Bicara Big Data untuk Aktuaris

Aktuaria adalah ilmu pengelolaan resiko kejadian. Beberapa layanan atau produk membutuhkan keilmuan aktuaria untuk bisa memperkirakan resiko investasi di masa depan, salah satunya pada resiko keuangan dengan contoh implementasinya ada pada industri asuransi. Produk produk asuransi diracik oleh tanggan dingin seorang aktuaris supaya tetap memberikan keuntungan bagi penyedia layanan. Di Indonesia profesi aktuaris tergabung ke dalam asosiasi Perkumpulan Aktuaris Indonesia (PAI). Aktuaris merupakan profesi penting tapi jarang orang tau, seorang aktuaris harus teruji minimal skill matematika nya. Tidak heran profesi ini kekurangan talenta, padahal pemain industri asuransi sangat banyak. Di perguruan tinggi di Indonesua, jurusan aktuaria adalah bagian atau minimal pecahan dari jurusan matematika. Terdapat juga jenjang sertifikasi seorang aktuaris.

Pada tanggal 1 Agustus 2018, PAI mengadakan event Joint Regional Seminar dengan tema peluang dan tantangan aktuaris untuk survive di dunia digital. Salah satu bahasan terpenting tentu saja mengenai fenomena Big Data, Machine Learning, IoT, Blockchain, Cloud Computing dan beberapa bahasan spesifik mengenai asuransi lainnya. Pembicara yang diundang semuanya berasal dari luar negeri, kecuali saya yang mewakili pembicara dalam negeri. Materi yang saya bawakan sendiri berjudul “Uncovers Data Analytics Potential to Accelerate Business Activities through Concept and Case Study”. oh ya daftar lengkap materi saya dan pembicara lain, serta susunan acaranya bisa dilihat di link pdf ini.  Salah satu kejutan yang saya temui di acara ini adalah banyaknya alumni matematika ITB yang hadir karena memang profesi mereka adalah aktuaris. Sekalian mengisi acara sekalian bernostalgia dengan teman teman alumni

berikut foto fotonya 

38292941 10156284526425202 6619170212367302656 n

38195046 10156284526625202 874390762337337344 n

38137255 10156285113775202 6848069558104752128 o

38139462 10156284526440202 6964612215781457920 n

38122090 10156284526420202 641210515321782272 n

38160548 10156284528570202 6778514924978044928 n

38124918 10156284526635202 3422421179166621696 n

38139487 10156284526445202 5810211236675059712 n

 

 

Fenomena Big Data di Berbagai Sektor (Tulisan Koran PR)

Setelah terbit tulisan pertama saya (bersama bu Lia) mengenai Big Data di koran Pikiran Rakyat, kali ini terbit lagi tulisan kami berdua di koran Pikiran Rakyat tanggal 2 Juli 2018. Ide dari tulisan kali ini adalah mengenai implementasi / fenomena Big Data dalam berbagai sektor kehidupan. Tidak tanggung tanggung tulisan dibagi menjadi 5 artikel yang terdiri dari: 1. Pengenalan fenomena Big Data. 2. Big Data pada sektor pemerintahan. 3. Big data untuk akademisi. 4. Big Data untuk bisnis. 5. Big Data untuk kehidupan sosial masyarakat.

Semoga tulisan kami bermanfaat dan mencerahkan rekan rekan yang sedang memahami / mempelajari Big Data.

Berikut cuplikan beberapa artikel tulisan kali ini.

36521298 10156211065935202 4165800217611862016 n

36604941 10156211065940202 4676668873615867904 n

36457855 10156211065910202 4103679945241264128 n

36499878 10156211065920202 814148846669004800 n

36448091 10156211066040202 2485560933552750592 n

36544839 10156211066070202 9026254680308580352 n

 

Konferensi Big Data Indonesia dan IWBIS 2018

Konferensi Big Data Indonesia (KBI) adalah salah satu kegiatan besar komunitas idBigData yang dilaksanakan rutin setahun sekali. KBI 2018 tahun ini dilaksanakan pada tanggal 12 dan 13 Mei 2018 di Balai Kartini Jakarta. Dalam kegiatan ini komunitas idBigData bekerja sama dengan Fasilkom Universitas Indonesia, sehingga pelaksanaannya dijadikan satu dengan gelaran akademis International Workshop on Big Data and Information Security (IWBIS 2018). Acara ini didukung oleh Bekraf, sehingga untuk pertama kalinya acara keren ini berlangsung gratis, sebagai akibatnya pendaftaran peserta jadi membludak dan banyak juga yang ga kebagian tiket untuk mengikuti acara. Wajarlah acara bagus dan digratiskan maka pada berlomba lomba untuk datang ke acara :).

