pemilihan sistem
penyimpanan data merupakan salah satu hal yang penting untuk dilakukan.
Sistem penyimpanan data yang dapat diterapkan tentunya harusnya
menyesuaikan dengan volume data yang akan digunakan. Salah satu sistem
penyimpanan data yang sedang menjadi tren dalam penerapan data minning
adalah penerapan sistem database NoSQL. Sistem database NoSQL umumnya
memiliki struktur yang tidak konvensional dan memiliki perbedaan performa
dengan sistem database relasional dalam penggunaannya untuk melakukan
analisis data.
Disamping penerapan algoritma dan sistem penyimpanan data yang tepat
tentunya diperlukan sumber data yang tepat. Pemilihan sumber data yang tepat
tentunya perlu untuk dilakukan agar hasil analisa menjadi lebih relevan.
Pemilihan jejaring sosial yang tepat hingga rentang dan porsi data yang tepat
tentunya merupakan faktor yang penting dalam melakukan analisa kelompok
pergaulan dengan temu kembali informasi pada jejaring sosial.
BAB II
LANDASAN TEORI & DESAIN SOLUSI
2.1 Landasan Teori
Makalah ini mengacu pada berbagai teori yang menjadi landasan dalam
penyusunannya. Berbagai teori yang digunakan dalam makalah ini antara lain
adalah sebagai berikut.
2.1.1 Temu Kembali Informasi
Temu kembali informasi atau Information Retrieval (IR) adalah kegiatan
untuk menemukan informasi (biasanya berupa dokumen) dalam bentuk yang
kurang terstruktur yang nantinya akan berguna untuk memenuhi kebutuhan akan
informasi yang diinginkan. Data yang kurang terstruktur dan diolah dalam IR
berhubungan dengan data yang memiliki relasi semantik kurang jelas dan tidak
mudah untuk dimengerti oleh komputer (struktur datanya masih sulit diolah). Hal
ini bertentangan dengan data yang terstruktur, contoh sederhananya adalah
database relasional yang lebih mudah untuk diolah lebih lanjut.
IR mencakup proses pencarian dan proses pemilahan kumpulan dokumen.
Misalnya saja tersedia beberapa dokumen, clustering merupakan kegiatan yang
berhubungan dengan pengelompokan dokumen berdasarkan kontennya sedangkan
klasifikasi merupakan kegiatan untuk menentukan kelompok dari sebuah
dokumen berdasarkan topiknya. Dalam kaitannya dengan dunia nyata, hampir
tidak ada data yang benar-benar terstruktur. Contoh sederhananya adalah bahasa
manusia yang sebenarnya memiliki struktur tersendiri. Karena data yang tersedia
tidak ada yang benar-benar tidak terstruktur maka IR juga mencakup mengenai
pengolahan data semi terstruktur.
Metode yang digunakan pada IR umumnya adalah metode berupa pencarian
dan pengelompokan data. Beberapa contoh metode dalam bentuk algoritma yang
dipergunakan pada IR antara lain adalah boolean retrieval, hierarchial clustering
dan juga support vector machine. Dalam melakukan pengelompokan data pada IR
haruslah menggunakan metode pemberian bobot yang cukup baik apabila hasil
dari IR yang diinginkan adalah hasil yang cukup relevan dan efisien.
2.1.2 Jejaring Sosial
Jejaring sosial adalah sebuah layanan yang memungkinkan individu untuk
(1) membangun profil publik atau semi-publik dalam sistem yang memiliki ruang
lingkup tertentu, (2) mengartikulasikan daftar pengguna lain dengan siapa mereka
berbagi koneksi dan (3) melihat dan melintasi daftar hubungan lain yang dibuat
oleh orang lain dalam sistem. Sifat dan nomenklatur hubungan ini dapat bervariasi
dari masing-masing jejaring sosial.
Situs jejaring sosial pertama kali diluncurkan pada tahun 1997. Pada tahun
1997, SixDegrees.com merupakan jejaring sosial pertama yang memungkinkan
pengguna untuk membuat profil, daftar. Masing-masing fitur ini ada dalam
beberapa bentuk sebelum sixdegrees, tentu saja. Profil ada di sebagian besar situs
kencan utama dan banyak situs komunitas. AIM dan ICQ mendukung daftar
pertemanan, meskipun daftar pertemanan tersebut tidak terlihat oleh orang lain.
