penerapan analisis struktur jaringan sosial pada … · penerapan analisis struktur jaringan sosial...

PENERAPAN ANALISIS STRUKTUR JARINGAN SOSIAL

PADA JARINGAN TWITTER AKUN @matematikaipb

SYAEPUL ANWAR

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2014

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.

Bogor, Juni 2014

Syaepul Anwar

NIM G54090036

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.

Keywords: Twitter, Social Network Analysis, Centrality

Skripsi

sebagai salah satu syarat untuk memperoleh gelar

Sarjana Sains

pada

Departemen Matematika

PENERAPAN ANALISIS STRUKTUR JARINGAN SOSIAL

PADA JARINGAN TWITTER AKUN @matematikaipb

SYAEPUL ANWAR

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2014

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

Tanggal Lulus:

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.

Bogor, Juni 2014

Syaepul Anwar

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

RIWAYAT HIDUP 27

DAFTAR GAMBAR

Jaringan dengan empat node....................................................................................3

Komunitas 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..............................................15

Daftar nilai derajat sentralitas................................................................................16

Daftar nilai kedekatan sentralitas...........................................................................19

Daftar nilai keterhubungan sentralitas...................................................................21

Interaksi Minggu pertama......................................................................................25

Interaksi Minggu kedua..........................................................................................25

Interaksi Minggu ketiga.........................................................................................26

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 banyak 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.

Untuk mengefisienkan waktu penelitian, penelitian ini difokuskan pada akun

buatan @matematikaipb. Jika digambarkan maka akun @matematikaipb akan

membentuk suatu struktur jaringan yang terdiri dari pengikut (follower) dan yang

diikuti (following) dengan pusatnya akun @matematikaipb itu sendiri. Akun-akun

Twitter direpresentasikan sebagai node, sedangkan hubungan following atau

follower direpresentasikan oleh edge (garis).

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

Pada bab ini akan dijelaskan mengenai definisi dari berbagai istilah yang akan

digunakan pada bab hasil dan pembahasan, seperti follower, following, analisis

jaringan sosial dan metode sentralitas beserta contoh sederhana perhitungannya.

3

Istilah dalam Twitter

Follower

Follower suatu akun A adalah 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.

Struktur jaringan yang terbentuk biasanya sangatlah kompleks. Dalam

mengetahui struktur dan pola interaksi yang terjadi dalam sebuah jaringan, kita bisa

merepresentasikan jaring tersebut ke dalam sebuah graf. Misalnya pada jejaring

sosial Twitter. Setiap user akan digambarkan ke dalam sebuah node dan setiap relasi

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:

∑𝑑(𝑖, 𝑗)

𝑛 − 1

𝑛

𝑖=1

Keterangan:

CD(i) = Nilai dari derajat sentralitas node i

∑𝑑(𝑖, 𝑗) = Banyaknya edge yang terhubung langsung dengan node i

n = Jumlah sampel penelitian

Sebagai contoh sederhana, berikut diberikan sebuah graf yang terdiri dari

empat buah node:

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:

𝐶𝐶(𝑖) =𝑛 − 1

∑ 𝑑(𝑖, 𝑗)𝑛𝑖=1

.

Dari contoh graf pada Gambar 1, maka dapat dihitung bobot sentralitas

kedekatan untuk node a adalah sebagai berikut:

Diketahui:

n = 4, 𝑑(𝑎, 𝑏) = 1, 𝑑(𝑎, 𝑑) = 1, 𝑑(𝑎, 𝑐) = 2

𝐶𝐶(𝑎) =𝑛 − 1

∑ 𝑑(𝑖, 𝑗)𝑛𝑖=1

𝐶𝐶(𝑎) =4 − 1

𝑑(𝑎, 𝑏) + 𝑑(𝑎, 𝑐) + 𝑑(𝑎, 𝑑)

𝐶𝐶(𝑎) =3

1 + 2 + 1

𝐶𝐶(𝑎) =3

4

𝐶𝐶(𝑎) = 0.75 .

Dengan cara yang sama, bobot sentralitas kedekatan dari node yang lain juga bisa

dicari, yaitu:

𝐶𝐶(𝑏) =3

1 + 1 + 1= 1

𝐶𝐶(𝑐) =3

1 + 2 + 1=

3

4

𝐶𝐶(𝑑) =3

1 + 1 + 2=

3

4.

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:

𝐶𝐵(𝑖) =

∑𝑃𝑗𝑘(𝑖)

𝑃𝑗𝑘𝑗<𝑘

(𝑛 − 1)(𝑛 − 2).

Keterangan:

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:

Pbd(a)=0,Pbd=1,Pbc(a)=0,Pbc=1,Pcd(a)=0,Pcd=1.

𝐶𝐵(𝑎) =

∑𝑃𝑗𝑘(𝑎)

𝑃𝑗𝑘∇𝑗<𝑘

(𝑛 − 1)(𝑛 − 2)

𝐶𝐵(𝑎) =

𝑃𝑏𝑑(𝑎)

𝑃𝑏𝑑+

𝑃𝑏𝑐(𝑎)

𝑃𝑏𝑐+

𝑃𝑐𝑑(𝑎)

𝑃𝑐𝑑

(𝑛 − 1)(𝑛 − 2)

𝐶𝐵(𝑎) =

0

1+

0

1+

0

1

(4 − 1)(4 − 2)

𝐶𝐵(𝑎) =0 + 0 + 0

3 × 2

𝐶𝐵(𝑎) =0

6

𝐶𝐵(𝑎) = 0.

dengan cara serupa didapat bobot dari node yang lain, sebagai berikut:

CB(c) = 0, CB(b) = CB(d) = 1/6.

Identifikasi Sub-Komunitas

Komunitas adalah identifikasi dan interaksi sosial yang dibangun dengan

berbagai dimensi kebutuhan fungsional (Soenarno 2002). Kebutuhan yang

dimaksud bisa beragam jenisnya, bisa informasi, hiburan, pengetahuan, dll. Dalam

penelitian ini akan diidentifikasi komunitas yang terbentuk berdasarkan ada

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

Penelitian ini, sesuai dengan tipe data yang diolah, adalah merupakan tipe

penelitian kuantitatif karena menekankan pada fenomena–fenomena objektif dan

dikaji secara kuantitatif dilakukan dengan menggunakan angka-angka, pengolahan

statistik, struktur dan percobaan terkontrol (Sukmadinata, 2009).

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

Gambar 2. Komunitas Akun @matematikaipb

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 node i 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.

Hal ini akan sangat menguntungkan bagi akun dengan jarak pertemanan

yang dekat tersebut. Karena selain dari informasi yang bisa didapat secara efisien,

kedekatan sentralitas yang tinggi juga merepresentasikan bahwa akun tersebut aktif

dalam menjalin pertemanan dengan akun-akun lain. Selain itu, misalkan ada

informasi yang sama dikirimkan oleh dua akun berbeda, maka akun yang kedekatan

sentralitasnya tinggi akan lebih diperhatikan tweet-nya dibandingkan dengan yang

sentralitas kedekatannya rendah, karena ukuran ini juga merepresentasikan

hubungan saling percaya. Pada penelitian akun @matematikaipb ini akun dengan

nama user @SatriatamaFajar memiliki nilai bobot kedekatan sentralitas tertinggi

dibandingkan dengan akun-akun lainnya, yaitu sebesar 0.855. Hal ini menunjukan

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

Berdasarkan definisi komunitas menurut Soenarno seperti yang dijelaskan

pada bagian tinjauan pustaka, komunitas bisa diidentifikasi dari adanya interaksi

yang dibangun antar sesama pelakunya dalam memenuhi kebutuhannya masing-

masing. Pada sub bab ini, akan diidentifikasi sub komunitas yang terbentuk

berdasarkan interaksi yang terjadi di antara akun-akun yang ada dalam jaringan

@matematikaipb. Interaksi yang diamati adalah berupa mentions dan replies to.

Identifikasi dilakukan selama tiga periode, yaitu pada tanggal 23 Oktober, 30

Oktober dan 7 November 2013. Interaksi yang terjadi selama tiga periode diberikan

pada bagian lampiran. Berikut diberikan visualisasi dari interaksi yang terjadi

selama periode penelitian. Grafik disajikan dengan menggunakan aplikasi Gephi

dengan Layout Fruncterman Reinghold.

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.

Akun-akun yang memiliki warna sama dan dihubungkan oleh edge memiliki

arti bahwa akun-akun tersebut terlibat dalam suatu percakapan. Rata rata interaksi

pada periode ini terjadi diantara dua node saja. Satu percakapan melibatkan 3 akun,

yaitu @Rudyhariono, @fachriadytia1 dan @rismawati_sidik.

12

Gambar 4. Interaksi pada minggu kedua

Gambar 4 menunjukan interaksi yang terjadi pada populasi pada periode

kedua (30 Oktober 2013). Pada periode ini, telah terjadi sebanyak 16 interaksi

diantara para anggota populasi. Interaksi tersebut terdiri dari 7 Replies to dan 9

Mention. Ada yang menarik pada periode ini, yaitu akun @Rismawati_Sidik

menjadi pusat interaksi bersama akun @KikiSeptianiKS, @alethealia, @Imaddd_

dan @Bilyanustazila. Hal menarik lainnya adalah interaksi beruntun yang dibentuk

oleh akun-akun @hendragustra, @aditbarca, @lilisliss, @pujiyantieka,

@AdityaDAP, @tutyevelina. @lolaoktasari, dan @claristhaa.

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

Berdasarkan hasil penelitian maka dapat diambil beberapa kesimpulan, antara

lain: struktur jaringan Twitter akun @matematikaipb terbagi ke dalam tiga

kelompok besar, yaitu angkatan 46, angkatan 47 dan angkatan 48.

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

Penelitian ini masih bisa dilanjutkan dengan menggunakan Graf berarah,

artinya dibedakan antara follower dan following. Sehingga bisa lebih jelas melihat

akun mana yang memulai interaksi.