Saya mengikuti acara KBI 2018 mewakili FEB Telkom University dan Asosiasi Ilmuwan Data Indonesia (AIDI). Banyak topik menarik yang dibawakan pada gelaran kali ini, dalam bentuk seminar dan pelatihan kilat (crash course) dari akademisi, industri, maupun pemerintahan. Daftar topik dan pembicara ada disini. Pada kesempatan yang sama, satu paper saya bersama mahasiswa (Dian) juga diterima untuk dipublikasikan pada gelaran IWBIS 2018. Paper tersebut berjudul “The Dynamic of Banking Network Topology – Case Study : Indonesia Presidential Election Event”. Alhamdulilah Dian yang mempresentasikan paper tersebut menyabet penghargaan Best Presenter

Rencananya KBI 2019 akan diadakan di ITS Surabaya, jadi sampai bertemu di Surabaya tahun depan ya .

IMG 4090

mewakili AIDI (Asosiasi Ilmuwan Data Indonesia)

IMG 4008

IMG 4017IMG 4100

IMG 4099

IMG 4043

Presentasi Dian di IWBIS

3B00C3AA 9E72 4914 82B1 10A2DF04250B

31632025 10156097913275202 4184739807911477248 n

Tulisan Big Data di Koran Pikiran Rakyat

Sudah sekian lama tidak menulis di media massa, akhirnya pada tanggal 23 April 2018 tulisan saya bersama dengan bu Lia Yuldinawati muncul di koran Pikiran Rakyat. Judul tulisan ini adalah “Di Era Big Data Internet Menjadi Kebutuhan Mendasar”. Tulisan ini menggambarkan bagaimana Big Data dapat diimplementasikan dalam segala lini kehidupan masyarakat untuk mendapatkan gambaran akurat mengenai gejolak sosial yang ada. Selama ini saya punya hardcopy artikelnya jadi belum sempet saya tuliskan di blog, tapi berkat bantuan rekan rekan dari Labtek Indie akhirnya saya mendapatkan softcopy tulisan tersebut. Monggo silahkan di klik gambar di bawah ini (ukuran 6 MB) untuk membaca artikelnya.

Image uploaded from iOS31144055 10156048637080202 7372322053127628631 n31143894 10156048637110202 6074305054173965283 n

Narasumber Big Data

Semenjak lulus sidang terbuka (ujian promosi doktor) bulan januari 2018 kemarin, saya merasa jauh lebih bebas memikirkan riset, memikirkan keilmuan, dan memikirkan hal hal lain termasuk topik Big Data. Dulu boro boro mau mikirin banyak hal, kalo urusan disertasi belum beres rasanya ga mau mikirin yang lain. Ini lebih karena takut yang dikerjakan di disertasi jadi lupa ..hehe. Karena lagi masa “tenang”, eh Ndilalah (ini basa jawa artinya tiba tiba) kok banyak datang tawaran jadi narasumber topik Big Data. Berhubung kebebasan mencari ide dan bercerita soal Big Data lagi banyak, maka saya iyain tawaran tersebut, lagian tawarannya deket, cuman di bandung dan jakarta, sebenernya ada satu tawaran lagi di jogja, terpaksa saya tolak, karena bentrok dengan acara yang di bandung. 

Narasumber pertama adalah di SBM-ITB dalam rangka pembukaan (Kick-Off) Seminar Lab. Big Data Analysis dan Social Simulation. Kebetulan nama lab nya mirip dengan lab saya (Social Computing dan Big Data). Ternyata memang ruang lingkupnya pun mirip, jadi asyiknya sekarang saya punya rujukan untuk kolaborasi riset tentang studi manusia / sosial menggunakan Big Data. Kebetulan ketua lab tersebut adalah teman waktu sama sama kuliah S1 di Matematika ITB. Jadi memang networking itu benar adanya. Saya yakin dengan kemampuan rekan saya (yang sealmamater ini) dalam membawa lab ini menjadi sukses. Sekali lagi selamat SBM ITB. 