Classmates.com memungkinkan orang untuk afiliasi dengan sekolah tinggi atau
perguruan tinggi dan penelusuran bagi orang lain yang juga berafiliasi, tapi
pengguna tidak dapat membuat profil atau daftar teman sampai tahun kemudian.
Sixdegrees adalah jejaring sosial pertama yang mencakup fitur dasar yang
merupakan kriteria dari jejaring sosial.
Berikutnya Ryze.com diluncurkan pada tahun 2001 untuk membantu orang
memanfaatkan jaringan bisnis mereka. Pendiri Ryze melaporkan bahwa dirinya
pertama kali memperkenalkan situs tersebut anggota bisnis dan teknologi
masyarakat San Francisco, termasuk pengusaha dan investor. Secara khusus,
orang-orang di belakang Ryze, Tribe.net, LinkedIn, dan Friendster yang erat
terjalin secara pribadi dan profesional. Mereka percaya bahwa mereka bisa saling
mendukung tanpa bersaing. Namun pada akhirnya, Ryze tidak pernah diperoleh
popularitas massa, Tribe.net tumbuh memiliki jumlah pengguna yang banyak,
LinkedIn menjadi layanan bisnis yang kuat, dan Friendster menjadi yang paling
signifikan pada saat itu. Pada tahun 2003 juga berdiri jejaring sosial MySpace
yang bersaing dengan Friendster dengan menambahkan fitur berdasarkan
permintaan pengguna yaitu memungkinkan pengguna untuk melakukan
personalisasi halaman pengguna. Hal inilah yang pada saat itu membuat MySpace
menjadi unik.
Pada awal tahun 2004 munculah Facebook yang berdiri sebagai jejaring
sosial yang hanya tersedia bagi mahasiswa Harvard namun akhirnya dapat
digunakan oleh umum. Pada tahun 2006 kemudian didirikanlah Twitter. Twitter
disebut bukan sebagai jejaring sosial oleh beberapa pihak karena Twitter memiliki
bentuk interaksi yang berbeda dan berdasarkan pihak eksekutif Twitter yaitu
Kevin Thau memberikan statemen pada Nokia World 2010 bahwa twitter
bukanlah jejaring sosial. Namun melalui aktivitas dan fitur yang tersedia pada
Twitter, Twitter dapat tergolong sebagai jejaring sosial juga. Fitur yang dimaksud
adalah fitur untuk membuat profil pengguna, membuat daftar pertemanan dan
melakukan interaksi sosial antar pengguna. Baik Twitter maupun Facebook
menyediakan pihak ketiga sarana untuk mengakses data yang tersimpan melalui
mekanisme penggunaan API (Application Programming Interface) yang memiliki
batasan-batasan tertentu.
2.1.3 API (Application Programming Interface)
API (Application Programming Interface) adalah seperangkat rutin,
protokol, dan alat-alat untuk membangun aplikasi perangkat lunak. API
mengekspos komponen software dalam hal operasi, input, output, dan jenis yang
mendasarinya. API mendefinisikan fungsi yang independen dari implementasi
masing-masing, yang memungkinkan definisi dan implementasi. Sebuah API
yang baik memudahkan proses pengembangan program dengan menyediakan
kumpulan fungsi yang dapat digunakan programmer. Seorang programmer
kemudian menempatkan fungsi-fungsi tersebut secara bersama-sama.
Programmer dapat membuat request dengan memasukkan pemanggilan
fungsi pada API dalam kode program. Sintaks API umumnya dijelaskan dalam
dokumentasi dari API yang digunakan. Berbagai jenis API juga tersedia pada
berbagai platformi dan bahasa pemrograman. Tujuan utamanya tersedia API
adalah agar programmer dapat dengan mudah mengakses fungsi yang dibutuhkan
untuk membuat program.
