Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

PENGGUNAAN SOCIAL NETWORK ANALYSIS UNTUK MENENTUKAN AKTOR YA

No description
by

Bety Puspitasari

on 6 June 2014

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of PENGGUNAAN SOCIAL NETWORK ANALYSIS UNTUK MENENTUKAN AKTOR YA

Penggunaan Metode Centrality dan Community Detection untuk Memprediksi Kelompok Referensi (Studi Kasus Percakapan BBM Android di Twitter)
Latar Belakang Penelitian
Big data
Perumusan Masalah
1) Bagaimana pola interaksi sosial percakapan mengenai BBM Android di media sosial Twitter?

2) Bagaimana melihat aktor dan komunitas yang diprediksi dapat berpengaruh terhadap perilaku konsumen dengan metode centrality dan community detection pada pola interaksi sosial percakapan mengenai BBM Android di media sosial Twitter?

3) Siapa aktor yang paling berpengaruh pada pola interaksi sosial percakapan mengenai BBM Android di media sosial Twitter?

4) Komunitas apa saja yang ada pada pola interaksi sosial percakapan mengenai BBM Android di media sosial Twitter?

Ruang Lingkup Penelitian
1) Penelitian dilakukan pada media sosial Twitter.

2) Partisipan dalam penelitian ini adalah akun atau aktor yang terlibat pembicaraan pada topik BBM Android, baik dalam retweet, reply, dan mention.

3) Waktu pengamatan dilakukan selama 4 hari, yaitu tanggal 25-29 Oktober 2013.

4) Data pada penelitian ini berjumlah 1525 tweet yang berisi percakapan mengenai BBM Android yang berasal dari seluruh dunia (tanpa batasan lokasi).

Jenis Penelitian
Gambaran Umum Objek Penelitian
Bety Puspitasari
1201104175

Twitter
Android
Diciptakan pada Maret 2006 oleh Jack Dorsey lalu diluncurkan pada bulan Juli di tahun yang sama.

Berbasis di San Fransisco, Amerika Serikat
Didirikan pada bulan Oktober 2003 di Palo Alto, California, Amerika Serikat oleh Andy Rubin, Rich Miner, Nick Sears, dan Chris White.

Pada Agustus 2005, Google mengambil alih kepemilikan Android Incorporation.
Social Computing
Twitter
Android
Social Network Analysis
Centrality
Community Detection
Tujuan Penelitian
1) Untuk mengetahui pola interaksi sosial percakapan mengenai BBM Android di media sosial Twitter.

2) Untuk melihat aktor dan komunitas yang diprediksi dapat berpengaruh terhadap perilaku konsumen dengan metode centrality dan community detection pada pola interaksi sosial percakapan mengenai BBM Android di media sosial Twitter.

3) Untuk mengetahui aktor yang paling berpengaruh pada pola interaksi sosial mengenai BBM Android di media sosial Twitter.

4) Untuk mengetahui komunitas yang ada pada pola interaksi sosial percakapan mengenai BBM Android di media sosial Twitter.


Kerangka Pemikiran
Social Computing
Big Data
Media Sosial
Twitter
Consumer Behavior
Social Network Analysis
Centrality
Community Detection
Deskriptif
Metode SNA
Populasi & Sampel
Pengumpulan Data
Teknik Analisis Data Centrality dan Community Detection
1. Degree Centrality
2. Closeness Centrality
d(ni) adalah banyaknya garis/ties yang ada/terkait dalam jaringan
Cc(i) = nilai closeness centrality

n = banyaknya anggota jaringan sosial

dij= jarak antara titik i dan titik j
3. Betweeness Centrality
CB(i) = nilai betweenness centrality

σst (i) = jumlah jalur terpendek antara titik s dan t yang melewati titik i

σst = jumlah semua jalur terpendek antara titik sdan t.
4. Eigenvector Centrality
α = konstanta normalisasi (skala vektor)
β = seberapa banya suatu node mempunyai bobot centrality dalam node yang terikat.
A = adjacency matrix,
I = identity matrix
1 = adalah matrix
β = radius power dari suatu node

Jika β positif, maka mempunyai ikatan centrality yang tinggi dan terhubung dengan orang-orang yang central. Sedangkan jika βnegatif, maka mempunyai ikatan centrality tinggi namun terhubung dengan orang-orang yang tidak central. Jika β= 0, maka akan didapat degree centrality.

