Social Network Analysis using Gephi and Drone Emprit
•
1 gefällt mir•1,562 views
Mengenal SNA Praktek SNA dengan open source tool (Gephi) Praktek SNA dengan Drone Emprit Academic Mengolah data SNA dari Drone Emprit menggunakan Gephi
Empfohlen
Empfohlen
Weitere ähnliche Inhalte
Was ist angesagt?
Was ist angesagt? (20)
Ähnlich wie Social Network Analysis using Gephi and Drone Emprit
Ähnlich wie Social Network Analysis using Gephi and Drone Emprit (20)
Mehr von Ismail Fahmi
Mehr von Ismail Fahmi (20)
Kürzlich hochgeladen
Kürzlich hochgeladen (20)
Social Network Analysis using Gephi and Drone Emprit
- 1. SOCIAL NETWORK ANALYSIS (SNA) Ismail Fahmi, Ph.D. Director Media Kernels Indonesia (Drone Emprit) Lecturer at the University of Islam Indonesia Ismail.fahmi@gmail.com WFH ID BIG DATA 2021 9 DESEMBER 2021
- 2. ACADEMIC 2 1992 – 1997 S1, Teknik Elektro, ITB 2003 – 2004 S2, Information Science, Universitas Groningen, Belanda 2004 – 2009 S3, Information Science, Universitas Groningen, Belanda 2000 – 2003 Inisiator IndonesiaDLN (Digital Library Network pertama di Indonesia) Mengembangkan Ganesha Digital Library (GDL) Mendirikan Knowledge Management Research Group (KMRG) ITB Membangun Digital Library ITB 2009 – Sekarang Engineer di Weborama, Perusahaan berbasis big data (Paris/Amsterdam) 2014 – Sekarang Founder PT. Media Kernels Indonesia, a Drone Emprit Company 2015 – Sekarang Konsultan Perpustakaan Nasional, Inisiator Indonesia OneSearch 2017 – Sekarang Dosen Tetap Magister Teknik Informatika Universitas Islam Indonesia Ismail Fahmi, Ph.D. Ismail.fahmi@gmail.com Lahir: Bojonegoro, 1974 Founder Media Kernels Indonesia
- 3. ACADEMIC AGENDA • Mengenal SNA • Praktek SNA dengan open source tool (Gephi) • Praktek SNA dengan Drone Emprit Academic • Mengolah data SNA dari Drone Emprit menggunakan Gephi 3
- 6. ACADEMIC SOCIAL NETWORK ANALYSIS FOR STARTUPS 6
- 7. ACADEMIC SOCIAL NETWORK ANALYSIS HANDBOOK 7
- 14. ACADEMIC LINK BISA MEMILIKI VALUE 14
- 17. ACADEMIC GRAPH TRAVERSALS & DISTANCES 17
- 29. ACADEMIC ISLANDS IN THE NET 29
- 36. ACADEMIC CONTOH CLIQUE DAN COMPONENT 36
- 37. ACADEMIC TRIADS, NETWORK DENSITY, AND CONFLICT
- 38. ACADEMIC FRIENDSHIP AND CONFLICT: RULES 38
- 39. ACADEMIC CLOSING TRIADS AND VIRALITY 39
- 41. ACADEMIC CONFLICT AND NETWORK DENSITY 41
- 42. ACADEMIC VIRALITAS DAN DIFUSI INFORMASI
- 43. ACADEMIC ANATOMI VIRALITAS SEBUAH PESAN 43
- 45. ACADEMIC WIKINOMICS OF CRITICAL MASS 45
- 46. ACADEMIC CONTENT IS (STILL) KING: EFEK PESAN 46
- 51. ACADEMIC ELEMEN METADATA SEBUAH CUITAN 51
- 53. ACADEMIC RELASI: RETWEET (AGREEMENT) VS MENTION (DISCUSSION) 53
- 56. ACADEMIC SNA TAGAR (WHO SAYS WHAT) 56
- 58. ACADEMIC CONTOH: PERANG 2 TAGAR #GejayanMemanggil2 #MahasiswaPelajarAnarkis