2.1.4 Data Mining
Data mining adalah kegiatan mengekstraksi atau menambang pengetahuan
yang bermanfaat dari data yang berukuran/berjumlah besar. Data Mining memang
salah satu cabang ilmu komputer yang relatif baru. Hingga saat ini penempatan
data mining di bidang ilmu tertentu masih menjadi perdebatan. Hal ini
dikarenakan data mining menyangkut database, kecerdasan buatan (artificial
intelligence) dan statistik. Sebagai ssebuah kegiatan, data mining tentunya
memiliki berbagai langkah umum. Langkah-langkah yang dimaksud adalah
sebagai berikut.
a. Data cleaning (untuk menghilangkan noise data yang tidak konsisten)
b. Data selection (dimana data yang relevan dengan tugas analisis disimpan ke
dalam database)
c. Data transformation (dimana data berubah atau bersatu menjadi bentuk
yang tepat untuk menambang dengan ringkasan performa atau operasi
agresi)
d. Data mining (proses esensial di mana metode yang intelejen digunakan
untuk mengekstrak pola data)
e. Pattern evolution (untuk mengidentifikasi pola yang benar-benar menarik
yang mewakili pengetahuan berdasarkan atas beberapa tindakan yang
menarik)
f. Knowledge presentation (di mana gambaran teknik visualisasi dan
pengetahuan digunakan untuk memberikan pengetahuan yang telah
ditemukan kepada user).
Sebagai sebuah kegiatan penggalian informasi, data minning memiliki
berbagai pokok permasalahan yang sering dikaji. Permasalahan tersebut dapat
dibagi menjadi beberapa jenis kegiatan yang menerapkan algoritma-algoritma
tertentu. Misalnya saja kegiatan clustering dikenal algoritma hierarchial dan K-
Means clustering, sedangkan pada kegiatan klasifikasi data dapat menggunakan
algoritma seperti C.45 atau Support Vector Machine. Selain itu kegiatan lain
seperti analisis asosiasi dan prediksi data juga termasuk ke dalam ranah data
mining.
2.1.5 Natural Language Processing
Natural Language Processing (NLP) adalah bidang penelitian yang
mengeksplorasi bagaimana komputer dapat digunakan untuk memahami dan
memanipulasi teks dari bahasa alami atau sebuah percakapan untuk mendapatkan
informasi yang bermanfaat. Peneliti NLP bertujuan untuk mengumpulkan
pengetahuan tentang bagaimana manusia memahami dan menggunakan bahasa
sehingga alat dan teknik yang tepat dapat dikembangkan untuk membuat sistem
komputer yang memahami dan memanipulasi bahasa alami untuk melakukan
tugas-tugas yang diinginkan. Fondasi NLP terletak pada beberapa disiplin ilmu
seperti ilmu komputer dan informasi, linguistik, matematika, teknik kelistrikan,
kecerdasan buatan dan robotika, psikologi. Aplikasi NLP mencakup sejumlah
bidang studi, seperti mesin penerjemah, pengolahan teks dengan bahasa alami dan
summarization, cross language information retrieval (CLIR), pengenalan suara,
kecerdasan buatan dan sistem pakar.
NLP juga dapat diterapkan dalam analisis sentimen dari konten yang
berbasis teks maupun non teks. Analisis sentimen biasa ditujukan untuk mencari
makna kontekstual dari sebuah konten yang tersedia. Sentimen yang ditemukan
bisa saja berupa sentimen negatif, positif atau netral. Isu penting dalam analisis
sentimen adalah untuk mengidentifikasi bagaimana sentimen disajikan dalam teks
dan apakah sebuah ekspresi menunjukkan pendapat positif (menguntungkan) atau
negatif (tidak menguntungkan). Secara lebih detail lagi analisis sentimen
melibatkan identifikasi dari beberapa aspek. Berikut merupakan merupakan aspek
yang dimaksud.
a. Ekspresi sentimen
b. Polaritas dan kuat tidaknya suatu ekspresi
c. Hubungan antar subjek dalam ekspresi
Misalnya kalimat “XXX mengalahkan YYY”. Bisa saja berarti XXX memiliki
sentimen positif sedangkan YYY memiliki sentimen negatif dengan polaritas dan
kuat tidaknya sentimen yang berbeda.