Topik seminar SBM adalah “Big Data Development in Education and Business Practice”, dari topik besar tersebut saya jadi memikirkan kembali kenapa edukasi Big Data di Indonesia belum kedengaran gaungnya, padahal industri / bisnis lagi banyak mencari info dan talenta. Dari pemikiran tersebut maka muncul pemetaan kelimuan dan profesi Data Scientist yang saya tulis di blog ini. Dipikir pikir semakin sering jadi narasumber dan disodorin topik topik tertentu berkaitan dengan keahlian kita, maka semakin kita menguasai topik yang kita “rasa” kuasai dari berbagai sudut pandangan. 

Narasumber kedua adalah menjadi pembicara di acara BMKG (Badan Meterologi, Klimatologi, dan Geofisika). BMKG sedang menyambut hari jadi ke 68 hari meteorologi dunia. Untuk menyambut hari tersebut, mereka mengadakan seminar ilmiah dengan tema “Implementasi Big Data dan Artificial Intelligence untuk Peningkatan Layanan Kecepatan dan Akurasi Layanan Informasi BMKG”. Pembicara yang diundang adalah dari LIPI, UI, ITS, Grab, Solusi247, Telkom Indonesia, Schumberger, dan saya sendiri mewakili Telkom University. Materi yang saya bawakan berkaitan dengan peran Big Data dalam memahami perilaku manusia. Sepertinya topik saya tidak bersinggungan langsung dengan BMKG, akan tetapi ternyata misi dari BMKG sendiri adalah melihat kemajuan terkini terkait penelitian Big Data dalam segala bidang. 

Menjadi narasumber dalam suatu acara merupakan kesempatan bagus untuk menjalin jaringan dengan orang orang yang satu rumpun keilmuan dengan kita, atau bisa juga yang keilmuan tidak sama tapi mempunyai minat yang sama. Oh ya ngomong ngomong kenapa saya yang dipilih jadi narasumber di BMKG, rupanya alasannya sama dengan yang SBM, lagi lagi di BMKG ada rekan sesama almamater di S1 Matematika dulu.  ternyata oh ternyata .. eh tapi bukan hanya karena pertemanan lho saya diundang, tapi pertemanan bisa membantu menemukan siapa teman kita yang punya kemampuan seperti yang kita inginkan

Next Narasumber ? .. ada deh bulan bulan depan, nanti diupdate lagi beritanya.

Foto fotonya …

 

IMG 9170IMG 9284IMG 91636f520024 7198 43f1 80a6 ac297618d74e

 

 

Pemetaan Profesi Data Scientist

Big Data

Saking seringnya ngobrol tentang Big Data dengan beberapa kalangan, lama lama saya mulai bisa memetakan kebingungan, kegalauan, dan pemahaman masyarakat mengenai topik ini. Kebanyakan masyarakat yang awam dengan Big Data, sering tidak bisa mendefinisikan dengan tepat apa itu Big Data. Mereka hanya tahu bagian input dan output saja ..  proses di tengahnya gelap seperti blackbox. Bahkan beberapa rekan dosen yang masih awam bilang, coba selesaikan masalah penelitian dengan Big Data (maksudnya sih mengambil data dari media sosial), sementara yang lain menggangap bahwa Big Data itu metode pengganti statistik yang lebih canggih. Tentu saja anggapan anggapan tersebut tidak benar, kita semua mengenal istilah Big Data ini, karena ada peluang tersedianya data dalam jumlah besar, sehingga muncul peluang untuk memanfaatkannya. Perkara apakah hasil riset menggunakan Big Data akan lebih baik dari hasil metode konvensional (statistik), yah belum tentu juga.

Jadi Big Data itu apa ?, metode, alat, media atau yang hal lainnya yang kompleks,  tidak masuk dalam kategori yang bisa dipahami (rumit), maka dimasukkan ke dalam Big Data. Lucunya ini kenyataan lho, bahkan misalkan proses optimasi, simulasi, dan model matematika yang sudah ada sejak dulu, sering dianggap sebagai bagian Big Data juga, hanya karena metode itu saat ini sering digunakan (untuk menyelesaikan masalah kompleks) karena ketersediaan data yang semakin mudah. Sisi bagusnya adalah metode metode seperti artificial neural network, simulasi monte carlo, simulated annealing, dan lain lainnya semakin sering dipergunakan dan semakin dikenal.