5. Community Detection
THANKYOU
Tahapan Penelitian

BlackBerry Messenger for Android
Aplikasi instant messaging (IM) yang dapat di unduh dari internet untuk smartphone
Pesan BBM dikirimkan menggunakan internet dan menggunakan sistem PIN
BBM for Android mulai dirilis pada 21 September 2013, namun baru benar-benar dapat digunakan pada akhir Oktober 2013
HASIL PENELITIAN DAN PEMBAHASAN
Pola Interaksi
Daftar Weight dan Jumlah Edge
Degree Centrality
Daftar 10 Besar Degree Centrality
Closeness Centrality
Betweeness Centrality
Eigenvector Centrality
Community Detection
KESIMPULAN DAN SARAN
1. Pola interaksi sosial percakapan mengenai BBM Android di media sosial Twitter terbentuk dari 2433 nodes atau akun dan 1686 edge atau interaksi yang terjadi pada 25-29 Oktober 2013.
2. Untuk melihat prediksi individu atau kelompok yang dapat dijadikan sebagai kelompok referensi dalam perilaku konsumen individu lain dapat dilakukan dengan menggunakan metode centrality dan community detection. Dimana hasil dari kedua metode tersebut memperlihatkan aktor dan komunitas yang paling berpengaruh pada sebuah jaringan dan akan terlihat banyaknya interaksi yang terjadi, serta interaksi antar node yang paling sering terjadi. Aktor yang menjadi sentral dalam sebuah komunitas diprediksi dapat memberikan pengaruh yang lebih besar baik secara langsung maupun tidak langsung kepada aktor lain dalam hal perilaku mengkonsumsi. Pada penelitian ini aktor serta komunitas yang paling berpengaruh pada percakapan mengenai BBM Android di Twitter dapat diprediksi untuk menjadi kelompok referensi bagi aktor lain untuk mempengaruhi aktor lain dalam mengunduh atau tidak mengunduh BBM di Android.
3. Pada perhitungan centrality pola interaksi sosial percakapan mengenai BBM Android di Twitter terdapat 1 aktor yang paling berpengaruh. Aktor tersebut adalah detikcom. Akun ini mempunyai nilai degree centrality, betweeness centrality dan eigenvector centrality dengan peringkat pertama. Hal ini menandakan bahwa akun detikcom merupakan aktor yang paling berpengaruh, aktor yang menjadi jembatan komuikasi antar akun-akun serta terkait dengan banyak akun yang mempunyai keterikatan yang tinggi pada interaksi sosial percakapan mengenai BBM Android di Twitter.
4. Pada perhitungan community detection ditemukan 891 komunitas yang terbentuk pada pola interaksi sosial percakapan mengenai BBM Android di Twitter. Komunitas terbesar terbentuk dari 168 nodes dan detikcom menjadi aktor yang paling berpengaruh atau node sentral pada komunitas tersebut.
1. Bagi produsen atau pengembang aplikasi mobile dapat menggunakan hasil rekomendasi penelitian sebagai bahan masukan dan pertimbangan dalam membuat serta mengembangkan aplikasi mobile yang sesuai dengan keinginan dan kebutuhan para penggunanya. Produsen dan pengembang aplikasi mobile juga dapat menjadikan aktor-aktor yang sentral serta komunitas yang paling besar sebagai influencer dalam penyebaran informasi seputar aplikasi mobile yang baru dibuat.
SARAN
2. Berdasarkan hasil penelitian, didapatkan bahwa sebagian besar aktor yang membicarakan mengenai BBM Android berasal dari Indonesia. Hal ini membuktikan bahwa orang Indonesia gemar menggunakan aplikasi instant messaging seperti BBM. Untuk itu hal ini dapat dijadikan rekomendasi kepada produsen atau pengembang aplikasi mobile di Indonesia untuk membuat aplikasi mobile sejenis BBM.
3. Untuk penelitian selanjutnya, diharapkan dapat dilakukan penelitian lebih lanjut mengenai pengaruh aktor dan komunitas sentral terhadap perilaku konsumsi aktor atau individu lain dan seberapa besar pengaruhnya. Apakah aktor atau komunitas yang paling berpengaruh di media sosial dapat mempengaruhi aktor lain dalam mengkonsumsi suatu produk atau jasa.
Full transcript