SOCIAL NETWORK ANALYSIS (SNA) MENGENAI PROGRAM VAKSINASI COVID-19 DI TWITTER

Krisnawati, Eli (2022) SOCIAL NETWORK ANALYSIS (SNA) MENGENAI PROGRAM VAKSINASI COVID-19 DI TWITTER. Diploma thesis, Politeknik Harapan Bersama.

Text (TI 0445.22 ELI s) Eli Krisnawati 18090124 Teknik Informatika.pdf Restricted to Registered users only Download (21MB)

Abstract

Coronavirus Diseas-19 (Covid-19) merupakan virus yang dianggap sebagai pandemi oleh WHO. Kasus terkonfimasi covid-19 semakin melonjak di Indonesia. Oleh sebab itu, pemerintah membuat kebijakan untuk mengurangi angka kematian akibat covid-19 dengan mengadakan program vaskin massal. Namun, program tersbut menjadi perbincangan di Twitter yang membentuk penerimaan dan penolakan dari masyarakat. Maka dari itu, twitter dapat dimanfaatkan untuk melakukan analisa data. Penelitian ini menggunakan social network analysis (sna) dengan menggunakan skor eigenvector centrality terkait aktor berpengaruh dalam sebuah jaringan yang memiliki hubungan dengan aktor penting lainnya dalam penyebaran informasi terkait vaksin menggunakan kata kunci vaksinasi covid 19. Data yang diteliti sebanyak 22.498 nodes dan 31.982 edges yang sebelumnya sudah ditentukan source dan target. Data tersebut diambil melalui proses crawling API Twitter yang dimulai pada tanggal 01 sampai dengan 24 Januari 2021. Hasil dari penelitian menunjukkan bahwa terdapat 10 aktor dengan skor eigenvector centrality tertinggi, yaitu @jokowi, @ridwankamil, @Abe_Mukti,@yanuarnugroho, @KompasTV, @VIVAcoid, @KemenkesRI, @BBCIndonesia, @tempodotco, dan @kompascom. Dari 10 akun tersbut, akun @jokowi merupakan akun dengan sentralitas tertinggi yaitu 1.0. Selanjutnya, menentukan nilai popularitas menggunakan follower rank. Dari penelitian ini didapat bahwa akun @ kompascom memili skor follower tertinggi yaitu 0,99999699.. Dengan demikian, aktor yang memiliki skor eigenvector centrality tidak selalu memiliki skor follower rank yang tinggi. Namun, hal tersebut belum tentu berlaku jika untuk topik pembahasan yang lain, karena hal ini dipengaruhi juga oleh banyaknya data yang diambil.

Item Type:	Thesis (Diploma)
Subjects:	T Technology > T Technical Information
Divisions:	Teknik > Diploma IV Teknik Informatika
Depositing User:	Unnamed user with email perpustakaan@poltektegal.ac.id
Date Deposited:	13 Jan 2023 09:07
Last Modified:	13 Jan 2023 09:07
URI:	http://eprints.poltektegal.ac.id/id/eprint/1453

Actions (login required)

View Item