2.1.6 NoSQL
NoSQL adalah jenis database yang digunakan untuk menyimpan volume
data yang besar. Database NoSQL adalah database skalabilitasnya dapat
berkembang secara horizontal (penambahan cluster yang terhubung satu sama
lain), terdistribusi dan bersifat open source dan non-relasional. Peforma yang baik
adalah perhatian utama hampir dari setiap sistem data-driven. NoSQL database
diklaim dapat memberikan kinerja lebih cepat dari sistem database relasional
dalam berbagai kasus penggunaan, terutama dalam kasus penggunaan yang
melibatkan volume data yang besar. Namun perlu dipahami juga bahwa tidak
semua database NoSQL adalah dibuat dengan struktur dan fungsionalitas yang
sama. Berikut merupakan jenis-jenis database NoSQL sesuai strukturnya.
a. Key-Value Stores
Jenis database NoSQL key-value stores adalah jenis database dengan
struktur tidak relasional yang hanya terdiri dengan kumpulan key unuk yang
masing-masing memiliki satu nilai. Contoh dari jenis key-value stores adalah
memcached dan redis.
b. Document Stores
Jenis database NoSQL document stores memiliki struktur yang sedikit lebih
kompleks dari key-value stores namun tetap tidak memiliki relasi antar dokumen
(dianalogikan sebagai tabel dalam database relasional). Data yang disimpan pada
jenis database ini adalah data dalam format dokumen, misalnya JSON (Javascript
Object Notation). Contoh dari jenis database ini adalah MongoDB, CouchDB dan
SimpleDB.
c. Extensible Record Stores
Jenis database NoSQL ini memiliki model data berupa kumpulan baris dan
kolom dan model skalabilitas dasarnya berupa pembagian baris dan kolom ke
dalam node yang terhubung menjadi satu. Jenis database seperti ini awal
kemunculannya termotivasi oleh BigTable dari Google. Contoh lain dari
extensible record stores adalah HBase, HyperTable dan Cassandra.
2.2 Desain Solusi
Solusi yang diterapkan dalam penerapan temu kembali informasi dalam
analisa kelompok pergaulan memiliki inti berupa pemanfaatan API dari masing-
masing jejaring sosial ke dalam sebuah sistem temu kembali informasi. Data yang
ditemukan pada jejaring sosial dan disimpan ke dalam sistem kemudian dapat
diolah lebih lanjut untuk analisa kelompok pergaulan. Berikut merupakan desain
solusi dari permasalahan yang dimaksud secara lebih detail.
2.2.1 Tahapan Penerapan Solusi
Tahapan penerapan solusi diawali dengan studi pustaka yang dapat
mendukung penerapan solusi. Selanjutnya secara lebih spesifik, penerapan solusi
akan dilaksanakan ke dalam empat tahap utama yaitu perencanaan awal, proses
pengembangan sistem, uji kelayakan sistem dan uji akurasi hasil analisis. Gambar
2.1 mengilustrasikan tahapan dari tahapan penerapan solusi secara lebih spesifik.
Gambar 2.1 Tahapan Penerapan Solusi
Gambar 2.1 menunjukan bahwa sebelum sistem dikembangkan akan
dilakukan perencanaan awal yang mencakup perencanaan sumber data yang
relevan dan struktur data yang sesuai. Kemudian pada proses pengembangan
sistem rancangan struktur data diterapkan pada media penyimpanan yang sesuai.
Selain itu terdapat dua modul dalam sistem yaitu modul crawler dan modul
utama. Modul crawler bertugas untuk mengumpulkan data jejaring sosial.
Sedangkan modul utama akan menjadi bagian sistem yang mengolah data yang
telah dikumpulkan. Selain itu modul utama juga menjadi antarmuka utama bagi
pengguna sistem.
Pada penerapan solusi terdapat uji kelayakan sistem dan uji akurasi hasil
analisis. Uji akurasi hasil analisis ini akan dilakukan dengan basis kuesioner.
Narusumber yang akan mengisi kuesioner adalah individu-individu yang menjadi
target dalam analisis kelompok pergaulan dan pihak yang terlibat dalam
kehidupan sosial individu-individu terkait.
2.2.2 Metode Pengumpulan Data
Interaksi sosial merupakan aspek utama yang perlu diperhatikan dalam
analisis kelompok pergaulan. Jejaring sosial sebagai sebuah media yang
memungkinkan pengguna dapat saling berinteraksi satu sama lain melalui dunia
maya menimbulkan data berupa interaksi sosial yang dapat diolah lebih lanjut.
Data interaksi sosial ini dapat dimanfaatkan dengan cara melakukan temu kembali
informasi.
