Siapa sih tokoh terpenting di seri Game of Thrones?
.
.
.
A thread
Dari sekian banyak orang terkenal di negara ini, kira-kira siapa sih the most influential person di Indonesia? Terus cara ngukurnya gimana sampe dia bisa dinobatkan sebagai orang paling berpengaruh?
Atau mungkin kalian pernah liat fenomena si A kenal si B karena si A temennya si C yang mana juga temennya si B? Pasti pernah kan? Eeehh, apa malah bingung sama yang mimin maksud?
Ternyata kasus-kasus kaya gitu tuh bisa dianalisis loh. Nah, di thread kali ini, mimin mau bahas nih siapa sih tokoh di Game of Thrones yang paling influential. Menurut kalian siapa nihh?
Nah, biar kita bisa tau siapa sih yang sebenernya paling influential di GoT, yuk kita kenalan sama yang namanya Social Network Analysis (SNA). Apa sih itu?
Social Network Analysis adalah proses investigasi dan analisis struktur sosial yang direpresentasikan oleh titik dan garis. Kepikiran apa tuh kalo denger titik dan garis? Yes, teori graf. Pokoknya SNA ini deket banget deh sama teori graf.
Titik dalam teori graf itu biasanya kita sebut vertices dan pada SNA disebut nodes yang merepresentasikan objek atau entitas
Dan garis kita sebut edges, nah edges dalam SNA itu merepresentasikan link atau relationship. Nah ini contoh network yang dibangun oleh nodes dan edges.
Sumber : Microsoft
Berdasarkan nodes, ada ukuran yang namanya Centrality Measures. Ini salah satu pengukuran paling penting dalam SNA. Apa aja sih isinya?
Degree Centrality: pengukuran yang dipandang dari berapa banyak edges yang menghampiri suatu nodes. Berarti ini bisa kita pandang sebagai satu orang itu punya berapa link atau koneksi sih sama orang lain.
Closeness Centrality: pengukuran yang dipandang dari seberapa “kuat” relationship antar 2 atau lebih objek.
Betweenness Centrality: pengukuran yang didasarkan atas shortest path (jarak terpendek) dari suatu node ke node yang lain. Salah Satu gunanya untuk mengidentifikasi boundary spanners, yaitu orang atau node yang berperan sebagai penghubung (jembatan) antara dua komunitas
Eigenvector / PageRank Centrality: PageRank ini memanfaatkan nilai eigen adjacency matrix dari suatu graf. Intinya pada akhirnya PageRank ini akan mengurutkan node yang connect dengan node yang punya degree tinggi.
Fyi, algoritma PageRank ini dikembankan oleh Google. Kapan-kapan kita bahas algoritma PageRank ini kali ya?
Nah ini ada contoh network yang dianalisis menggunakan 4 macam centrality measures itu.
Social network mempunyai 3 struktur khusus yang sering dipake. Apa aja tuh?
Pertama, small world: jenis network yang ciri khasnya itu diisi oleh path (jalur) pendek. Ini biasanya dipake untuk modelling relasi sosial manusia dan juga relasi di media sosial
Kedua, scale free network: jenis network yang ciri khasnya itu berisi node-node yang berkembang menjalar keluar. Ini biasanya dipake untuk modelling social influence
Ketiga, homophily: network yang menggambarkan kecenderungan seseorang untuk bergaul hanya dengan orang yang sefrekuensi dan kalau diperluas membuat suatu circle sosial sendiri
Sekarang gimana sih caranya kita membangun si network ini?
Network bisa kita konstruksi menggunakan bermacam-macam datasets, syarat utamanya adalah yang penting kita bisa mendeskripsikan relasi antar nodesnya.
Karena kita bakal menggunakan a bunch of data, sangat direkomendasikan untuk make program komputer sih. Nah Python udah punya package yg bisa kita pake buat SNA ini, yaitu Pandas dan NetworkX.
Sekarang kita bakal bahas Network Analysis on Game of Thrones! Analisisnya dilakukan menggunakan 5 buku A Song of Ice and Fire by George R.R. Martin yang nantinya diadaptasi jadi GoT.
Pertama kita liat dulu network GoT yang kita punya. Next kita bakal liat siapa sih tokoh paling penting di GoT pake centrality measure yg tadi udah dibahas.
Perlu diingat ya GoT ini kan banyak seasonnya, jadi kita bisa liat juga apakah “pentingnya” seorang tokoh itu meningkat atau menurun seiring dengan seasonnya
Pertama kita pake degree centrality. Kita bakal liat siapa yg paling penting berdasarkan berapa banyak nodes yang connect ke tokoh tersebut.
Pertama kita pake degree centrality. Ternyata pentingnya seorang Eddad Stark menurun seiring season berjalan dan Jon Snow sempat menurun jauh di buku ke 4 sebelum naik lagi di buku ke 5.
Pertama kita pake degree centrality. Ternyata pentingnya seorang Eddad Stark menurun seiring season berjalan dan Jon Snow sempat menurun jauh di buku ke 4 sebelum naik lagi di buku ke 5.
Kedua kita pake Betweenness Centrality. Kalo dari analisis ini, ternyata Stannis Baratheon mengalami peningkatan tingkat kepentingan dari buku pertama sampe kelima dan di buku ke 5 dia bener-bener penting dibanding tokoh-tokoh lain.
Ketiga kita pake PageRank Centrality. Berdasarkan PageRank, Stannis Baratheon dan Jon Snow adalah tokoh paling penting di GoT.
Nah dari 3 measure ini, kita juga bisa meninjau korelasinya. Dan ternyata mereka highly-correlated. 0 untuk PageRank, 1 untuk betweenness, 2 untuk degree.
So, sampai buku ke 5, Jon Snow dan Stannis Baratheon adalah 2 tokoh terpenting di GoT. Siapa nih yang tebakannya bener?
SNA ngasih tau kita kalo ternyata hubungan sosial kita dengan orang lain pun bisa diukur. Ada yang tertarik nentuin siapa orang yang paling penting di dalam circle lo? Hahahahah
Kalau tertarik buat ngedalemin fenomena ini, yuk belajar bareng Pacmann.AI. Cek aja brosur non-degree program kita di bit.ly/brosurpacmannai atauu langsung daftarin diri di bit.ly/PendaftaranNon… See you di thread selanjutnya!
Pernah ngebayangin gimana rasanya bisa ngelukis kayak Picasso atau Vincent van Gogh?
.
.
.
A Thread
Art and Machine Learning.
Yes! you read that correctly. Dua topik bahasan yang jelas sangat berbeda dan nggak ada hubungannya.
.
.
Or are they?
Machine learning pada prinsipnya adalah proses pengenalan pola pada data. Pengenalan pola ini yang membuat mesin bisa ‘belajar’ apa yang harus dia lakukan kalau kita beri suatu input tertentu.
So you think you’re a good listener?
.
.
.
.
A thread
Coba ngaku dehh, siapa aja nih yang merasa dirinya good listener?
Emang sihh agak susah juga ya buat bener bener tau apakah kita seorang pendengar yang baik atau bukann. Nah, di thread kali ini, mimin mau bantuiin kalian nih buat mastiin kalau kalian pendengar yang baik atau bukan. Yuk, simak!
Ekonom banting setir jadi data scientist, emang bisa?
.
.
.
.
A thread
Dengan penggunaan machine learning yang semakin marak, ga heran kalau demand sebagai data scientist terus meningkat dari waktu ke waktu. DS juga menjanjikan penghasilan yang cukup menggiurkan lho, hayo siapa yang tergiur sama gaji nya dan pengen banting setir jadi DS?
Promosi dikitt, buat kalian yang udah yakin banget mau jadi DS, mungkin bisa belajar bareng Pacmann.AI di non-degree program DS hehe, liat liat dulu aja kurikulum kita di bit.ly/brosurpacmannai
Pasti pernah kan kalian mendapatkan rekomendasi dari sistem? Misalnya seperti rekomendasi video di YouTube, rekomendasi lagu di Spotify dll. Nah itu salah satu bentuk recommender system
Singkatnya, wide & deep learning ini terdiri 2 blok yang berbeda yaitu wide learning dan deep learning
Untuk wide learning, proses yang dilakukan adalah memorization / mengingat. Jadi misalnya saat kita melakukan perjalanan dari rumah ke sekolah selama 20 menit -c-
Halo semua! Balik lagi nih sama mimin! Di masa pandemi ini siapa nih yang kangen hangout ke luar bareng teman maupun pacar?
Pastinya kalau mau hangout, kita pilih tempat yang strategis dan mudah dituju kan? Dan yang terlebih penting, jalan kesananya enggak macet! Supaya sampai tempat tujuannya bisa tepat waktu kan?