Penjelasan Properti Gephi :
- Degree : Merupakan hubungan node ke node lain.
- Degree Centrality : Pengukuran ini digunakan sebagai tingkat ”popularitas” atau ”keselebritian” seseorang. Makin tinggi nilai derajat (degree) suatu node, maka makin banyak kenalan individu yang direpresentasikan node tersebut.
- Closeness Centrality : Pengukuran banyaknya node lain yang dikenal oleh satu node dalam graph, tanpa pertimbangan bahwa node tersebut dekat ataupun mengetahui detil informasi node lain.
- Betweennes Centrality : pengukuran sentralitas suatu node. Betweeness dapat dimisalkan sebagai simbol ”kekuatan” atau ”pengaruh” suatu node dalam jejaring sosial. karna node tersebut sebagai jembatan/penghubung ke node lain.
- Modularity : pengukuran untuk mendeteksi banyaknya komunitas/group/genk yang ada di dalam suatu graph.
- Network Diameter : pengukuran untuk mendeteksi banyaknya komunitas/group/genk yang ada di dalam suatu graph.
Langkah Analisis:
- Download dataset.
- Buka dataset dengan open with Gephi. Pilih graph type: undirected, kemudian klik OK Ditentukan undirected dikarenakan tidak ada arah timbal balik dalam analisis.
- Seletah itu akan muncul gambar seperti dibawah ini.
Tentukan layout sesuai yang diinginkan. Untuk analisis ini penulis menggunakan Yihan Fu Choose a layout : Yifan Hu. Kemudian klik ‘run’.
jika Memilih Layout Fruchterman Reingold. Akan terlihat tampilan dari network, yakni:
setelah itu, Run average degree. Hal ini bertujuan untuk melihat rata-rata hubungan tiap satu aktor dengan aktor lainnya.
setelah Run average degree, maka akan muncul plot degree distribution. Pada average degree 3.451 berarti bahwa rata rata 1 node terhubung dengan 3 node lainnya. Table persebaran distribusi di bawah menunjukan bahwa jaringan tersebut sesuai dengan poisson. Value terbesar menunjukan angka 34 yang mana paling besar ada 1 node yang terhubung dengan 34 node lainnya.
lalu Klik ‘run’ pada ‘network diameter’. Pilih undirected kemudian klik ‘OK’. Hal ini bertujuan untuk mengetahui nilai betweenness, closeness dari suatu nodes.
Performance: Dapat dilihat waktu pemrosesan melalui properties degree, network diameter, dan modularity Average degree sebesar 3.451. Nilai network diameter 17 menunjukan jarak 2 nodes terjauh adalah 17. Nilai Modularity (Q) sebesar 0,955 menunjukan pengelompokan sudah memiliki hubungan dalam kluster yang cukup baik.
Klik ‘Data Laboratory’ pada bar disebelah atas. Setelah itu akan muncul data tabel yang menjelaskan tentang node tersebut. Terlihat data degree, closeness centrality, betweenness centrality yang dapat dianalisis untuk menentukan key player.
Kembali ke screen overview. Kemudian klik ‘modularity’ pada bar network overview. Klik ‘OK’. Modularity digunakan untuk membentuk kluster yang terjadi pada suatu network.
Pada tab appearance klik ‘nodes’ > ‘Nodes’ > ‘Attribute’. Kemudian pilih ‘Modularity Class’.
Kemudian akan muncul visualisasi kelompok node sebagai berikut :
Pilih ‘preview’ pada tab sebelah atas. Pada tab settings centang ‘show labels’. Kemudian klik ‘refresh’. Didapatkan visualisasi seperti berikut.
Dapat dilihat pada visualisai jaringan, bahwa visualisasi diatas sesuai dengan poisson.
Kesimpulan :
- Dapat dilihat fenomena Net Science yang terjadi melalui analisis data, meskipun data memiliki jumlah nodes (aktor) yang besar akan tetapi tetap memiliki diameter yang tidak terlalu berbeda yaitu sebanyak 17 yang menunjukkan jarak terjauh antar 2 aktor sebesar 17.
- Performa waktu untuk menganalisa data dengan jumlah nodes yang besar membutuhkan waktu yang lebih lama.
- Dapat dilihat pembuktian teori distribusi poisson yaitu ada banyak orang yang memiliki jumlah link yang banyak dan ada sedikit orang yang memiliki jumlah yang link yang sedikit.
Reference
Site Title 