- 60. ACADEMIC DISINFORMASI BISA DICIPTAKAN DENGAN CARA MURAH MERIAH: MELALUI AKUN-AKUN ANONIM, GIVEAWAY, DAN BUZZER 1) SEBUAH DISINFORMASI BISA DIMULAI DARI SEBUAH AKUN ANONIM ATAU GIVEAWAY, YANG DIAMPLIFIKASI OLEH AKUN-AKUN SEPERTI BOT, AGAR #TAGAR CEPAT TRENDING 2) KARENA TRENDING, #TAGAR MUDAH DILIHAT OLEH AKUN-AKUN NATURAL, YANG TURUT MENGAMPLIFIKASI JIKA COCOK, ATAU MENCOUNTER JIKA TIDAK SETUJU 3) DI PENGHUJUNG HARI, AKUN GIVEAWAY YANG MENGINISASI #TAGAR TIDAK LAGI DOMINAN, KARENA PERCAKAPAN SUDAH DIAMBIL ALIH OLEH AKUN-AKUN NATURAL DAN VIRAL #MahasiswaPelajarAnarkis AKUN ANONIM AKUN ANONIM AKUN ANONIM AKUN MAHASISWA AKUN MAHASISWA AKUN MAHASISWA TAGAR #MAHASISWAPELAJARANARKIS DICIPTAKAN UNTUK MENGACAUKAN NARASI DALAM GERAKAN MAHASISWA #GEJAYANMEMANGGIL2, MELALUI AKUN GIVEAWAY, ANONIM DAN BUZZER
- 61. ACADEMIC DAMPAK SEBARAN DISINFORMASI: NARASI PENTING TERTUTUPI OLEH DISINFORMASI KONTRA MAHASISWA PRO MAHASISWA #GejayanMemanggil2 #MahasiswaPelajarAnarkis DISINFORMASI SERING SENGAJA DICIPTAKAN UNTUK MEMBENTUK OPINI PUBLIK DEMI KEPENTINGAN TERTENTU, DENGAN ATAU TANPA BANTUAN AGEN KOMUNIKASI PUBLIK STARTER BUZZERS TARGET TARGET TARGET TARGET KETIKA DISINFORMASI MENYEBAR LUAS, NARASI KEBENARAN MENJADI TERSINGKIR DAN TERTUTUPI, DAN PADA AKHIRNYA PUBLIK SULIT MENEMUKANNYA DISINFORMASI YANG DILAKUKAN TERUS-MENERUS OLEH SEBUAH KELOMPOK, YANG MENYENTUH ASPEK SPIKOLOGIS DAN “POST-TRUTH” PUBLIK, AKHIRNYA AKAN MENGANCAM DEMOKRASI ”AKAL PIKIRAN” GRAFIK JARINGAN SOSIAL INI MEMPERLIHATKAN KETIKA TAGAR #MAHASISWAPELAJARANARKIS BERHASIL MENEMBUS NARASI #GEJAYANMEMANGGIL2, YANG IRONISNYA MAHASISWA TURUT MENGAMPLIFIKASI TAGAR TERSEBUT
- 62. ACADEMIC SNA DAN ANALISIS BOT
- 63. ACADEMIC MENGETAHUI APAKAH ADA COMPUTATIONAL PROPAGANDA • Computational propaganda adalah penggunaan bot atau algoritma computer untuk mengirim pesan secara otomatis, dengan tujuan membangun (atau memanipulasi) opini publik. • Untuk mengetahui sebuah akun itu bot atau bukan, bisa menggunakan machine learning, yang mengambil beberapa informasi tentang profile akun tersebut, jaringan sosialnya, serta aktivitasnya sebagai feature. • Dengan informasi bot ini, kita bisa mendapat insight: • Apakah sebuah narasi itu sengaja dibangun oleh pihak tertentu menggunakan bantuan bot? • Berapa persen peranan bot dalam sebuah percakapan dibandingkan dengan akun manusia asli? • Bagaimana relasi bot dengan akun asli dalam membangun propaganda? 63
- 64. ACADEMIC COMPUTATIONAL PROPAGANDA 64 Since 2012 until now, we have seen bots, algorithms and other forms of automation are used by political actors in countries around the world to manipulate public opinion over major social networking platforms, such as Twitter, Facebook, Instagram, and YouTube.