Data interaksi sosial pada jejaring sosial tersedia dalam bentuk yang cukup
berbeda dari satu jejaring sosial dengan jejaring sosial lainnya. Misalnya saja
interkasi sosial yang berupa hubungan ketertarikan dapat dianalogikan sebagai
jumlah like pada facebook dan jumlah favourite tweet pada twitter. Secara lebih
lanjut konten yang memiliki sentimen yang belum pasti seperti komentar pada
facebook dan isi tweet pada twitter perlu untuk dianalisis lebih lanjut dengan
penerapan natural language processing. Gambar 2.2 merupakan ilustrasi dari dari
tahapan pengumpulan data yang akan dilakukan.
Gambar 2.2 Tahapan Pengumpulan Data
Gambar 2.2 menunjukan bahwa dalam pengumpulan data akan ada tiga
tahapan yaitu tahap persiapan, utama dan akhir. Pada tahap persiapan jangkauan
data dapat diartikan sebagai ruang lingkup pergaulan dari individu terkait.
Pembatasan ruang lingkup dimaksudkan agar temu kembali informasi yang
dilakukan menjadi efektif dan akurat.
Pada tahap utama terdapat tahapan analisis sentimen. Analisis sentimen
dilakukan pada konten dengan sentimen yang belum pasti (belum dapat
menggambarkan hubungan ketertarikan dengan jelas). Hal ini bertujuan agar
sumber data menjadi lebih berkualitas. Mengingat juga keberagaman jenis konten
yang tersedia pada masing-masing jejaring sosial, perlu untuk dilakukan
standarisasi penilaian terhadap nilai ketertarikan antar individu. Standarisasi ini
ditujukan agar hasil dari analisis menjadi lebih relevan.
Pada tahap akhir dilakukan penyesuaian struktur data. Penyesuaian
struktur data ini dilakukan karena keberagaman dari bagian data lain pada masing-
masing jejaring sosial. Bagian data lain yang dimaksud misalnya adalah identitas
individu (nama, umur, dll.). Struktur data akan disesuaikan dengan dengan sistem
database yang digunakan untuk menyimpan data.
2.2.3 Metode Evaluasi Solusi
Pada tahapan penerapan solusi terdapat tahap uji kelayakan sistem dan juga
uji akurasi hasil analisis. Sistem dianggap layak apabila sistem dapat berjalan
tanpa adanya kesalahan yang signifikan terhadap serangkaian fitur yang sesuai
kebutuhan penggunaan sistem. Uji kelayakan sistem selanjutnya adalah uji
performa berupa kecepatan sistem dan kemampuan sistem dalam menangani
volume data yang ditentukan dalam serangkaian kasus yang signifikan
mempengaruhi kebutuhan penggunaan sistem secara keseluruhan.
Uji akurasi hasil analisis kelompok pergaulan dilakukan dengan cara
mengumpulkan data dalam bentuk kuesioner. Narasumber dari kuesioner adalah
individu-individu sampel dan pihak yang terlibat dalam kehidupan sosial dari
individu-individu yang menjadi target dari analisis kelompok pergaulan.
Kuesioner yang telah diisi selanjutnya akan dinilai dan menjadi tolak ukur dari
akurasi sistem dalam memberikan hasil dari analisa kelompok pergaulan.
BAB III
ANALISA SOLUSI DAN KESIMPULAN
3.1 ANALISA SOLUSI
Desain dari solusi permasalahan sebelumnya merupakan sebuah penerapan
dari temu kembali informasi pada jejaring sosial. Bentuk penerapan yang
dilakukan memerlukan rancang bangun sebuah sistem temu kembali informasi.
Sistem dapat diterapkan dalam berbagai platform perangkat lunak seperti
perangkat lunak berbasis web, desktop maupun mobile. Solusi yang diberikan
dapat menjadi salah satu bentuk permasalahan dalam analisa perilaku sosial.
Analisis sentimen pada pengumpulan data dari jejaring sosial merupakan
aspek yang penting dalam solusi secara keseluruhan. Dengan adanya tahapan
analisis sentimen tentunya perilaku sosial yang cenderung tidak bersifat eksak
dapat diukur melalui sentimen yang diperoleh. Namun sebagaimana sentimen dari
mahluk sosial bukan merupakan aspek yang eksak, tentunya akurasi dari hasil
analisis sentimen perlu untuk diperhatikan lebih lanjut lagi.
Sumber data yang tersedia pada jejaring sosial tentunya memiliki volume
yang beragam menurut penggunaannya. Misalnya saja ruang lingkup pergaulan
individu dapat saja sempit ataupun luas. Namun asumsi penulis adalah pada kasus
rata-rata tentunya ruang lingkup pergaulan individu tidak terlalu luas, sehingga
penggunaan sistem database seperti NoSQL tidak wajib untuk dilakukan.
