penerapan analisis struktur jaringan sosial pada … · penerapan analisis struktur jaringan sosial...
TRANSCRIPT
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
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
84 yoyokhariyanto 34 0,323809524
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
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
No Nama Akun Twitter Sentralitas Kedekatan
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
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
17 rudyhariono 0.010
23
No Nama Akun Twitter Sentralitas Keterhubungan
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
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
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
No Nama Akun Twitter Sentralitas Keterhubungan
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.