Visualisasi Pemain Sepak Bola Indonesia pada DBPedia dengan menggunakan Node2Vec dan Closeness Centrality

Ardha Perwiradewa, Ahmad Naufal Rofiif, Nur Aini Rakhmawati

Abstract


Abstract. Visualization of Indonesian Football Players on DBpedia through Node2Vec and Closeness Centrality Implementation. Through Semantic Web, data available on the internet are connected in a large graph. Those data are still raw so that they need to be processed to be an information that can help humans. This research aims to process and analyze the Indonesian soccer player graph by implementing node2vec and closeness centrality algorithm. The graph is modeled through a dataset obtained from the DBpedia by performing a SPARQL query on the SPARQL endpoint. The results of the Node2vec algorithm and closeness centrality are visualized for further analysis. Visualization of node2vec shows that the defenders are distributed over the players. Meanwhile, the result of closeness centrality shows that the strikers have the highest centrality score compared to other positions.

Keywords: visualization, node2vec, closeness centrality

Abstrak. Dengan adanya web semantik, data yang tersebar di internet dapat saling terhubung dan membentuk suatu graf. Data yang ada pada graf tersebut masih berupa data mentah sehingga perlu dilakukan pengolahan agar data mentah tersebut dapat menjadi informasi yang dapat membantu manusia. Penelitian ini bertujuan untuk melakukan pengolahan dan analisis terhadap graf pemain sepak bola Indonesia dengan mengimplementasikan algoritma node2vec dan closeness centrality. Graf dimodelkan melalui dataset yang didapat dari website DBpedia dengan cara melakukan query SPARQL pada SPARQL endpoint. Hasil dari algoritma node2vec dan closeness centrality divisualisasikan untuk dianalisis. Visualisasi dari node2vec menunjukkan pemain defender tersebar. Hasil closeness centrality menunjukkan bahwa pemain striker memiliki nilai tertinggi daripada posisi lainnya.

Kata Kunci: visualisasi, node2vec, closeness centrality


Full Text:

PDF

References


M. Yani, “Pemanfaatan linked data untuk meningkatkan kualitas information knowledge pada resources game online,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 6, no. 2, pp. 168–173, May 2017.

N. A. Rakhmawati, Semantic Web dan Linked data. Yogyakarta, Indonesia: SiBuku, 2015.

F. Y. Pratama, “Simulasi jejaring jalan Kota Pontianak dengan betweeness centrality dan degree centrality,” J. TIN Univ. Tanjungpura, vol. 2, no. 1, pp. 1-6, 2018.

B. Susanto, H. Lina, and A. R. Chrismanto, “Penerapan social network analysis dalam penentuan centrality studi kasus social network Twitter,” J. Inform., vol. 8, no. 1, Apr. 2012.

N. Insani, “Pemanfaatan networkx untuk mengeksplorasi dan menganalisa jaringan beserta sifat/karakteristiknya,” in Seminar Nasional Matematika dan Pendidikan Matematika, Nov. 2012.

A. Rochiyat and A. Wibowo, “Analisis aktor berpengaruh dan aktor popular dengan metode Degree Centrality dan follower rank pada tagar Twitter ‘#gejayanmemanggil,’” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 6, no. 2, Dec. 2019, doi: 10.35957/jatisi.v6i2.187.

K. Mufidah, N. Syahputra, and N. A. Rakhmawati, “Analisis aktor popular dan sutradara berpengaruh berdasarkan data dbpedia menggunakan algoritma Closeness Centrality dan Node2vec,” UNIKOM, vol. 18, no. 1, pp. 37–48, 2020.

A. Rahman, M. A. Naufal, and N. A. Rakhmawati, “Analisis pengaruh wilayah dan partai politik terhadap hubungan para aktivis di Indonesia menggunakan algoritma Degree Centrality,” J. Inform. Upgris, vol. 6, no. 1, Jul. 2020, doi: 10.26877/jiu.v6i1.6092.

N. A. Rakhmawati, R. Alfarhizi, and I. Hafidz, “Penerapan social network analysis dengan menggunakan metode Sociomatrix pada akun Instagram siswa SMA di Surabaya,” SISTEMASI, vol. 9, no. 2, May 2020, doi: 10.32520/stmsi.v9i2.807.

Z. Shen, F. Chen, L. Yang, and J. Wu, “Node2vec representation for clustering journals and as a possible measure of diversity,” J. Data Inf. Sci., vol. 4, no. 2, pp. 79–92, Jun. 2019.

SPARQL 1.1 Overview. W3C Recommendation 21 March 2013, W3C, Mar. 2013. [Online]. Available: https://www.w3.org/TR/sparql11-overview/

A. Grover and J. Leskovec, “Node2vec: scalable feature learning for networks,” in Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, Aug. 2016, pp. 855–864, doi: http://dx.doi.org/10.1145/2939672.2939754.

A. N. R., "supep/FPTekWeb: implementation of Node2Vec and Closeness Centrality on Indonesian football players graph," May 26, 2020. Distributed by Zenodo. doi: 10.5281/zenodo.3851899.

L. van der Maaten and G. Hinton, “Visualizing data using t-SNE,” J. Mach. Learn. Res., vol. 9, pp. 2579–2605, Nov. 2008.




DOI: https://doi.org/10.24002/jbi.v11i2.3346

Refbacks

  • There are currently no refbacks.