Solusi yang diberikan juga memiliki keterbatasan terhadap beberapa
kasus. Salah satunya adalah pada saat akun individu pada jejaring sosial memiliki
terlalu banyak hubungan antar akun yang lain yang tidak relevan dalam pergaulan
individu yang dimaksud. Hal ini tentunya dapat menimbulkan penyimpangan dari
hasil yang lebih relevan. Namun masalah ini dapat diatasi dengan melakukan
pemilahan terhadap hubungan-hubungan yang terjadi antar pengguna berdasarkan
relevansi hubungan-hubungan tersebut. Pemilihan yang dimaksud harusnya dapat
dilakukan dengan efisiensi yang cukup baik tanpa mengurangi akurasi secara
signifikan. Aspek pemilihan inilah yang menjadi kekurangan dari solusi yang
diberikan penulis.
3.2 KESIMPULAN
Berdasarkan studi pustaka dan analisis solusi yang telah dilakukan dapat
ditarik kesimpulan dari beberapa pokok permasalahan yang didefinisikan
sebelumnya. Berikut merupakan pokok-pokok dari kesimpulan yang dimaksud.
1) Analisa kelompok pergaulan dapat diterapkan dengan temu kembali
informasi pada jejaring sosial namun terdapat beberapa batasan dari solusi
yang diberikan sehingga menyebabkan efektivitas solusi kurang baik pada
beberapa kasus.
2) Analisa kelompok pergaulan dengan temu kembali informasi pada jejaring
sosial dapat diterapkan dengan melakukan rancang bangun sistem temu
kembali informasi yang memanfaatkan data berupa aktivitas sosial yang
terjadi antar beberapa individu pada jejaring sosial.
3) Temu kembali informasi pada jejaring sosial dapat diterapkan sebagai solusi
yang efektif dalam analisa kelompok pergaulan. Namun pada beberapa
kasus seperti terlalu banyaknya noise pada data jejaring sosial dapat
mengurangi efektivitas dari solusi yang diberikan.
DAFTAR PUSTAKA
http://www.statista.com/statistics/278414/number-of-worldwide-social-network-
users/ (diakses pada tanggal 11 Mei 2015)
http://jetscram.com/blog/industry-news/social-media-user-statistics-and-age-
demographics-2014/ (diakses pada tanggal 12 Mei 2015)
Cattell, Rick. Scalable SQL and NoSQL data stores. ACM SIGMOD Record 39.4
(2011): 12-27.
Oricchio, R. (2010). Is Twitter A Social Network? Inc. Magazine.
http://www.inc.com/tech-blog/is-twitter-a-social-network.html (diakses pada
tanggal 19 Mei 2015)
Kwak, Haewoon, et al. "What is Twitter, a social network or a news media?."
Proceedings of the 19th international conference on World wide web. ACM,
2010.
Ellison, Nicole B. "Social network sites: Definition, history, and scholarship."
Journal of Computer-Mediated Communication 13.1 (2007): 210-230.
Manning, Christopher D., Prabhakar Raghavan, and Hinrich Schütze. Introduction
to information retrieval. Vol. 1. Cambridge: Cambridge university press,
2008.
http://en.wikipedia.org/wiki/Application_programming_interface (diakses pada
tanggal 19 Mei 2015)
Tan, Pang-Ning, Michael Steinbach, and Vipin Kumar. Introduction to data
mining. Vol. 1. Boston: Pearson Addison Wesley, 2006.
http://ilmukomputer.org/wp-
content/uploads/2011/03/Ari_Fadli_Konsep_Data_Mining.pdf
Tan, Pang-Ning, Michael Steinbach, and Vipin Kumar. Introduction to data
mining. Vol. 1. Boston: Pearson Addison Wesley, 2006.
Jacquemin, Christian. Spotting and discovering terms through natural language
processing. MIT press, 2001.
Chowdhury, Gobinda G. "Natural language processing." Annual review of
information science and technology 37.1 (2003): 51-89.
Gu, Yunhua, Shu Shen, and Guansheng Zheng. "Application of nosql database in
web crawling." JDCTA: International Journal of Digital Content
Technology and its Applications 5.6 (2011): 261-266.