Data Science

Supaya tidak terjebak istilah Big Data yang ambigu, maka saya sarankan kita bicaranya dari sisi Data Science saja. Data Science adalah suatu ilmu yang berpusat pada data sebagai komoditi utamanya. Beberapa metode dan kepentingan dari latar belakang kelimuan yang berbeda digunakan. Ilmu ilmu tersebut antara lain adalah ilmu komputer, matematika / statistika, bisnis, dan domain / konteks permasalahan.  Orang / talentanya disebut sebagai Data Scientist, dalam bahasa Indonesia adalah Ilmuwan Data. Kebetulan saya dan beberapa rekan ilmuwan serta praktisi membuat wadah Asosiasi Ilmuwan Data Indonesia (AIDI) (silahkan dicek,  boleh kok bergabung). Masih ingat postingan saya beberapa tahun yang lalu tentang tulisan Davenport dan DJ Patil di HBR bahwa “Data Scientist is the most sexiest job in 21th century” pada tahun 2012. Ternyata 5 – 6  tahun kemudian tetap sexy lho, cek disini dan disini.

Karena begitu sexy nya profesi ini, maka saya mulai melakukan riset kecil kecilan, kenapa profesi ini begitu dicari. Industri begitu kesulitan, dan bahkan putus asa mencari talenta yang bisa melakukan analisa, menceritakan pola dari data, dan membuat prediksi. Karena latar belakang pendidikan lulusan universitas pada umumnya sering terkotak kotak pada kelompok keilmuan tertentu, dan belum bisa berkomunikasi dengan bidang lain. Sebagai gambaran, daripada memberi gaji 1x ke programmer, 1x ke modeler, dan 1x ke orang bisnis (total 3x gaji), lebih baik perusahaan memberikan gaji 5x ke 1 orang yang menguasai ketiga domain tersebut. Nah talenta / orang ini yang disebut sebagai Data Scientist.

Pemetaan Data Scientist

Data Analytics Body of Knowledge

Data Science Knowledge Area

 

Data Engineering Body of Knowledge

 

Hasil baca sana sini, diperolah bahwa seorang Data Scientist itu harus mempunyai Knowledge Area (area pengetahuan) di bidang Data Analytics, Data Engineering, Data Management, Research Methodology, Project Management, Business Analytics, dan Domain Knowledge. Masing masing dari area pengetahuan diatas dibagi lagi menjadi keilmuan keilmuan kecil yang disebut sebagai Body of Knowledge (BoK) yang diselaraskan dengan cabang keilmuan, sehingga kita bisa identifikasi keilmuan besarnya masuk ke dalam ilmu apa. Peta sementara dari 3 gambar diatas, menunjukkan betapa kompleksnya keilmuan data tersebut, tidak salah kalo memang pekerjaan ini disebut pekerjaan sexy.

Oh ya sebagai penutup blog singkat ini.  Dari segitu banyak “maunya” industri mencari talenta Data Scientist yang canggih, sampai saat ini belum terlihat adanya daftar / framework kompetensi dari seorang Data Scientist yang diinginkan oleh industri, atau bahkan kompetensi secara global. Ini menjadi PR penting dalam rangka mengurangi gap antara lulusan universitas dan industri.

Menembus Kemacetan Bandung (Acara sharing BPS dan Konferensi ICoDIS)

Kemarin saya mendapatkan undangan untuk mengisi dua buah acara di bandung yang lokasinya berjauhan. Satu lokasi di ujung utara , di hotel grand mercure, jalan setiabudhi (di sekitaran area rumah sosis) dan satu lagi di ujung selatan, di kampus universitas telkom, jalan terusan buah batu. Acara di grand mercure adalah menjadi narasumber materi “Big Data Analytics Implementation” untuk Badan Pusat Statistik jam 8 pagi, sedangkan di universitas telkom adalah menjadi moderator plenary session pada International Conference on Data and Information Science (ICoDIS) jam 13 siang.

