Tugas Ego Network data twitter

ego network adalah bagian dari network yang berpusat pada sebuah node (disebut ego).  Eksperimen Noah Friedkin[ref]  memperlihatkan bahwa dalam jejaring sosial, seseorang akan mengenal baik  teman di derajat pertama dengan tingkat kesalahan hanya 30%.  Tingkat kesalahan ini melonjak menjadi 70% pada derajat kedua (temannya teman) dan menjadi 100% pada derajat ketiga (temannya temannya teman).  Jadi umumnya radius dari egonetwork tidak lebih dari tiga.

Salah satu metric yang dapat digunakan dalam  kelompok adalah clustering coefficient yang menghitung proporsi keterhubungan node di dalam kelompok. Semakin kuat ikatan kelompok (semakin tinggi clustering coefficient) maka semakin terhubung satu sama lain node-node di dalam kelompok tersebut.

Dibahas juga hubungan yang disebut triad, yang merupakan hubungan antara 3 node.  Misalnya terdapat tiga node A, B, C. Jika A, B dan C saling terhubung, ini disebut closed triad. Contohnya keluarga dengan bapak, ibu dan anak. Penelitian Newcomb [ref] menunjukan struktur closed triad paling stabil karena orang ketiga dapat berperan sebagai penengah konflik dan penyeimbang (terburuk adalah hubungan asymetric, disusul symetric).  Analoginya di Twitter, hubungan symetric dimana hanya satu pihak memfollow yang lain adalah hubungan yang paling lemah. Hubungan yang lebih kuat terjadi jika keduabelah pihak saling follow. Tetapi yang terkuat adalah jika pihak ketiga yang  terhubung dengan semuanya.

Hubungan yang menarik adalah pada open triad. Pada open triad, A terhubung B, B terhubung C, tapi A tidak terhubung dengan C.  Open triad dapat terjadi karena memang disengaja. B sengaja membuat A dan C tidak terhubung.  Di satu sisi ini dapat membebani B, misalnya dalam kondisi  B menjadi teman curhat A dan C, tapi juga dapat menjadi  keuntungan saat B menjadi broker. Misalnya B membeli barang di A seharga X  lalu dijual kepada C dengan X+laba.  Open triad yang disengaja ini disebut juga forbidden triad, structural hole atau brokerage structure.   Penelitian Burt [ref] memperlihatkan bahwa pebisnis yang memiliki banyak structural hole lebih sukses dalam pasar yang kompetitif.  Structural holes juga menjadi jembatan antar komunitas (boundary spanners). Sebagai contoh disini saya mencoba dengan akun Twitter milik saya (@zulfickaar) untuk dianalisis. Caranya :

1. Buat API terlebih dahulu jika belum memiliki.
2. Jika sudah memiliki API, bisa langsung membuka R studio dan melakukan crawl data dahulu disana untuk mendapatkan hasil yang akan dianalisis di Gephi.
3. Setelah data yang dibutuhkan didapat, kita terlebih dahulu membuat Nodes dan Edges untuk diolah di Gephi. Data untuk membuat Nodes dan Edges didapat dari data R Studio. Nodes adalah aktor individu di dalam jaringan, sedangkan Edges adalah hubungan antar aktor tersebut.

Dari hasil perhitungan didapatkan hasil dengan

Average Degree (rata-rata jumlah hubungan node ke node lain) sebesar 1, 344. Dengan Avg. Path Length (pengukuran untuk melihat jumlah rata-rata langkah yang dibutuhkan sepanjang jalur terpendek untuk semua kemungkinan hubungan yang terjadi antar node dalam suatu jaringan) sebesar 2,027.

Terdapat 2 bentuk dari degree yaitu indegree (jumlah hubungan masuk) dan outdegree (jumlah hubungan keluar)

Lalu Network Diameter (suatu nilai diameter untuk sebuah network yang didefinisikan sebagai jarak terpendek antar 2 node dengan nilai paling tinggi) sebesar 5.

Untuk Modularitynya (imdikator kecenderungan pengelompokkan suatu kumpulan nodes. Semakin tinggi nilai modularity, maka semakin kuat kecenderungan atau potensi suatu kumpulan nodes untuk membentuk kelompok) sebesar 0,04 atau data terdistribusis kedalam 4 kelas dengan nilai tertinggi 280 (dikelas 3) dan nilai terendah berada di kelas 0.

Visualization

Network graph ini merupakan grafik yang menggambarkan item-item tertentu dalam bentuk nodes serta derajat hubungan (edge) masing-masing nodes tadi untuk menggambarkan kedekatannya. Semakin dekat item tetentu dengan item lainnya maka garis hubungannya akan digambarkan semakin tebal. Dari grafik ini diharapkan kita dapat memperoleh informasi secara cepat dan mudah mengenai hubungan serta kecenderungannya.