⭐ Cendra Wirawan, Dave (2023) Social Network Analysis dengan Centrality Measure dan Community Detection pada Twitter untuk Menemukan Pola Interaksi dengan News Platform terhadap Isu Resesi. Bachelor Thesis, Universitas Multimedia Nusantara.
|
PDF
HALAMAN_AWAL.pdf Download (533kB) | Preview |
|
|
PDF
DAFTAR_PUSTAKA.pdf Download (280kB) | Preview |
|
|
PDF
BAB_I.pdf Download (325kB) | Preview |
|
|
PDF
BAB_II.pdf Download (475kB) | Preview |
|
|
PDF
BAB_III.pdf Download (247kB) | Preview |
|
![]() |
PDF
BAB_IV.pdf Restricted to Registered users only Download (8MB) |
|
|
PDF
BAB_V.pdf Download (197kB) | Preview |
|
![]() |
PDF
LAMPIRAN.pdf Restricted to Registered users only Download (1MB) |
Abstract
Majunya perkembangan teknologi di industri 4.0 membuat semakin cepat dan mudah dalam mengakses informasi. Pengguna bisa mendapatkan informasi salah satunya informasi mengenai COVID-19. Akibat dari pandemi berdampak pada penurunan ekonomi yang menuju kepada resesi. Ramainya perbincangan mengenai isu resesi yang akan terjadi menyebabkan masyarakat mengalami ketakutan terhadap dampak yang terjadi seperti PHK dan juga dapat terjadi penyebaran berita hoax. Penelitian dilakukan dengan maksud untuk melihat dan mengidentifikasi interaksi pengguna Twitter terhadap penyebaran informasi resesi dengan menggunakan metode social network analysis. Akun Twitter yang diidentifikasi adalah akun yang memiliki relasi dengan akun news platform. Diharapkan dengan penelitian ini masyarakat dapat lebih bijak dalam mengolah informasi yang ada melalui akun terpercaya sehingga terhindar dari berita hoax. Penelitian ini dilakukan untuk melihat akun yang memiliki pengaruh terhadap informasi resesi dan juga melihat komunitas yang terbentuk. Untuk menentukan akun Twitter yang memiliki pengaruh dapat dilakukan dengan perhitungan centrality yang terbagi ke dalam 4 jenis perhitungan, yaitu degree, betweenness, closeness, dan eigenvector centrality. Untuk melihat berapa komunitas yang terbentuk dapat dilakukan dengan metode community detection dengan menggunakan algoritma greedy modularity dan walktrap. Hasil dari penelitian menunjukkan akun yang paling banyak menempati posisi 3 teratas dari total 4 nilai centrality adalah akun Twitter dengan username detikcom dengan jumlah 3 nilai centrality teratas. Berdasarkan algoritma greedy modularity didapatkan 50 komunitas yang berbeda namun pada algoritma walktrap didapatkan 56 komunitas yang berbeda. Hal ini dikarenakan cara kerja dari kedua metode tersebut berbeda sehingga menghasilkan jumlah komunitas yang berbeda juga.
Actions (login required)
![]() |
View Item |