Bagi yang tinggal di Bandung tentu bisa membayangkan perjuangan menembus kemacetan yang makin hari makin tidak bisa diprediksi. Terutama dengan ada perbaikan jalan layang pasupati, kondisi pintu masuk GT pasteur yang menyempit, kemacetan luar biasa daerah terusan buah batu, belum lagi kemacetan daerah lain yang tidak terduga.

Akhirnya saya membujuk panitia acara BPS untuk memperbolehkan saya selesai jam 11 (dari rencana jam 12). Alhamdulilah perjalanan turun dari setiabudhi sampai GT pasteur lumayan lancar, hanya memakan waktu 30 menit, dari GT pasteur ke GT buah batu juga memakan waktu 30 menit. Tapi dari GT buah batu ke kampus telkom siang kemarin macetnya melebihi ekspektasi. Saya menghabiskan waktu 50 menit sampai ke gedung acara konferensi. Untungnya acaranya yang jam 13 dimulai agak telat, sehingga saya masih sempat sholat dan makan siang dulu. Total waktu dari setiabudi ke kampus univ telkom adalah 1 jam 50 menit.

Kesimpulannya jangan lagi lagi memenuhi undangan acara dalam sehari dalam jarak yang berjauhan seperti yang saya lakukan. kemarin saya termasuk beruntung karena hanya menemui satu titik kemacetan saja. Next time it could be worse

berikut foto acara sharing BPS dan konferensi ICoDIS

Sharing KickScraper (KickStarter Scrap using Ruby) sebagai Pemahaman Proses Pengumpulan Data

Lab Social Computing & Big Data mulai semester ganjil 2017/2018 ini diisi dengan personil personil baru mahasiswa angkatan 2014. Mereka akan mengadakan kegiatan riset, melayani pelatihan / asistensi mata kuliah Big Data dan Data Analytics, serta mengadakan acara sharing ilmu / akademik setiap minggu. Untuk minggu pertama ini kegiatan sharing diisi topik mengenai KickScraper, yaitu bagaimana melakukan web scrapping terhadap website Kickstarter dengan menggunakan script bahasa Ruby. Pemateri acara kali ini adalah Tri Buono, mahasiswa angkatan 2013. Teknik yang disharing oleh dia berkaitan dengan risetnya mengenai pengenalan pola pola investasi pada perusahaan startup. Acara ini dihadiri mahasiswa lab dan juga dosen dosen KK dan pengajar matkul Big Data & Data Analytics

Terdapat dua problem mendasar pada kegiatan data analytics yaitu yang pertama data collection dan yang kedua aktivitas data analytics sendiri. Kegiatan data collection sendiri merupakan masalah besar di Indonesia pada umumnya, dimana jarang sekali individu / organisasi yang memahami pentingnya semangat Open Data, sehingga data masing masing instansi / organisasi berdiri sendiri sendiri dan tidak teintegrasi, akibatnya banyak pekerjaan atau kebijaksanaan yang saling tumpang tindih, tidak konvergen mencapai tujuan bersama. Saya pernah punya pengalaman buruk mengenai open data dengan pemkot, dimana walikota klaim bahwa data pemkot terbuka untuk umum, tapi begitu mahasiswa saya mempelajari polanya, ternyata data tersebut tidak ‘berbunyi’ sehingga tidak bisa dicari polanya, tidak bisa didapat informasi atau pengetahuan. Pernyataan bahwa data sudah terbukapun  perlu diperiksa lagi, karena kita belum tahu seberapa lengkap data yang dimiliki.

Pada sharing kali ini, tujuan utama yang ingin dicapai bukanlah mengajarkan teknik mengambil datanya, tapi pemahaman bagaimana proses perolehan data. Kickscraper mengambil data web Kickstarter menggunakan API. Berbeda dengan teknik klasik web scrapping menggunakan layanan seperti import.io ataupun parsehub, maka pengambilan data menggunakan API lebih fleksibel, lebih powerful dan bisa mengambil hidden data kalau penyedia layanan mengijinkan. Kerugiannya adalah kita tidak tahu sampai kapan API tersebut tersedia (secara gratis). Jadi proses data collection merupakan proses yang dinamis, apa yang kita ketahui hari ini belum tentu besok masih bisa dilakukan. Oleh karenanya pesan yang saya sampaikan adalah yang paling penting memahami proses, klasifikasi jenis / teknik pengamnilan data, serta membiasakan mahasiswa mahasiswa manajemen bisnis ini untuk ngoding …. yah bahasa koding ini bahasa yang paling penting dipelajari selain bahasa inggris. Beberapa mahasiswa memang tidak biasa dengan pengoperasian terminal di mac atau  windows shell, bahkan belum tahu bagaimana menjalankan ruby (ataupun python dan sejenisnya), sehingga acara sharing ini merupakan sarana bagus untuk memperkenalkan hal hal tersebut. 

