Big data pada dasarnya berarti dalam hal tersebut [6]. Sehingga mining
dataset yang terlalu besar untuk diproses UGC berarti melakukan proses untuk
oleh sistem tradisional, sehingga menemukan pola atau informasi pada suatu
diperlukan teknologi baru untuk konten yang dibuat oleh user. Adapun yang
memproses data tersebut. Teknologi big juga termasuk dalam UGC adalah blog,
data seringkali digunakan untuk wiki, forum diskusi, post, chat, tweet,
mendukung pemrosesan data dalam teknik podcast, pin, digital image, video, audio,
data mining dan aktivitas lainnya [6]. Big dan berbagai bentuk media lain yang
data adalah data yang melebihi kapasitas diciptakan oleh user online yang dapat
pemrosesan sistem database konvensional. diakses melalui web atau media sosial [6].
Big data memiliki tiga karakterisitk utama
C. Social Network Analysis (SNA)
atau biasa disebut dengan 3V yaitu Volume
atau ukuran yang sangat besar, Velocity Social Network Analysis (SNA)
yaitu bergerak dengan cepat, dan Variety dapat dideskripsikan sebagai suatu ilmu
yaitu memiliki keberagaman data atau yang mempelajari hubungan manusia
variasi dalam informasi [8]. Sehingga tidak dengan bantuan teori graf [7]. SNA
sesuai dengan arsitektur database mempelajari struktur hubungan yang
konvensional. mengaitkan individu atau unit sosial lain
dan ketergantungan dalam perilaku atau
Dengan mengadopsi teknologi
sikap yang berhubungan dengan susunan
analisis yang canggih dan teknik yang tepat,
hubungan sosial. Hubungan tersebut
organisasi dapat menggunakan big data
digambarkan dengan nodes, atau bisa
untuk mengembangkan wawasan, produk,
disebut vertices yang melambangkan aktor
dan layanan inovatif yang dapat
atau user dan ties atau disebut juga edges,
meningkatkan nilai ekonomi dari organisasi
links atau connections yang melambangkan
melalui big data tersebut [9]. Salah satu big
hubungan antar aktor [10].
data yang tersebar dan dapat diperoleh
dengan mudah adalah data yang terdapat Terdapat lima properti jaringan
pada media sosial. Dampak dari big data di dalam jejaring sosial [11], antara lain:
media sosial memunculkan big social data
yang dapat dianalisis untuk menghasilkan
informasi mengenai perilaku online dari
seseorang, sehingga organisasi dapat
memprediksi apa yang akan mereka
lakukan selanjutnya dan apa yang akan TABEL I
mereka beli.
PROPERTI JARINGAN SNA
B. User Generated Content (UGC)
Properti Jaringan Pengertian
Definisi dari User Generated Size Menunjukkan
Content sendiri adalah data atau konten jumlah node dalam
yang secara umum dapat dilihat oleh user suatu jaringanyang
lain, dimana konten tersebut berisi melambangkan
sejumlah kreatifitas dan dibuat oleh orang- banyak user yang
orang yang bukan merupakan profesional berinteraksi dan
Penentuan Best Smartphone Menggunkan Social Network
Analysis pada Brand Samsung dan Apple
Muhammad Ilham Akbar[1], Risa Augustin[2]
Program Studi Manajemen Telekomunikasi dan Informatika, Universitas Telkom
dan ties adalah hubungan antar aktor Properti jaringan sosial yang
(Passmore, 2011). dianalisis antara lain: size, modularity,
diameter, average degree, average path
Konten yang dibuat di user di media
length dan clustering coefficient. Size
sosial yang bersifat terbuka dan dapat
menunjukkan besarnya jaringan sosial, hal
diakses oleh banyak orang dapat dikatakan
ini dapat menjadi business intelligence
sebagai UGC, sesuai dengan definisi oleh
mengenai jumlah aktor yang melakukan
Moens, Li, & Chua (2014). Berdasarkan
interaksi dan jumlah interaksi yang
penelitian sebelumnya yang dilakukan oleh
terbentuk sehingga mengetahui tingkat
Olmedilla, M., et al. (2016:79) bahwa data
awareness user terkait brand mereka.
UGC online memainkan peran yang
Modularity menunjukkan kelompok yang
penting sebagai sumber informasi bagi
terbentuk mengenai percakapan di media
organisasi untuk mencari penggalian nilai,
sosial. Diameter menunjukkan jarak
sehingga perusahaan harus dapat mengelola
hubungan antar aktor yang berinterkasi,
data UGC yang berukuran besar (big data)
jika semakin dekat maka semakin baik
sebagai intelijen .
dikarenakan hubungan aktor yang
Selanjutnya dilakukan pengambilan membicarakan brand tersebut semakin
data UGC atau disebut juga Mining UGC baik. Average degree menjelaskan
pada media sosial. Mining UGC mengenai rata-rata hubungan pada jaringan
menggunakan aplikasi R Studio untuk sosial. Average path length menandakan
melakukan crawling tweets yang jumlah rata-rata akun user yang harus
mengandung keyword “Samsung” dan dilewati user tertentu untuk berinteraksi.
“Apple”. Hasil crawling tweets dilakukan
Hasil perbandingan properti
pre-processing data untuk menghilangkan
jaringan tersebut dapat dijadikan salah satu
tweet yang tidak relevan agar lebih mudah
alternatif untuk analisa Best Smartphone
untuk dilakukan proses analisis.
di media sosial berdasarkan properti
Selanjutnya menentukan aktor yang
jaringan yang terjadi yang melambanngkan
berinteraksi pada setiap tweet untuk
tingkat kesadaran aktor terkait brand.
dijadikan sebagai node dalam social
network.
Setelah pre-processing data maka IV.HASIL DAN PEMBAHASAN
dilakukan pemodelan jaringan sosial
dengan metode SNA. Visualisasi jaringan
dilakukan dengan aplikasi Gephi sehingga A. Hasil Crawling Data
akan terlihat nodes yang melambangkan
aktor dan edges yang melambangkan Crawling data dilakukan di media sosial
hubungan antar aktor dalam jaringan sosial. Twitter selama 1 minggu yaitu pada tanggal
Dalam jaringan sosial yang telah 14 April 2019 – 21 April 2019 dengan
dimodelkan maka dapat dilihat properti menggunakan aplikasi pemrogaman R
jaringan sosial untuk membandingkan Studio.
jaringan sosial antar . Hasil tweets yang berhasil di crawling,
yaitu:
Penentuan Best Smartphone Menggunkan Social Network
Analysis pada Brand Samsung dan Apple
Muhammad Ilham Akbar[1], Risa Augustin[2]
Program Studi Manajemen Telekomunikasi dan Informatika, Universitas Telkom