ABSTRAK
Nama : Fatia Kusuma Dewi
Program Studi : Ilmu Komputer
Judul : Identifikasi Central Node dalam Penyebaran Rumor pada
Online Social Network Twitter Menggunakan Pembobotan
Edge dan Pembobotan Algoritma Centrality Measure untuk
Static Network
Penyebaran rumor yang terbukti palsu banyak terjadi di OSN yang salah satu contohnya
Twitter. Kegiatan tersebut ilegal, sehingga menemukan pelaku yang berpengaruh
dalam penyebarannya menjadi hal penting. Salah satu cara dalam menemukan
pelaku tersebut adalah centrality measure pada studi ilmu social network
analysis. Centrality measure menghitung nilai pada setiap node di jaringan dengan
node pada urutan teratas dapat disebut dengan central nodes. Central node pada
penyebaran rumor dapat dikaitkan dengan istilah opinion leader
Pemilihan centrality measure untuk menemukan central node yang sesuai dengan
kriteria opinion leader adalah fokus yang penting. Setiap centrality measure
memiliki sifat dan karakteristiknya sendiri. Salah satu penelitian terkait centrality
measure adalah penelitian yang melakukan kombinasi centrality measure. Penelitian
tersebut bertujuan untuk mendapatkan sifat dari setiap centrality measure.
Terdapat beberapa hubungan pada OSN Twitter. Biasanya, penelitian yang menemukan
central node menganggap semua hubungan sama penting. Padahal, tidak
semua hubungan pada Twitter memiliki peranan yang sama dalam penyebaran informasi.
Penelitian ini terdiri dari dua eksperimen pembobotan yaitu pembobotan edge
dan pembobotan centrality measure (in-degree, betweenness dan PageRank). Hal
ini ditujukan untuk mengetahui bobot hubungan pada Twitter dan analisis bobot
pada centrality measure yang sesuai dengan kriteria opinion leader. Hasil dari
pembobotan edge menunjukkan bahwa hubungan yang menampilkan tweet pada
timeline pengguna lain seperti quote, retweet, dan reply memiliki bobot yang cenderung
lebih besar dibandingkan hubungan mention. Kemudian pada pembobotan
centrality ditemukan bahwa tidak adanya bobot PageRank, bobot in-degree kecil
(0,1 sampai 0,4), dan bobot betweenness besar (0,6 sampai 0,9) cenderung membuat
hasil kombinasi centrality lebih baik. Hal ini diukur oleh kesepakatan dengan
seluruh algoritma evaluasi dalam menemukan opinion leader lainnya.
Kata Kunci:
Social Network Analysis, Centrality Measure, Rumor
vi
|
|