 

IMG 8452

IMG 1082

IMG 0102

IMG 8369

IMG 5349

IMG 3885

Dinamika Pilkada DKI 2017 menggunakan Jejaring Sosial

Pilkada DKI 2017 merupakan event yang menjadi magnet bagi bangsa Indonesia, bukan hanya ekslusif untuk warga DKI saja. Event ini sangat menarik untuk dianalisa, terutama buat saya yang selama ini mendalami keilmuan jejaring sosial, dimana konsentrasi pergerakan sosial atas isu isu tertentu bisa menjadi bahan untuk memahami perilaku sosial bangsa kita. Perilaku pada media sosial menunjukkan bagaimana opini nyata tiap individu, pembentukan kelompok sosial, dan juga rekayasa opini (termasuk hoax dan lain lainnya). Pada entri kali ini saya melihat dinamika percakapan masyarakat Indonesia di media sosial membahas berbagai topik berkaitan dengan Pilgub DKI 2017. Sebagai disclaimer saya tegaskan politik bukan merupakan domain yang saya pahami sepenuhnya. Pada entri blog ini tidak ada tendensi untuk mendukung calon manapun, dan lagian saya bukan warga DKI juga 😛

 

Saya mengambil data di Twitter sebagai sample, karena di media sosial ini perilaku sosial terkait pilkada terlihat jelas. Facebook juga menunjukkan kecenderungan serupa dengan Twitter, tetapi karena di Facebook tidak mungkin bagi kita untuk mengambil semesta data, dan hanya mungkin mengambil data dari lingkungan pertemanan kita, maka Twitter merupakan media yang tepat dari sisi pencapaian pengambilan data dan keterwakilan sample.

 

Profil Data :

Data percakapan di Twitter diambil mulai dari tanggal 8-11 februari 2017, tepat selama 60 jam. Durasi ini melewati acara debatcagub ke 3 yang diadakan pada tanggal 10 februari malam.  Sebelum acara debat yang dilaksanakan tweet yang terkumpul adalah sebanyak 18077 tweet (nomer1), 23656 tweet (nomer2), dan 41053 tweet(nomer3). Setelah acara debat terlihat lonjakan jumlah tweet menjadi 35380 tweet (nomer1), 49028 tweet(nomer2), dan 82185 tweet(nomer3). Total keseluruhan tweet yang diambil adalah sebanyak 166593 tweet dengan total data space mendekati 1 GB. Keyword / Hashtag disesuaikan untuk tiap tiap paslon, sesuai dengan hashtag yang paling banyak diadopsi oleh publik dan pendukungnya. Hashtag hashtag tersebut antara lain 

 

nomer 1 : #jakartauntukrakyat #ahyfordki1 #MuslimberSatupilihno1 #AgusSylviKonsisten #SATUkanjakarta #JakartaForAll

nomer 2 : #perjuanganbelumselesai #coblosbadjanomor2 #FreeAhok #BadjaMelaju #SekuatBadja #Gue2 #Badjajuara #salamduajari

nomer 3 : #salambersama #TerbuktiOkOce #majubersama #CoblosPecinya #AniesSandiCintaUlama

 

Nomer1


Dari paslon nomer 1 saya memperoleh 35380 tweet, dimana didalamnya terdapat 8505 aktor yang terlibat percakapan, dengan sejumlah 29836 percakapan antar aktor tersebut. Pola percakapan dari gambar dibawah memperlihatkan bahwa terdapat 3 kelompok besar  (ungu, hijau, biru) yang mendominasi 60% percakapan. Aktor aktor utama jaringan ini adalah @AgusYudhoyono @Abaaah @SBYudhoyono. Terdapat beberapa situs berita yang dominan yaitu @Metro_TV @kompscom @detikcom dll. keseluruhan top 50 aktor bisa dilihat di gambar dibawah. Kelompok terbesar adalah kelompok berwarna ungu dengan ukuran 27% (cukup besar) dari keseluruhan jaringan.  Kelompok terbesar ini berisi tokoh tokoh utama dari paslon 1, kelompok kedua sebesar 13% berisi akun akun pendukung utama seperi @AhyCenter @agusylviDKI @ZaraZettiraZZ @Umar_Hasibuan @panca66. 

 

 

1

 

1detail

 

1top

 

11

Nomer2

 

Dari paslon nomer 2 diperoleh 49028 tweet, dimana percakapan tersebut melibatkan 15745 aktor dan 44834 percakapan antar aktor aktor tersebut. DI jejaring nomer 2 ini kelompok terlihat lebih menyebar dengan kelompok terbesar berwarna ungu mempunyai ukuran hanya 10,9%, dilanjutkan dengan kelompok warna hijau tua (9,5%), dan disusul warna biru (8,39%). Aktor aktor utama nya bisa dilihat pada gambar dibawah (top-50), terlihat bahwa aktor aktor dominan tersebut berada pada kelompok yang berbeda (terlihat dari warna node yang berbeda). 

 

 

2

 

2detail

 

2top

 

21

 

 Nomer3

 

Paslon 3 mempunyai data tweet yang paling banyak dibandingkan paslon lainnya. 82185 tweet terambil dalam periode pengambilan, yang melibatkan 12744 aktor dan 22565 interaksi percakapan. Dengan sejumlah 22565 tweet interaksi dibandingkan dengan total 82185 tweet yang terambil, maka rasio percakapan / diskusi dalam jaringan ini sangat kecil dibandingkan paslon lain. Sebagian besar tweet adalah indivdual tweet atau tweet yang tidak mengenerate percakapan.Seperti paslon 1, kelompok di jaringan ini didominasi oleh 3 kelompok utama yaitu kelompok ungu (26,76%), hijau (23,67%), dan biru (18,51%). Total tiga kelompok tersebut sudah sangat mendominasi dengan mencakup 69% percakapan. 

 

 

3

 

3detail

 

3top

 

31

Analisa

 

Dari pengukuran average degree (rata rata koneksi dari seorang aktor) dan network diameter (besar jaringan)  ketiga jejaring sosial tidak mempunyai perbedaan yang signifikan. Pada pengukuran .graph density (kepadatan percakapan), Nomor 1 dan 2 lebih baik dari Nomor 3, kepadatan yang baik lebih disukai, ini mengindikasikan bagaimana banyaknya interaksi dalam suatu jejaring sosial. Perbedaan yang signifikan terlihat dari dinamika terbentuknya kelompok dan pengukuran kecenderungan pengelompokan dengan menggunakan metric modularity. Nomer 1 dan nomer 3 mempunyai nilai modularity yang lebih tinggi dari Nomer 2, yang artinya kelompok yang terbentuk benar benar terpisah dengan jelas. Kelompok kelompok pada paslon nomor  2, masih berhubungan erat dengan keompok lain dalam jejaring sosialnya.  Bisa disimpulkan bahwa percakapan paslon nomor 2 lebih di generate oleh massa, sehingga kelompok percakapan yang terbentuk terlihat lebih natural, sedangkan kelompok pada nomor 1 dan nomor 3 dikendalikan secara sistematik oleh aktor aktor utama.

 

Analisa jejaring sosial adalah analisa cepat untuk melihat dinamika struktur jaringan. Untuk supaya bisa memodelkan dan membuat prediksi siapa pemenang pilkada, tentunya butuh analisa faktor lain, contohnya seperti analisa konten tweet (sentiment analysis atau opinion mining). Saya pernah mengusulkan analsia konten dengan cara cepat menggunakan network text analysis seperti yang saya tulis di paper saya ini dan paper saya yang ini. Untuk analisa konten tersebut, dibutuhkan data raw twitter, berhubung data tersebut berukuran sangat besar 1 GB dan berada di komputer lab., plus  sayanya sedang mobile (weekendan), maka saya hanya mengambil ekstrak data jejaring sosial yang hasilnya saya jabarkan dalam blog ini.

 

Bila ada yang tertarik untuk menganalisa topik ini lebih mendalam, terutama yang ahli dibidang politik, silahkan kontak saya untuk berdiskusi atau bahkan mungkin mendapatkan datanya.