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/ ). Social Networks 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).

Freeman L. 2006. The Development of Social Network Analysis. Vancouver:

Empirical Press.

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

36 SyaepulA 72 arieffadillah08

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

9 Masterindo 79 0,752380952

10 cha_delis 78 0,742857143

11 Hanifmats 74 0,704761905

12 Lilisliss 73 0,695238095

13 imaddd_ 72 0,685714286

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

37 dyah_ayuuu 57 0,542857143

38 Dinncedinii 56 0,533333333

39 kikiseptianiKS 56 0,533333333

40 Rizkynoviani 55 0,523809524

41 nurul_tika 55 0,523809524

18


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

84 yoyokhariyanto 34 0,323809524

19


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

104 Lenyustie 11 0,104761905

105 Zainamufahir 9 0,085714286

106 Dittasucianisar 4 0,038095238

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

9 masterando 0.797

10 cha_delis 0.791

11 hanifmats 0.768

12 Lilisliss 0.763

13 imaddd_ 0.757

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

20 aisyah_mira 0.726

21 rudyhariono 0.721

22 dyah_ayuuuu 0.716

23 haniasri 0.716

24 ikihidayat 0.716

25 AdityaDAP 0.716

26 AndriTriWibowo1 0.716

27 rendiarbi 0.702

28 lolaoktasari 0.702

29 aisiahputri 0.702

30 saputraika 0.697

31 triinamz 0.697

32 puttsaniya 0.697

33 tiqoh47 0.693

34 bonno_andri 0.688

35 yhu_lie 0.688

36 SyaepulA 0.688

37 dyah_ayuuu 0.684

38 dinncedinii 0.679

39 kikiseptianiKS 0.679

40 rizkynoviani 0.675

41 nurul_tika 0.675

21


42 lusy_kurnia 0.675

43 ikhsanmath 0.675

44 Alfiaini 0.667

45 FikiMY 0.662

46 Nyomend 0.658

47 dwirrrrr 0.658

48 alethealia 0.658

49 uazekhlin 0.654

50 abiyyuuu 0.654

51 Ariyan_toP 0.654

52 tutyevelina 0.654

53 vinachan17 0.654

54 titanaova 0.646

55 Anne12a2 0.642

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

84 yoyokhariyanto 0.596

22


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

17 rudyhariono 0.010

23


18 Erjodi 0.009

19 Rstly 0.009

20 aisyah_mira 0.008

21 SyaepulA 0.007

22 yhu_lie 0.007

23 aisiahputri 0.007

24 imaddd_ 0.007

25 lidya_yolanda 0.007

26 desyichristia 0.007

27 haniasri 0.006

28 sevirarosana 0.006

29 ikihidayat 0.006

30 AdityaDAP 0.006

31 Anne12a2 0.005

32 tiqoh47 0.005

33 dinncedinii 0.005

34 puttsaniya 0.005

35 rendiarbi 0.005

36 dyah_ayuuuu 0.005

37 vinachan17 0.005

38 titanaova 0.005

39 MathSteven 0.004

40 lusy_kurnia 0.004

41 triinamz 0.004

42 dyah_ayuuu 0.004

43 risa_wi 0.004

44 bonno_andri 0.004

45 saputraika 0.004

46 lolaoktasari 0.004

47 ikhsanmath 0.004

48 galihfeb 0.003

49 kikiseptianiKS 0.003

50 tutyevelina 0.003

51 arieffadillah08 0.003

52 alethealia 0.003

53 nurul_tika 0.003

54 FikiMY 0.003

55 dwirrrrr 0.003

56 Ariyan_toP 0.003

57 alfiaini 0.003

58 aditbarca 0.003

59 uazekhlin 0.003

60 SyahrulAN16 0.003

24


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

80 betry_putri 0.001

81 Hendarn 0.001

82 ranggags 0.001

83 IrmaOktiani 0.001

84 Rizkyhaa 0.001

85 achie_doang 0.001

86 dwinandahtm 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

103 purimahestyanti 0,000

25


104 Achiikaa 0,000

105 Zainamufahir 0,000

106 dittasucianisar 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 c)Data diambil pada 30 Oktober 2013

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 dData diambil pada 7 November 2013

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.

Selama mengikuti perkuliahan, penulis aktif sebagai staf Divisi Sosial

Informasi dan Komunikasi himpunan profesi Matematika GUMATIKA IPB

2010/2011 dan sebagai ketua Divisi Informasi dan Komunikasi GUMATIKA IPB

2011/2012. Selain itu, penulis juga aktif dalam mengikuti kegiatan seperti

kepanitiaan Pesta Sains Nasional sebagai staf Divisi PDD, kepanitiaan Olahraga se-

FMIPA (SPIRIT) sebagai staf Divisi Pertandingan. Selain itu, penulis juga ikut

serta sebagai Tim Futsal GUMATIKA sebagai Juara II dalam Kejuaraan Futsal

MATHGAMES 2012 di UNPAD Bandung.

penerapan analisis struktur jaringan sosial pada … · penerapan analisis struktur jaringan sosial...

Documents