S1 Informatika Program Profesional Surabaya > Courses > Social Network Analysis

Social Network Analysis

Kode IF712
SKS 3 sks
Pengajar Dr.Ir. Esther Irawati Setiawan, S.Kom., M.Kom.
Materi Pada mata kuliah Social Network Analysis diajarkan bagaimana data di media sosial dapat dianalisis dalam bentuk sebuah graph. Hubungan pertemanan atau interaksi pengguna media social dapat diolah dan di analisa sehingga dapat diperoleh pengetahuan baru. Informasi inilah yang akan diupayakan untuk diperoleh dengan cerdas memanfaatkan algoritma-algoritma yang ada. Perkuliahan disusun menjadi tiga bagian utama, yaitu metode dan alat dasar, aplikasi manajerial, serta teori dan aplikasi modern. Bagian metode dan alat dasar memperkenalkan konsep dasar, terminologi, metode, dan alat untuk analisis jaringan sosial. Topik meliputi network centrality, network structure, weak ties, social capital, and structural holes dan sebagainya. Bagian aplikasi manajerial menguraikan tentang bagaimana masalah konektivitas dalam suatu organisasi dapat diidentifikasi dan diselesaikan. Bagian teori dan aplikasi modern membahas perluasan teori dan aplikasi Social Network Analysis modern seperti mall-world networks, inter-organizational networks, corporate board networks, patent citation networks, main path analysis, dan visuaslisasi dengan Pajek. Selain itu juga digunakan NetworkX dan Google Cloud Vertex AI untuk membantu pengolahan data media social.
Tujuan
  1. Mahasiswa mampu melakukan analisis dan memahami tahapan-tahapan pengolahan media sosial, mencakup deteksi masalah bisnis yang hendak diselesaikan, analisis permasalahan, dan desain solusi dari pengembangan analisa jejaring media sosial.
  2. Mahasiswa mampu untuk memahami berbagai metode pendekatan analisa jejaring social media beserta pemanfaatan hasilnya dilengkapi visualisasi degan referensi berbagai makalah yang telah menggunakan metode penelitian analisa jejaring media sosial.
  3. Mahasiswa mampu dan dapat memahami teori dasar dan melakukan analisis berserta mendesain pendekatan berbasis machine learning.
Silabus
  1. Pengenalan social network analysis: hubungan/relasi, dasar-dasar Social Network, Social Network Analysis, Penerapan Manajerial Social Network Analysis, Ketentuan Network Dasar, Jenis-Jenis Jaringan, Sejarah Singkat Social Network Analysis.
  2. Gambaran dan Visualisasi Network: alat analisis, representasi network, format file Pajek, visualisasi Social Network, fungsi Pajek yang sering digunakan.
  3. Pengukuran network and centrality: pengukuran jaringan, Centrality, Degree Centrality, Closeness Centrality, Betweenness Centrality, Perbandingan berbagai Centrality
  4. Network structure: Bonacich Centrality, Alpha Centrality, Centralization, Network Density dan Centrality, komponen, Dyad dan Triad, K-Core, Clique, N-Clique, Cluster, Structural Equivalence, Dissimilarity, Hierarchical Clustering, Dendogram, Edge-Betweenness, Edge-Betweenness Clustering, Network shrinking, Blockmodeling.
  5. Weak ties dan social capital: definisi dan perhitungan Weak Ties, Social Capital, dan Structural Holes.
  6. Two-mode Networks: Network Like Personal di Facebook, Network Interaksi Grup di Facebook, Studi Kasus Penelitian South Womenx, Network Afiliasi, Bicliques.
  7. Small-world Networks: definisi small-world networks, eksperimen Milgram, contoh berbagai Small-world Network, studi kasus Watts dan Strogatz 1998, Karakterisasi Graf, Completely Regular, Completely Random, Small world Graph, studi kasus pertanyaan Kleinberg, model Small-world Kleinberg.
  8. Ujian Tengah Semester
  9. Friendship Paradox: berapa banyak teman yang seseorang miliki dan bagaimana kualitas teman-temannya, pemanfaatan “friendship paradox” pada dunia nyata
  10. MCL Clustering: Algoritma MCL, Operator Regularize, Algoritma Regularized- MCL, Multi-Level Regularized MCL, Coarsening Operator, Project Flow, Kriteria Evaluasi, Perbandingan dengan MCL, Perbandingan dengan Graclus dan Metis, Evaluasi pada Network PPI.
  11. Komunitas: Definisi Komunitas, Definisi Network dalam Network; Deteksi Komunitas dengan NetworkX
  12. Simulasi dan Analisis: Watts-Strogatz dan small world; Preferential attachment dan heavy-tailed networks; Konfigurasi mode; Model berbasis agen.
  13. Analisis Jaringan Sosial dengan NetworkX dan Google Cloud Vertex AI: Deteksi Komunitas; Pengaruh Centrality; Analisis Keterhubungan.
  14. Visualisasi Jaringan dengan Google Cloud Vertex AI: Grafik Interaktif; Jenis-jenis algoritma visualisasi
  15. Penerapan Google Cloud Vertex AI dalam Analisis Jaringan Sosial: Prediksi Koneksi; Segmentasi Pelanggan; Analisis Jejaring Bisnis
  16. Ujian Akhir Semester