Tugas Makalah

Sistem Temu Kembali Informasi (STKI)

TI029306

Analisa Kelompok Pergaulan dengan Temu Kembali Informasi

pada Jejaring Sosial

Oleh :

I Putu Gede Mayu Krisnawan

1204505037

Dosen :

I Putu Agus Eka Pratama, ST MT

Jurusan Teknologi Informasi

Fakultas Teknik Universitas Udayana

2015

KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa karena

dengan rahmat, karunia, dan berkat-Nya penulis dapat menyelesaikan makalah

dengan judul Analisa Kelompok Pergaulan dengan Temu Kembali Informasi

pada Jejaring Sosial ini dengan baik. Penulis juga berterima kasih pada Bapak I

Putu Agus Eka Pratama, ST MT selaku Dosen mata kuliah Sistem Temu Kembali

Informasi di jurusan Teknologi Informasi Universitas Udayana yang telah

membimbing pengerjaan makalah ini.

Penulis sangat berharap makalah ini dapat berguna dalam rangka

menambah wawasan serta pengetahuan kita mengenai teori dan penerapan dari

sistem temu kembali informasi. Penulis juga menyadari sepenuhnya bahwa

makalah yang dikerjakan belum dapat disebut sempurna. Oleh sebab itu, penulis

berharap adanya kritik, saran dan usulan demi perbaikan makalah yang telah kami

buat di masa yang akan datang, mengingat tidak ada sesuatu yang sempurna tanpa

saran yang membangun.

Penulis juga mohon maaf apabila terdapat kata-kata kurang berkenan.

Semoga makalah ini dapat dipahami bagi siapapun yang membacanya. Sekiranya

makalah yang telah disusun ini dapat berguna bagi penulis sendiri maupun pihak

yang membacanya.

Jimbaran, Mei 2015

Penyusun

ABSTRAK

Jejaring sosial sudah menjadi tren yang tidak bisa dihindari lagi. Melalui

jejaring sosial terjadi berbagai interaksi sosial. Interaksi sosial yang terjadi pada

jejaring sosial kemudian menimbulkan berbagai fenomena sosial. Salah satu

fenomena sosial yang patut diperhatikan adalah permasalahan yang terjadi dalam

pergaulan. Kurangnya perhatian terhadap permasalahan dari pergaulan dalam

jejaring sosial inilah yang menimbulkan berbagai permasalahan. Pencegahan

permasalahan pada pergaulan dapat dilakukan dengan analisis kelompok

pergaulan pada jejaring sosial. Sebagaimana data pada jejaring sosial yang terus

berkembang, maka penerapan information retrieval dapat dilakukan untuk

menemukan kembali data berupa interaksi sosial yang membentuk pola pergaulan

dari individu pengguna jejaring sosial. Konten pada jejaring sosial juga dapat

diperoleh sentimennya melalui analisis sentimen dengan penerapan natural

language processing. Sentimen dari konten jejaring sosial inilah dapat menjadi

acuan untuk memperoleh pola pergaulan yaitu berupa kelompok pergaulan pada

jejaring sosial.

Kata kunci :

Information Retrieval, Social Network, Natural Language Processing

BAB I

PENDAHULUAN

1.1 Latar Belakang

Penggunaan jejaring sosial merupakan tren yang tidak bisa dihindari lagi.

Melalui jejaring sosial terjadi berbagai interaksi sosial. Interaksi sosial yang

terjadi pada jejaring sosial kemudian menimbulkan berbagai fenomena sosial.

Salah satu fenomena sosial yang patut diperhatikan adalah permasalahan yang

terjadi dalam pergaulan. Terkadang pergaulan melalui jejaring sosial

menimbulkan dampak positif maupun negatif.

Pergaulan melalui jejaring sosial pun relatif lebih sulit untuk dikontrol

mengingat pengguna jejaring sosial dari seluruh dunia semakin meningkat.

Menurut portal statistik yaitu statista, pengguna jejaring sosial dari seluruh dunia

hingga tahun 2013 diperkirakan sudah mencapai 1,59 miliar pengguna. Pada

tahun 2011 jumlah pengguna mencapai 1,22 miliar pengguna dan tahun 2012

mencapai 1,4 miliar pengguna. Jumlah ini diperkirakan meningkat dari tahun ke

tahun (statista, 2013).

Perkembangan pengguna dari jejaring sosial yang terus berkembang inilah

yang tentunya dapat menyebabkan ruang lingkup pergaulan semakin luas dan sulit

untuk diawasi. Berbagai kasus penyimpangan sosial dan berbagai jenis

kriminalitas dapat terjadi pada jejaring sosial. Mulai dari kasus anak dibawah

umur yang melarikan diri dengan teman jejaring sosialnya hingga kasus pencurian

ataupun pembunuhan dapat terjadi akibat kurangnya pengawasan terhadap

aktivitas media sosial.

Kurangnya perhatian terhadap permasalahan dari pergaulan dalam jejaring

sosial inilah yang menimbulkan berbagai permasalahan yang tidak harusnya

terjadi. Selain itu upaya pencegahan akan lebih baik dilakukan daripada

penanggulangan terhadap permasalahan yang sudah terjadi. Berbagai pihak yang

terlibat dalam permasalahan ini tentunya harus memperhatikan upaya pencegahan

terlebih dahulu.

Salah satu kasus yang sering terjadi adalah permasalahan pada pergaulan

remaja. Melalui data statistik, jumlah dari pengguna jejaring sosial secara umum

didominasi oleh usia yang tergolong remaja (jetscram, 2014). Selain itu remaja

sebagai usia yang secara umum masih berkembang dalam segi kematangan

emosional umumnya sulit dalam menentukan keputusan yang tepat bagi masa

depannya. Oleh karena itu peran pengawasan dari pihak-pihak terkait seperti

orang tua dan sekolah tentunya penting dalam pergaulan remaja.

Upaya pencegahan yang mungkin dapat dilakukan adalah dengan

memberikan pembelajaran yang baik. Namun dalam proses pembelajaran tentunya

memerlukan fungsi pengawasan yang baik. Fungsi pengawasan dalam pergaulan

jejaring sosial tentunya akan sulit untuk dilakukan apabila tidak tersedia metode

atau sistem yang dapat mempermudah fungsi pengawasan pergaulan pada jejaring

sosial.

Sebagaimana fungsi pengawasan pergaulan pada jejaring sosial merupakan

hal yang penting untuk dilakukan, maka ketersediaan metode atau sistem yang

tepat guna dalam pengawasan pergaulan pada jejaring sosial merupakan prioritas

yang cukup perlu untuk diperhatikan. Apabila pengawasan dilakukan dengan baik

maka proses pembelajaran bagi remaja dalam penggunaan jejaring sosial dapat

dilakukan dengan baik juga.

Temu kembali informasi yang merupakan upaya untuk memperoleh kembali

informasi melalui sekumpulan sumber, dapat diterapkan pada jejaring sosial.

Salah satu bentuk temu kembali informasi yang dapat diterapkan adalah temu

kembali informasi dengan sumber data dari jejaring sosial. Melalui analisa

kelompok pergaulan dengan temu kembali informasi pada jejaring sosial,

diharapkan fungsi pengawasan pergaulan pada jejaring sosial dapat dilakukan

dengan lebih baik lagi.

1.2 Rumusan Masalah

Secara umum masalah yang dikaji adalah penerapan temu kembali

informasi pada analisa kelompok pergaulan dengan jejaring sosial. Berikut

merupakan penjarbaran masalah yang akan dikaji lebih lanjut.

1) Apakah analisa kelompok pergaulan dapat dilakukan dengan temu kembali

informasi pada jejaring sosial?

2) Bagaimanakah analisa kelompok pergaulan dengan temu kembali informasi

pada jejaring sosial dapat dilakukan?

3) Apakah temu kembali informasi pada jejaring sosial dapat diterapkan

sebagai solusi yang efektif dalam analisa kelompok pergaulan?

1.3 Solusi

Analisa kelompok pergaulan pada jejaring sosial dapat dilakukan dengan

temu kembali informasi pada jejaring sosial yang populer untuk digunakan.

Sebagaimana situs jejaring sosial yang umumnya digunakan oleh banyak

pengguna dari seluruh dunia, ketersediaan seperti API (Application Programming

Interface) yang membantu pengembang membuat layanan third party umumnya

tersedia dan dapat diakses oleh publik. Hal ini tentunya dapat memudahkan proses

temu kembali informasi pada jejaring sosial.

Temu kembali informasi yang dibantu dengan API pada jejaring sosial

tentunya dapat dengan mudah dilakukan untuk melakukan analisa kelompok

pergaulan pada jejaring sosial. Pengolahan statistik seperti jumlah ketertarikan

antar pengguna jejaring sosial dapat dijadikan dasar untuk melakukan analisa

kelompok pergaulan. Misalnya saja pada jejaring sosial seperti facebook, data

pengguna seperti jumlah like atau komentar dapat menjadi acuan untuk

melakukan pengelompokan pergaulan.

Data ketertarikan antar pengguna dapat diolah secara statistik melalui

penerapan algoritma data minning yaitu clustering. Karena ketertarikan antar

pengguna dapat dibentuk menjadi angka pasti tentunya penerapan algoritma

clustering dapat dengan mudah dilakukan. Namun sebelum data dapat diolah

tentunya diperlukan proses untuk mengubah jenis sumber data yang berbeda dari

masing-masing jejaring sosial media menjadi satu bentuk data kuantitatif yang

bersifat eksak. Misalnya saja pada jejaring sosial facebook ketertarikan antar

pengguna dapat dilihat dari jumlah like atau komentar, maka pada jejaring sosial

seperti twitter ketertarikan pengguna dapat dilihat dari frekuensi pengguna untuk

melakukan mention pada pengguna lain. Lebih lanjut lagi penerapan natural

language processing dapat dilakukan untuk menemukan sentimen dari konten

yang dibuat pengguna jejaring sosial terhadap pengguna lain.

Data eksak dari ketertarikan dari pengguna secara lebih lanjut dapat diolah

dengan penerapan algoritma clustering. Namun perlu diperhatikan juga volume

data yang digunakan dalam analisa kelompok pergaulan yang akan dilakukan.

Apabila volume data cukup besar, maka sistem untuk proses analisa haruslah

memiliki skalabilitas yang baik agar sistem tetap dapat melakukan pengolahan

data tanpa penambahan infrastruktur yang siginifikan. Pemilihan sistem

penyimpanan data merupakan salah satu hal yang penting untuk dilakukan.

Sistem penyimpanan data yang dapat diterapkan tentunya harusnya

menyesuaikan dengan volume data yang akan digunakan. Salah satu sistem

penyimpanan data yang sedang menjadi tren dalam penerapan data minning

adalah penerapan sistem database NoSQL. Sistem database NoSQL umumnya

memiliki struktur yang tidak konvensional dan memiliki perbedaan performa

dengan sistem database relasional dalam penggunaannya untuk melakukan

analisis data.

Disamping penerapan algoritma dan sistem penyimpanan data yang tepat

tentunya diperlukan sumber data yang tepat. Pemilihan sumber data yang tepat

tentunya perlu untuk dilakukan agar hasil analisa menjadi lebih relevan.

Pemilihan jejaring sosial yang tepat hingga rentang dan porsi data yang tepat

tentunya merupakan faktor yang penting dalam melakukan analisa kelompok

pergaulan dengan temu kembali informasi pada jejaring sosial.

BAB II

LANDASAN TEORI & DESAIN SOLUSI

2.1 Landasan Teori

Makalah ini mengacu pada berbagai teori yang menjadi landasan dalam

penyusunannya. Berbagai teori yang digunakan dalam makalah ini antara lain

adalah sebagai berikut.

2.1.1 Temu Kembali Informasi

Temu kembali informasi atau Information Retrieval (IR) adalah kegiatan

untuk menemukan informasi (biasanya berupa dokumen) dalam bentuk yang

kurang terstruktur yang nantinya akan berguna untuk memenuhi kebutuhan akan

informasi yang diinginkan. Data yang kurang terstruktur dan diolah dalam IR

berhubungan dengan data yang memiliki relasi semantik kurang jelas dan tidak

mudah untuk dimengerti oleh komputer (struktur datanya masih sulit diolah). Hal

ini bertentangan dengan data yang terstruktur, contoh sederhananya adalah

database relasional yang lebih mudah untuk diolah lebih lanjut.

IR mencakup proses pencarian dan proses pemilahan kumpulan dokumen.

Misalnya saja tersedia beberapa dokumen, clustering merupakan kegiatan yang

berhubungan dengan pengelompokan dokumen berdasarkan kontennya sedangkan

klasifikasi merupakan kegiatan untuk menentukan kelompok dari sebuah

dokumen berdasarkan topiknya. Dalam kaitannya dengan dunia nyata, hampir

tidak ada data yang benar-benar terstruktur. Contoh sederhananya adalah bahasa

manusia yang sebenarnya memiliki struktur tersendiri. Karena data yang tersedia

tidak ada yang benar-benar tidak terstruktur maka IR juga mencakup mengenai

pengolahan data semi terstruktur.

Metode yang digunakan pada IR umumnya adalah metode berupa pencarian

dan pengelompokan data. Beberapa contoh metode dalam bentuk algoritma yang

dipergunakan pada IR antara lain adalah boolean retrieval, hierarchial clustering

dan juga support vector machine. Dalam melakukan pengelompokan data pada IR

haruslah menggunakan metode pemberian bobot yang cukup baik apabila hasil

dari IR yang diinginkan adalah hasil yang cukup relevan dan efisien.

2.1.2 Jejaring Sosial

Jejaring sosial adalah sebuah layanan yang memungkinkan individu untuk

(1) membangun profil publik atau semi-publik dalam sistem yang memiliki ruang

lingkup tertentu, (2) mengartikulasikan daftar pengguna lain dengan siapa mereka

berbagi koneksi dan (3) melihat dan melintasi daftar hubungan lain yang dibuat

oleh orang lain dalam sistem. Sifat dan nomenklatur hubungan ini dapat bervariasi

dari masing-masing jejaring sosial.

Situs jejaring sosial pertama kali diluncurkan pada tahun 1997. Pada tahun

1997, SixDegrees.com merupakan jejaring sosial pertama yang memungkinkan

pengguna untuk membuat profil, daftar. Masing-masing fitur ini ada dalam

beberapa bentuk sebelum sixdegrees, tentu saja. Profil ada di sebagian besar situs

kencan utama dan banyak situs komunitas. AIM dan ICQ mendukung daftar

pertemanan, meskipun daftar pertemanan tersebut tidak terlihat oleh orang lain.

Classmates.com memungkinkan orang untuk afiliasi dengan sekolah tinggi atau

perguruan tinggi dan penelusuran bagi orang lain yang juga berafiliasi, tapi

pengguna tidak dapat membuat profil atau daftar teman sampai tahun kemudian.

Sixdegrees adalah jejaring sosial pertama yang mencakup fitur dasar yang

merupakan kriteria dari jejaring sosial.

Berikutnya Ryze.com diluncurkan pada tahun 2001 untuk membantu orang

memanfaatkan jaringan bisnis mereka. Pendiri Ryze melaporkan bahwa dirinya

pertama kali memperkenalkan situs tersebut anggota bisnis dan teknologi

masyarakat San Francisco, termasuk pengusaha dan investor. Secara khusus,

orang-orang di belakang Ryze, Tribe.net, LinkedIn, dan Friendster yang erat

terjalin secara pribadi dan profesional. Mereka percaya bahwa mereka bisa saling

mendukung tanpa bersaing. Namun pada akhirnya, Ryze tidak pernah diperoleh

popularitas massa, Tribe.net tumbuh memiliki jumlah pengguna yang banyak,

LinkedIn menjadi layanan bisnis yang kuat, dan Friendster menjadi yang paling

signifikan pada saat itu. Pada tahun 2003 juga berdiri jejaring sosial MySpace

yang bersaing dengan Friendster dengan menambahkan fitur berdasarkan

permintaan pengguna yaitu memungkinkan pengguna untuk melakukan

personalisasi halaman pengguna. Hal inilah yang pada saat itu membuat MySpace

menjadi unik.

Pada awal tahun 2004 munculah Facebook yang berdiri sebagai jejaring

sosial yang hanya tersedia bagi mahasiswa Harvard namun akhirnya dapat

digunakan oleh umum. Pada tahun 2006 kemudian didirikanlah Twitter. Twitter

disebut bukan sebagai jejaring sosial oleh beberapa pihak karena Twitter memiliki

bentuk interaksi yang berbeda dan berdasarkan pihak eksekutif Twitter yaitu

Kevin Thau memberikan statemen pada Nokia World 2010 bahwa twitter

bukanlah jejaring sosial. Namun melalui aktivitas dan fitur yang tersedia pada

Twitter, Twitter dapat tergolong sebagai jejaring sosial juga. Fitur yang dimaksud

adalah fitur untuk membuat profil pengguna, membuat daftar pertemanan dan

melakukan interaksi sosial antar pengguna. Baik Twitter maupun Facebook

menyediakan pihak ketiga sarana untuk mengakses data yang tersimpan melalui

mekanisme penggunaan API (Application Programming Interface) yang memiliki

batasan-batasan tertentu.

2.1.3 API (Application Programming Interface)

API (Application Programming Interface) adalah seperangkat rutin,

protokol, dan alat-alat untuk membangun aplikasi perangkat lunak. API

mengekspos komponen software dalam hal operasi, input, output, dan jenis yang

mendasarinya. API mendefinisikan fungsi yang independen dari implementasi

masing-masing, yang memungkinkan definisi dan implementasi. Sebuah API

yang baik memudahkan proses pengembangan program dengan menyediakan

kumpulan fungsi yang dapat digunakan programmer. Seorang programmer

kemudian menempatkan fungsi-fungsi tersebut secara bersama-sama.

Programmer dapat membuat request dengan memasukkan pemanggilan

fungsi pada API dalam kode program. Sintaks API umumnya dijelaskan dalam

dokumentasi dari API yang digunakan. Berbagai jenis API juga tersedia pada

berbagai platformi dan bahasa pemrograman. Tujuan utamanya tersedia API

adalah agar programmer dapat dengan mudah mengakses fungsi yang dibutuhkan

untuk membuat program.

2.1.4 Data Mining

Data mining adalah kegiatan mengekstraksi atau menambang pengetahuan

yang bermanfaat dari data yang berukuran/berjumlah besar. Data Mining memang

salah satu cabang ilmu komputer yang relatif baru. Hingga saat ini penempatan

data mining di bidang ilmu tertentu masih menjadi perdebatan. Hal ini

dikarenakan data mining menyangkut database, kecerdasan buatan (artificial

intelligence) dan statistik. Sebagai ssebuah kegiatan, data mining tentunya

memiliki berbagai langkah umum. Langkah-langkah yang dimaksud adalah

sebagai berikut.

a. Data cleaning (untuk menghilangkan noise data yang tidak konsisten)

b. Data selection (dimana data yang relevan dengan tugas analisis disimpan ke

dalam database)

c. Data transformation (dimana data berubah atau bersatu menjadi bentuk

yang tepat untuk menambang dengan ringkasan performa atau operasi

agresi)

d. Data mining (proses esensial di mana metode yang intelejen digunakan

untuk mengekstrak pola data)

e. Pattern evolution (untuk mengidentifikasi pola yang benar-benar menarik

yang mewakili pengetahuan berdasarkan atas beberapa tindakan yang

menarik)

f. Knowledge presentation (di mana gambaran teknik visualisasi dan

pengetahuan digunakan untuk memberikan pengetahuan yang telah

ditemukan kepada user).

Sebagai sebuah kegiatan penggalian informasi, data minning memiliki

berbagai pokok permasalahan yang sering dikaji. Permasalahan tersebut dapat

dibagi menjadi beberapa jenis kegiatan yang menerapkan algoritma-algoritma

tertentu. Misalnya saja kegiatan clustering dikenal algoritma hierarchial dan K-

Means clustering, sedangkan pada kegiatan klasifikasi data dapat menggunakan

algoritma seperti C.45 atau Support Vector Machine. Selain itu kegiatan lain

seperti analisis asosiasi dan prediksi data juga termasuk ke dalam ranah data

mining.

2.1.5 Natural Language Processing

Natural Language Processing (NLP) adalah bidang penelitian yang

mengeksplorasi bagaimana komputer dapat digunakan untuk memahami dan

memanipulasi teks dari bahasa alami atau sebuah percakapan untuk mendapatkan

informasi yang bermanfaat. Peneliti NLP bertujuan untuk mengumpulkan

pengetahuan tentang bagaimana manusia memahami dan menggunakan bahasa

sehingga alat dan teknik yang tepat dapat dikembangkan untuk membuat sistem

komputer yang memahami dan memanipulasi bahasa alami untuk melakukan

tugas-tugas yang diinginkan. Fondasi NLP terletak pada beberapa disiplin ilmu

seperti ilmu komputer dan informasi, linguistik, matematika, teknik kelistrikan,

kecerdasan buatan dan robotika, psikologi. Aplikasi NLP mencakup sejumlah

bidang studi, seperti mesin penerjemah, pengolahan teks dengan bahasa alami dan

summarization, cross language information retrieval (CLIR), pengenalan suara,

kecerdasan buatan dan sistem pakar.

NLP juga dapat diterapkan dalam analisis sentimen dari konten yang

berbasis teks maupun non teks. Analisis sentimen biasa ditujukan untuk mencari

makna kontekstual dari sebuah konten yang tersedia. Sentimen yang ditemukan

bisa saja berupa sentimen negatif, positif atau netral. Isu penting dalam analisis

sentimen adalah untuk mengidentifikasi bagaimana sentimen disajikan dalam teks

dan apakah sebuah ekspresi menunjukkan pendapat positif (menguntungkan) atau

negatif (tidak menguntungkan). Secara lebih detail lagi analisis sentimen

melibatkan identifikasi dari beberapa aspek. Berikut merupakan merupakan aspek

yang dimaksud.

a. Ekspresi sentimen

b. Polaritas dan kuat tidaknya suatu ekspresi

c. Hubungan antar subjek dalam ekspresi

Misalnya kalimat “XXX mengalahkan YYY”. Bisa saja berarti XXX memiliki

sentimen positif sedangkan YYY memiliki sentimen negatif dengan polaritas dan

kuat tidaknya sentimen yang berbeda.

2.1.6 NoSQL

NoSQL adalah jenis database yang digunakan untuk menyimpan volume

data yang besar. Database NoSQL adalah database skalabilitasnya dapat

berkembang secara horizontal (penambahan cluster yang terhubung satu sama

lain), terdistribusi dan bersifat open source dan non-relasional. Peforma yang baik

adalah perhatian utama hampir dari setiap sistem data-driven. NoSQL database

diklaim dapat memberikan kinerja lebih cepat dari sistem database relasional

dalam berbagai kasus penggunaan, terutama dalam kasus penggunaan yang

melibatkan volume data yang besar. Namun perlu dipahami juga bahwa tidak

semua database NoSQL adalah dibuat dengan struktur dan fungsionalitas yang

sama. Berikut merupakan jenis-jenis database NoSQL sesuai strukturnya.

a. Key-Value Stores

Jenis database NoSQL key-value stores adalah jenis database dengan

struktur tidak relasional yang hanya terdiri dengan kumpulan key unuk yang

masing-masing memiliki satu nilai. Contoh dari jenis key-value stores adalah

memcached dan redis.

b. Document Stores

Jenis database NoSQL document stores memiliki struktur yang sedikit lebih

kompleks dari key-value stores namun tetap tidak memiliki relasi antar dokumen

(dianalogikan sebagai tabel dalam database relasional). Data yang disimpan pada

jenis database ini adalah data dalam format dokumen, misalnya JSON (Javascript

Object Notation). Contoh dari jenis database ini adalah MongoDB, CouchDB dan

SimpleDB.

c. Extensible Record Stores

Jenis database NoSQL ini memiliki model data berupa kumpulan baris dan

kolom dan model skalabilitas dasarnya berupa pembagian baris dan kolom ke

dalam node yang terhubung menjadi satu. Jenis database seperti ini awal

kemunculannya termotivasi oleh BigTable dari Google. Contoh lain dari

extensible record stores adalah HBase, HyperTable dan Cassandra.

2.2 Desain Solusi

Solusi yang diterapkan dalam penerapan temu kembali informasi dalam

analisa kelompok pergaulan memiliki inti berupa pemanfaatan API dari masing-

masing jejaring sosial ke dalam sebuah sistem temu kembali informasi. Data yang

ditemukan pada jejaring sosial dan disimpan ke dalam sistem kemudian dapat

diolah lebih lanjut untuk analisa kelompok pergaulan. Berikut merupakan desain

solusi dari permasalahan yang dimaksud secara lebih detail.

2.2.1 Tahapan Penerapan Solusi

Tahapan penerapan solusi diawali dengan studi pustaka yang dapat

mendukung penerapan solusi. Selanjutnya secara lebih spesifik, penerapan solusi

akan dilaksanakan ke dalam empat tahap utama yaitu perencanaan awal, proses

pengembangan sistem, uji kelayakan sistem dan uji akurasi hasil analisis. Gambar

2.1 mengilustrasikan tahapan dari tahapan penerapan solusi secara lebih spesifik.

Gambar 2.1 Tahapan Penerapan Solusi

Gambar 2.1 menunjukan bahwa sebelum sistem dikembangkan akan

dilakukan perencanaan awal yang mencakup perencanaan sumber data yang

relevan dan struktur data yang sesuai. Kemudian pada proses pengembangan

sistem rancangan struktur data diterapkan pada media penyimpanan yang sesuai.

Selain itu terdapat dua modul dalam sistem yaitu modul crawler dan modul

utama. Modul crawler bertugas untuk mengumpulkan data jejaring sosial.

Sedangkan modul utama akan menjadi bagian sistem yang mengolah data yang

telah dikumpulkan. Selain itu modul utama juga menjadi antarmuka utama bagi

pengguna sistem.

Pada penerapan solusi terdapat uji kelayakan sistem dan uji akurasi hasil

analisis. Uji akurasi hasil analisis ini akan dilakukan dengan basis kuesioner.

Narusumber yang akan mengisi kuesioner adalah individu-individu yang menjadi

target dalam analisis kelompok pergaulan dan pihak yang terlibat dalam

kehidupan sosial individu-individu terkait.

2.2.2 Metode Pengumpulan Data

Interaksi sosial merupakan aspek utama yang perlu diperhatikan dalam

analisis kelompok pergaulan. Jejaring sosial sebagai sebuah media yang

memungkinkan pengguna dapat saling berinteraksi satu sama lain melalui dunia

maya menimbulkan data berupa interaksi sosial yang dapat diolah lebih lanjut.

Data interaksi sosial ini dapat dimanfaatkan dengan cara melakukan temu kembali

informasi.

Data interaksi sosial pada jejaring sosial tersedia dalam bentuk yang cukup

berbeda dari satu jejaring sosial dengan jejaring sosial lainnya. Misalnya saja

interkasi sosial yang berupa hubungan ketertarikan dapat dianalogikan sebagai

jumlah like pada facebook dan jumlah favourite tweet pada twitter. Secara lebih

lanjut konten yang memiliki sentimen yang belum pasti seperti komentar pada

facebook dan isi tweet pada twitter perlu untuk dianalisis lebih lanjut dengan

penerapan natural language processing. Gambar 2.2 merupakan ilustrasi dari dari

tahapan pengumpulan data yang akan dilakukan.

Gambar 2.2 Tahapan Pengumpulan Data

Gambar 2.2 menunjukan bahwa dalam pengumpulan data akan ada tiga

tahapan yaitu tahap persiapan, utama dan akhir. Pada tahap persiapan jangkauan

data dapat diartikan sebagai ruang lingkup pergaulan dari individu terkait.

Pembatasan ruang lingkup dimaksudkan agar temu kembali informasi yang

dilakukan menjadi efektif dan akurat.

Pada tahap utama terdapat tahapan analisis sentimen. Analisis sentimen

dilakukan pada konten dengan sentimen yang belum pasti (belum dapat

menggambarkan hubungan ketertarikan dengan jelas). Hal ini bertujuan agar

sumber data menjadi lebih berkualitas. Mengingat juga keberagaman jenis konten

yang tersedia pada masing-masing jejaring sosial, perlu untuk dilakukan

standarisasi penilaian terhadap nilai ketertarikan antar individu. Standarisasi ini

ditujukan agar hasil dari analisis menjadi lebih relevan.

Pada tahap akhir dilakukan penyesuaian struktur data. Penyesuaian

struktur data ini dilakukan karena keberagaman dari bagian data lain pada masing-

masing jejaring sosial. Bagian data lain yang dimaksud misalnya adalah identitas

individu (nama, umur, dll.). Struktur data akan disesuaikan dengan dengan sistem

database yang digunakan untuk menyimpan data.

2.2.3 Metode Evaluasi Solusi

Pada tahapan penerapan solusi terdapat tahap uji kelayakan sistem dan juga

uji akurasi hasil analisis. Sistem dianggap layak apabila sistem dapat berjalan

tanpa adanya kesalahan yang signifikan terhadap serangkaian fitur yang sesuai

kebutuhan penggunaan sistem. Uji kelayakan sistem selanjutnya adalah uji

performa berupa kecepatan sistem dan kemampuan sistem dalam menangani

volume data yang ditentukan dalam serangkaian kasus yang signifikan

mempengaruhi kebutuhan penggunaan sistem secara keseluruhan.

Uji akurasi hasil analisis kelompok pergaulan dilakukan dengan cara

mengumpulkan data dalam bentuk kuesioner. Narasumber dari kuesioner adalah

individu-individu sampel dan pihak yang terlibat dalam kehidupan sosial dari

individu-individu yang menjadi target dari analisis kelompok pergaulan.

Kuesioner yang telah diisi selanjutnya akan dinilai dan menjadi tolak ukur dari

akurasi sistem dalam memberikan hasil dari analisa kelompok pergaulan.

BAB III

ANALISA SOLUSI DAN KESIMPULAN

3.1 ANALISA SOLUSI

Desain dari solusi permasalahan sebelumnya merupakan sebuah penerapan

dari temu kembali informasi pada jejaring sosial. Bentuk penerapan yang

dilakukan memerlukan rancang bangun sebuah sistem temu kembali informasi.

Sistem dapat diterapkan dalam berbagai platform perangkat lunak seperti

perangkat lunak berbasis web, desktop maupun mobile. Solusi yang diberikan

dapat menjadi salah satu bentuk permasalahan dalam analisa perilaku sosial.

Analisis sentimen pada pengumpulan data dari jejaring sosial merupakan

aspek yang penting dalam solusi secara keseluruhan. Dengan adanya tahapan

analisis sentimen tentunya perilaku sosial yang cenderung tidak bersifat eksak

dapat diukur melalui sentimen yang diperoleh. Namun sebagaimana sentimen dari

mahluk sosial bukan merupakan aspek yang eksak, tentunya akurasi dari hasil

analisis sentimen perlu untuk diperhatikan lebih lanjut lagi.

Sumber data yang tersedia pada jejaring sosial tentunya memiliki volume

yang beragam menurut penggunaannya. Misalnya saja ruang lingkup pergaulan

individu dapat saja sempit ataupun luas. Namun asumsi penulis adalah pada kasus

rata-rata tentunya ruang lingkup pergaulan individu tidak terlalu luas, sehingga

penggunaan sistem database seperti NoSQL tidak wajib untuk dilakukan.

Solusi yang diberikan juga memiliki keterbatasan terhadap beberapa

kasus. Salah satunya adalah pada saat akun individu pada jejaring sosial memiliki

terlalu banyak hubungan antar akun yang lain yang tidak relevan dalam pergaulan

individu yang dimaksud. Hal ini tentunya dapat menimbulkan penyimpangan dari

hasil yang lebih relevan. Namun masalah ini dapat diatasi dengan melakukan

pemilahan terhadap hubungan-hubungan yang terjadi antar pengguna berdasarkan

relevansi hubungan-hubungan tersebut. Pemilihan yang dimaksud harusnya dapat

dilakukan dengan efisiensi yang cukup baik tanpa mengurangi akurasi secara

signifikan. Aspek pemilihan inilah yang menjadi kekurangan dari solusi yang

diberikan penulis.

3.2 KESIMPULAN

Berdasarkan studi pustaka dan analisis solusi yang telah dilakukan dapat

ditarik kesimpulan dari beberapa pokok permasalahan yang didefinisikan

sebelumnya. Berikut merupakan pokok-pokok dari kesimpulan yang dimaksud.

1) Analisa kelompok pergaulan dapat diterapkan dengan temu kembali

informasi pada jejaring sosial namun terdapat beberapa batasan dari solusi

yang diberikan sehingga menyebabkan efektivitas solusi kurang baik pada

beberapa kasus.

2) Analisa kelompok pergaulan dengan temu kembali informasi pada jejaring

sosial dapat diterapkan dengan melakukan rancang bangun sistem temu

kembali informasi yang memanfaatkan data berupa aktivitas sosial yang

terjadi antar beberapa individu pada jejaring sosial.

3) Temu kembali informasi pada jejaring sosial dapat diterapkan sebagai solusi

yang efektif dalam analisa kelompok pergaulan. Namun pada beberapa

kasus seperti terlalu banyaknya noise pada data jejaring sosial dapat

mengurangi efektivitas dari solusi yang diberikan.

DAFTAR PUSTAKA

http://www.statista.com/statistics/278414/number-of-worldwide-social-network-

users/ (diakses pada tanggal 11 Mei 2015)

http://jetscram.com/blog/industry-news/social-media-user-statistics-and-age-

demographics-2014/ (diakses pada tanggal 12 Mei 2015)

Cattell, Rick. Scalable SQL and NoSQL data stores. ACM SIGMOD Record 39.4

(2011): 12-27.

Oricchio, R. (2010). Is Twitter A Social Network? Inc. Magazine.

http://www.inc.com/tech-blog/is-twitter-a-social-network.html (diakses pada

tanggal 19 Mei 2015)

Kwak, Haewoon, et al. "What is Twitter, a social network or a news media?."

Proceedings of the 19th international conference on World wide web. ACM,

2010.

Ellison, Nicole B. "Social network sites: Definition, history, and scholarship."

Journal of Computer-Mediated Communication 13.1 (2007): 210-230.

Manning, Christopher D., Prabhakar Raghavan, and Hinrich Schütze. Introduction

to information retrieval. Vol. 1. Cambridge: Cambridge university press,

2008.

http://en.wikipedia.org/wiki/Application_programming_interface (diakses pada

tanggal 19 Mei 2015)

Tan, Pang-Ning, Michael Steinbach, and Vipin Kumar. Introduction to data

mining. Vol. 1. Boston: Pearson Addison Wesley, 2006.

http://ilmukomputer.org/wp-

content/uploads/2011/03/Ari_Fadli_Konsep_Data_Mining.pdf

Tan, Pang-Ning, Michael Steinbach, and Vipin Kumar. Introduction to data

mining. Vol. 1. Boston: Pearson Addison Wesley, 2006.

Jacquemin, Christian. Spotting and discovering terms through natural language

processing. MIT press, 2001.

Chowdhury, Gobinda G. "Natural language processing." Annual review of

information science and technology 37.1 (2003): 51-89.

Gu, Yunhua, Shu Shen, and Guansheng Zheng. "Application of nosql database in

web crawling." JDCTA: International Journal of Digital Content

Technology and its Applications 5.6 (2011): 261-266.