Social Network Analysis dengan Centrality Measure dan Community Detection pada Twitter untuk Menemukan Pola Interaksi dengan News Platform terhadap Isu Resesi

⭐ 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.

Preview	PDF HALAMAN_AWAL.pdf Download (533kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (280kB) | Preview
Preview	PDF BAB_I.pdf Download (325kB) | Preview
Preview	PDF BAB_II.pdf Download (475kB) | Preview
Preview	PDF BAB_III.pdf Download (247kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (8MB)
Preview	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.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Cendra Wirawan, Dave (00000036759)
Contributors:	Ady Sanjaya, Samuel
Keywords:	Centrality, Community Detection, COVID-19, Resesi, Social Network Analysis
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods > 006.7 Multimedia Systems, Blogs, Social Media, Web Application Frameworks 300 Social Sciences > 300 Social sciences, sociology and anthropology > 302 Social interaction, Interpersonal interaction > 302.23 Media of Communication, Mass Media
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	05 Jul 2023 09:57
URI:	https://kc.umn.ac.id/id/eprint/25684

Actions (login required)

View Item