Analisis dan Implementasi Eigenvector Centrality Pada Graf Berbobot Dalam SOCIAL NETWORK ANALYSIS

Nur Firmansyah

Informasi Dasar

113090260
006.754
Karya Ilmiah - Skripsi (S1) - Reference

Social Network Analysis ialah sebagai sekumpulan metode untuk menginvestigasi aspek relasi pada struktur sosial. Secara garis besar social network analysis mengarah pada proses analisis jaringan sosial berkaitan dengan bentuk struktur dan pola interaksi entitas di dalamnya. Dalam mengetahui struktur dan pola interaksi yang terjadi dalam sebuah network , kita bisa merepresentasikan network tersebut ke dalam sebuah graf. Misalnya pada jejaring social Twitter. Setiap user akan di gambarkan ke dalam sebuah node dan setiap relasi antar node digambarkan ke dalam sebuah edge. Relasi following/followed,Mention,Retweet,Mention dari jejaring sosial Twitter tersebut bisa menggambarkan tingkat kepopuleran / pengaruh user Twitter tersebut. Nilai/bobot dari relasi ini disebut juga dengan centrality. Nilai centrality sebuah node akan semakin besar jika mengikutkan bobot relasi antar node dan juga tidak hanya menghitung centrality satu node saja tapi juga mengikutkan nilai centrality dari tetangga node tersebut. Metode eigenvector centrality memberikan nilai yang relative kepada semua node dalam jaringan tersebut berdasarkan pada prinsip bahwa node dengan nilai centrality tertinggi yaitu node yang mempunyai nilai eigenvector centrality yang besar dimana nilai eigenvector centrality sebuah node juga tergantung dari nilai eigenvector centrality tetangga-tetangga dari node tersebut.
Pada penelitian tugas akhir ini dilakukan dua jenis pengujian. Untuk pengujian pertama bertujuan untuk mengukur centrality setiap user dan menganalisis pengaruh perubahan bobot Follow,Mention,dan Replies . Sedangkan untuk pengujian yang kedua bertujuan untuk mengukur kemampuan sistem dalam mengukur nilai centrality pada data uji dengan menggunakan metode eigenvector centrality yang selanjutnya akan divisualisasikan dalam bentuk graf. Dengan metode eigenvector centrality ini, nilai centrality bisa menjadi relevan sesuai dengan kondisi pada jejaring social untuk menentukan user yang paling popular atau paling berpengaruh pada jejaring social.
Social Network Analysis, Eigenvector Centrality, Centrality, follow,mention,replies.

Subjek

SOCIAL NETWORKS
 

Katalog

Analisis dan Implementasi Eigenvector Centrality Pada Graf Berbobot Dalam SOCIAL NETWORK ANALYSIS
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

Nur Firmansyah
Perorangan
Warih Maharani, S.T, M.T; Angelina Prima Kurniati ,S.T,M.T
 

Penerbit

Universitas Telkom
Bandung
2013

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini