Seminar Nasional Inovasi, Teknologi dan Aplikasi (SeNITiA) 2018 ISBN: 978-602-5830-02-0

Konsep Visualisasi Data menggunakan Social

Network Analisys (SNA)
Aan Erlansari
Program Studi Sistem Informasi, Fakultas Teknik, Universitas Bengkulu
Jl. WR. Supratman Kandang Limun Bengkulu 38371A Indonesia
aan_erlanshari@unib.ac.id

Abstrak—Social network analysis (SNA) merupakan media memicu perkembangan yang dramatis ke arah social
visualisasi dari hubungan antar node yang terjadi dalam sebuah network analysis (SNA). Gbr. 1. SNA memainkan peran yang
jaringan. Hubungan ini dapat diperoleh melalui aliran informasi cukup signifikan di berbagai area dalam kehidupan
dari media sosial seperti facebook, tweeter, flicker, youtube dan masyarakat, dari segi ekonomi, kesehatan, pendidikan dan lain
lain sebagainya. Aliran informasi tersebut bisa diperoleh dengan sebagainya. Struktur SNA memperlihatkan bagaimana aliran
mengukur hubungan pertemanan dari seorang individu, informasi diantara individu, organisasi dan tim.
organisasi dan grup serta informasi yang dibagi diantara
mereka. Dengan menggunakan konsep graph dan hubungan
antar node-node yang terkait, maka terbentuk konsep DoV,
WDoV, DcoV, CcoV, dan WCCoV. Sehingga konsep SNA
berhasil digunakan diberbagai kebutuhan masyarakat seperti
keamanan, bisnis, aplikasi teks dan lain sebagainya.

Kata kunci—Social Network analysis (SNA); DoV; WdoV;

DcoV; CcoV; WCCoV; centrality

I. PENDAHULUAN
Peningkatan jumlah penggunaan internet makin bertambah
secara signifikan setiap tahunnya diseluruh belahan dunia. Hal
ini menunjukkan bahwa setiap individu mulai sadar akan
keberadaan internet di tengah-tengah kehidupan
bermasyarakat. Banyaknya bermunculan media-media sosial
yang dapat secara mudah diakses oleh masyarakat baik
menggunakan perangkat mobile ataupun menggunakan
komputer sebagai media perangkat keras yang sangat mudah
diperoleh menunjang aplikasi-aplikasi media sosial untuk
dapat berkembang.
Dengan menggunakan media sosial, masyarakat
dihadapkan dengan satu komitmen bahwa mereka harus siap
menerima membludaknya informasi yang masuk dari segala
lini, dikarenakan aktifitas mengikuti (following), membalas
(reply/retweet), berlangganan (subscribing), membagi
(sharing) dan lain sebagainya. Hal ini disebabkan oleh struktur
dari sosial media tersebut yang membuka aliran informasi dari
dan menuju pengguna dengan atau tanpa batasan tertentu.
Sehingga terbentuk struktur dari sebuah relasi dalam sosial
media yakni hubungan pertemanan, kolega, anggota keluarga,
anggota tim,partisipan grup dan lain sebagainya [1].
Hubungan protokol pertemanan Friend-of-a-Friend (FOAF)
membentuk lebih dari 30 hubungan yang dapat ditetapkan
sebagai sebuah hubungan.
Melihat dari perkembangan dari pengaruh sosial media dan
hubungan yang terbentuk dari sosial media tersebut dan
didukung oleh banyaknya jumlah penelitian tentang sosial
Gbr. 1. Perkembangan penelitian berbasis social network [2]
Oleh karena itu, pada artikel ini akan membahas pengaruh
sistem pengambilan kembali informasi dalam sosial media
dengan prinsip SNA.
II. PENDEKATAN ILMIAH
A. Social Network Analysis
Pada dasarnya SNA merupakan teknik data mining yang
mengungkap struktur dan konten dari sebuah informasi
dengan merepresentasikannya sebagai sebuah hubungan
interkoneksi, objek atau entitas yang terhubung [3].
Pada Gambar 2 diperlihatkan struktur SNA yang terdiri
dari node-node yang terhubung satu sama lain. Node dalam
sebuah jaringan dapat berupa individu dan grup sedangkan
penghubung antar node menunjukkan bentuk hubungan antar
keduanya [4].
SNA membentuk abstraksi sosial yang kuat yang
merepresentasikan berbagai hubungan atau koneksi [5]. SNA
mengobservasi hubungan sosial yang terjadi termasuk
didalamnya node (individu, organisasi, tim, dan atau
kombinasi

1
Seminar Nasional Inovasi, Teknologi dan Aplikasi (SeNITiA) 2018
dari hubungan tersebut) dan hubungan yang terbentuk
didalamnya.
Gbr. 2. Struktur SNA
Karakteristik dari SNA dapat dijabarkan sebagai berikut:
 Degree of vertex (DoV), jumlah dari edge yang terhubung
terhdap suatu vertex.
 Weighted degree of vertex, jumlah bobot dari semua edges
yang terhubung ke vertex tertentu. Dapat juga di
interpretasikan sebagai derajat hubungan yang memiliki
hubungan langsung antar vertex.
 Distance centrality of a vertex, kedekatan terhadap
simpul-simpul dalam jaringan atau disebut juga closeness
centrality. Semakin besar nilainya maka semakin dekat
hubungan vertex terhadap vertex lainnya, didefinisikan
sebagai berikut:
(1)
 Betweeness centrality of a vertex, merupakan bentuk
pengukuran jumlah path terpendek terhadap suatu
vertex. Dengan menggunakan persamaan berikut:\
(2)
 Clustering coefficient of a vertex, pengelompokan
koefisien c dari sebuah vertex mengukur hubungan
terhadap vertex yang memiliki hubungan langsung.
(3)
 Weighted clustering coefficient of a vertex, pembobotan
koefisient yang terkelompok (clustering) merupakan
usaha untuk men-generalisir konsep dari clustering
coefficient terhadap weighted network.
B. Matrik ukuran dasar dalam SNA
Karena SNA merupakan analisis berbasis kepada perpektif
jaringan, jaringan tersebut menitik beratkan kepada hubungan
dan relasi serta struktur yang terbentuk dalam sebuah jaringan.
Proses pengukuran matrik dalam SNA:
2
ISBN: 978-602-5830-02-0
 Edge weight: edge merepresentasikan interaksi, kesamaan,
atau hubungan sosial. Hal ini menggambarkan frekuensi
hubungan yang terjadi antara dua node.
 Path and shortest path, sebuah path menghubungkan dua
node yang berbeda.
 Centrality measure,
 Reciprocity,rasio dari jumlah hubungan
 Clustering, kerapatan / sejumlah kelompok dari node yang
saling berdekatan yang merepresentasikan bagian dari
komunitas dari sebuah jaringan.
C. Implementasi SNA
Melihat pengaruh yang besar dari SNA, para peneliti
terdahulu telah mencoba untuk menerapkan konsep SNA
dalam berbagai bidang seperti berikut:
1) SNA terhadap aplikasi internet
Analisis jejaring sosial juga telah diterapkan untuk memahami
perilaku online oleh individu, organisasi dan antar situs web.
Analisis hyperlink dapat digunakan untuk menganalisis
hubungan antar situs web atau halaman web, untuk memeriksa
bagaimana informasi mengalir. Lilia merepresentasikan [6]
strategi untuk mengklasifikasikan dokumen yang disajikan
pada media sosial berdasarkan kode tag dalam dokumen
tersebut.
Gbr. 3. Hashtag dari sebuah dokumen
Seperti terlihat pada Gbr. 3. Sebuah pesan tweeter dengan
alamat URL http://capdigital.com/strategies/big...
dideskripsikan dengan hastag #bigdatalive dan telah dibagi ke
lima pengguna lainnya (@Cap_Digital, @fdouetteau,
@dataiku, @jmlzard dan @opendatasoft) dengan melihat
struktur tag ini dapat digambarkan aliran informasi yang
dijalankan dan dapat ditelusuri juga arah perkembangan dari
aliran informasi dengan tag #BigDataLive tersebut apabila
telah dibagi lagi ke pengguna lainnya. Sehingga didapatkan
hubungan graph antar tag seperti pada Gbr. 4.
Gbr. 4. Hubungan aliran sebuah tag
Dimana, T merepresentasikan tag (#), U mendefinisikan
hubungan user dan D menunjukkan dokumen yang dibagi.
Seminar Nasional Inovasi, Teknologi dan Aplikasi (SeNITiA) 2018
2) SNA terhadap ilmu politik
Analisa politik di Amerika [7] mengaplikasikan bentuk SNA
dari beberapa teknik dan teori, dengan menggunakan
komputasi dan analisis data dari penomena pemanfaatan
media sosial di Amerika Serikat pada tahun 2012,
menghasilkan analisis SNA berbentuk graph yang saling
berhubungan.
Gbr. 5. Representasi dari SNA
Gbr. 5 didapatkan dari representasi sebanyak 130.213
artikel yang memberitakan/menceritakan tentang pemilihan
presiden Amerika Serikat dan perkembangannya berdasarkan
aspek politik dan isu-isu terkait.
3) SNA terhadap perkembangan bisnis
Pemanfaatan SNA terhadap dunia bisnis dilakukan dengan
melihat potensi keuangan yang digunakan dalam berbagai
macam strategi. Dengan menggunakan informasi yang didapat
seperti; demografi dari pelanggan/pengguna [8] dan kebiasaan
pengguna dan melihat jumlah permintaan pelanggan. SNA
dengan menggunakan data yang diperoleh melalui facebook,
tweeter, flickr, youtube, dan wikipedia menghasilkan teknik
baru dalam memvisualisasikan data yang dibutuhkan oleh
perusahaan. Sehingga didapatkan kepuasan dari pengguna,
opini dari sebuah produk.
4) SNA terhadap pelayanan kesehatan
Teknik SNA telah digunakan pada pelayanan asuransi
kesehatan [9]. Konsep utamanya adalah dengan memetakan
pasien yang memiliki hubungan dengan dokter.
Pada prinsip SNA ini menggambarkan (Gbr. 6) hubungan
antar dokter, dokter dan pasien, dan hubungan antar dokter
dan penyedia layanan kesehatan.
ISBN: 978-602-5830-02-0
Gbr. 6. Hubungan antar pasien dan dokter
III. KESIMPULAN
Artikel ini mendeskripsikan konsep SNA dan beberapa
bentuk implementasinya terhadap kebutuhan masyarakat.
Prinsip utama dari SNA adalah dengan menggunakan
centrality dari sebuah node dan juga hubungan/ relasi yang
terbentuk antara node-node tersebut.
Meskipun banyak penelitian telah menunjukkan nilai
analisis jaringan sosial, tidak sedikit pula peneliti lain yang
menyimpulkan bahwa SNA sendiri tidak cukup untuk
mencapai pemahaman penuh. Kerumitan proses interaksi dan
berbagai sumber media data menyulitkan untuk memberikan
analisis mendalam, serta kompleksitas data terkadang
menyulitkan peneliti dalam menyimpulkan graph sehingga
dibutuhkan metode dan tools lain untuk dapat
menyempurnakan proses SNA.
DAFTAR PUSTAKA
[1] Kirchhoff, L., Stanoevska-Slabeva, K., & Nicolai, T. &. (2008). Using
social network analysis to enhance information retrieval systems. 5th
Applications of Social Network Analysis (ASNA). Zurich.
[2] Borgatti, S. a. (2003). The network paradigm in organizational research:
A review and typology. Journal of Management.
[3] Meena, J. (2003). Investigative Data Mining for Security and.
[4] Normah, & Ahmad-Sanusi, Z. (2014). Understanding Social Network
Analysis (SNA) in fraud detection. Research Gate.
[5] Oinas-Kukkonen, H., Lyytinen, K., & Yoo, Y. (2010). Social Networks
and Information Systems:Ongoing and Future Research Streams. Journal
of the Association for Information System (JAIS), 61-68.
[6] Lilia, B. (2015). Information Retrieval enhancement using Social
Networks. International Symposium on Web AlGorithms. France:
Proceedings of the first International Symposium on Web AlGorithms.
[7] Saatviga Sudhahar, G. A. (2015). Automated analysis of the US
presidential elections using Big Data and network analysis. Big Data &
Society, 1-28.
[8] Banica, L., Brinzea, V.-M., & Radulescu, M. (2015). ANALYZING
SOCIAL NETWORKS FROM THE PERSPECTIVE OF MARKETING
DECISIONS. Scientific Bulletin – Economic Sciences, 37-50.
[9] Appel, A. P., Santana, V. F., Moyano, L. G., Ito, M., & Pinhanez, C. S.
(2018). A Social Network Analysis Framework for Modeling Health
Insurance Claims Data. CoRR.