- 65. ACADEMIC BOT ANALYSIS DI DEA 65
- 66. ACADEMIC METODE 66 Botometer Profile + 200 twits Bot scores https://rapidapi.com/OSoMe/api/botometer API
- 67. ACADEMIC HOW IT WORKS • Botometer is a machine learning algorithm trained to classify an account as bot or human based on tens of thousands of labeled examples. • When you check an account, you fetches its public profile and hundreds of its public tweets and mentions using the Twitter API. • This data is passed to the Botometer API, which extracts about 1,200 features to characterize the account's profile, friends, social network structure, temporal activity patterns, language, and sentiment. • Finally, the features are used by various machine learning models to compute the bot scores. 67
- 68. ACADEMIC VISUALISASI HASIL BOT ANALYSIS 68 HUMAN CYBORG ROBOT
- 69. ACADEMIC AI UNTUK MENDETEKSI ROBOT DI TWITTER TiLiK HUMAN ROBOT HUMAN ROBOT HUMAN ROBOT HUMAN ROBOT
- 70. ACADEMIC PETA PERCAKAPAN “JEJAK KHILAFAH” 70 Pro Pemerintah Pro Oposisi Pro Khilafah (HTI) robot robot
- 72. ACADEMIC AKSI ROBOT-ROBOT DI TWITTER
- 74. ACADEMIC KEYWORD & FILTER 74 Sensus, sp2020, .. Sensus penduduk Keyword à Twitter Sumber daya yang sangat terbatas Filter à Data Lake Membatasi hasil pencarian
- 75. ACADEMIC BERHEMAT DENGAN KEYWORD (DIAGRAM VENN) 75 Sensus, sp2020, .. Sensus penduduk
- 76. ACADEMIC Data Lake Keywords KEYWORD + FILTER 76 Twits twit twit twit Filters
- 79. ACADEMIC DATA IS EXPENSIVE 100 USD PER 50.000 TWEETS 79
- 80. ACADEMIC CONTOH: FREE TWITTER SEARCH 80 History: 7 days Start search 100% results
- 81. ACADEMIC API: REALTIME (SAMPLE) 81 Random Sample All Statuses Kurang dari 10%
- 83. ACADEMIC API: REALTIME (FILTER) 83 Filtered Statuses All Statuses ~ 100% POST statuses/filter Filter max 400 keywords Filter: Max 400 keywords
- 84. ACADEMIC KEYWORDS: SUMBER DAYA YANG SANGAT TERBATAS 84 TWITTER Max 400 keywords Server IP Addr 1 Server IP Addr 2 Server IP Addr n Max 400 keywords Max 400 keywords DRONE EMPRIT ACADEMIC DATA LAKE
- 85. ACADEMIC PRAKTEK: SNA DENGAN GEPHI
- 86. ACADEMIC INSTRUKSI WORKSHOP SNA • Download dan install Gephi dari https://gephi.org/ • Requirement: Java (pastikan sudah install Java di laptop anda). • Twitter Dev: • Daftarkan akun developer Twitter: https://developer.twitter.com/en/portal/petition/use-case • Bikin app Twitter, dapatkan token yang akan dibutuhkan untuk Gepi. https://developer.twitter.com/en/apps • Bisa ikuti contoh di YouTube ini: https://youtu.be/oQQCdg9Uso8 • Kalau tidak punya akun, nanti akan diberi kode token buat digunakan selama workshop. 86
- 87. ACADEMIC EKSENTRIK VS CLOSENESS 87 IN DEGREE OUT DEGREE
- 88. ACADEMIC THANK YOU Ismail Fahmi, PhD.