Studi Kasus Social Network Analysis dengan Gephi
Oktober 2025, seorang mahasiswa S2 di salah satu universitas negeri di Malang menghubungi saya. Dia sedang menggarap tesis tentang Social Network Analysis atau analisis jaringan sosial, dan butuh bantuan yang cukup spesifik: mengumpulkan unggahan dari sejumlah akun publisher sepak bola di Twitter, lalu memetakan bagaimana sebuah narasi menyebar di antara akun-akun itu.
Yang membuat permintaan ini menarik sekaligus bikin saya cemas: hampir semua bagiannya baru buat saya. Saya belum pernah mengerjakan proyek analisis jaringan dari awal sampai akhir, belum pernah memakai Gephi, dan harus mencari cara mendapatkan data Twitter yang masuk akal secara biaya. Jadi tantangannya berlapis. Bukan sekadar "ambil datanya", tapi tiga hal sekaligus: dapatkan datanya, ubah jadi sesuatu yang bisa dibaca dan dianalisis, lalu bantu si mahasiswa benar-benar memahami prosesnya.
Tulisan ini saya buat sebagai catatan studi kasus, sekaligus gambaran buat siapa pun yang ingin melakukan hal serupa, meski tidak punya latar belakang teknis yang dalam.
Sebenarnya kami memetakan apa?
Godaan terbesar di proyek seperti ini adalah langsung mengejar data. Saya menahan diri. Sebelum apa pun, saya pastikan dulu paham apa yang sebenarnya ingin dijawab tesisnya.
Bayangkan sebuah peta yang isinya bukan jalan dan kota, melainkan akun-akun media sosial. Setiap akun adalah satu titik. Setiap kali sebuah akun berinteraksi dengan akun lain, misalnya menyebut, me-retweet, atau mengutip, kita tarik satu garis di antara keduanya. Kalau semua titik dan garis itu digambar sekaligus, mulai terlihat polanya: akun mana yang jadi pusat perhatian, kelompok-kelompok mana yang sering ngobrol satu sama lain, dan bagaimana sebuah topik berpindah dari satu kelompok ke kelompok lain.
Itulah inti analisis jaringan sosial. Alih-alih membaca unggahan satu per satu, kita melihat keseluruhan percakapan sebagai sebuah struktur yang punya bentuk dan pola.
Tembok pertama: dari mana datanya?
Langkah paling natural adalah mengambil data langsung dari Twitter melalui jalur resmi mereka. Di sinilah kami langsung mentok.
Pertama soal biaya. Paket resmi untuk menarik data lama dalam jumlah memadai harganya jauh di atas anggaran sebuah tesis. Kedua, ada batasan ketat berapa banyak data yang bisa diambil dalam satu waktu, sehingga prosesnya lambat dan gampang terputus. Ketiga, dan ini yang paling penting, kami butuh unggahan dari rentang waktu tertentu di masa lalu, bukan sekadar yang terbaru. Gabungan ketiganya membuat jalur resmi terasa seperti tembok.
Sempat buntu cukup lama. Sampai akhirnya saya mengubah cara mencari: alih-alih memaksakan jalur resmi, saya cari penyedia lain yang sudah menyimpan banyak data Twitter dan menjualnya dengan harga yang lebih bersahabat.
Jalan keluarnya: sumber data yang jauh lebih murah
Dari situ saya menemukan twitterapi.io, sebuah layanan pihak ketiga yang menyediakan akses ke data Twitter dengan harga jauh lebih terjangkau dan tanpa batasan seketat jalur resmi. Untuk riset dengan anggaran terbatas, layanan ini benar-benar menyelamatkan proyek. Kami bisa menentukan akun mana yang mau diambil, kata kunci apa yang dicari, dan dari rentang waktu kapan, lalu layanan ini mengembalikan unggahan yang sesuai.
Teknologi yang kami pakai
Supaya jelas, ini perangkat yang terlibat dari awal sampai akhir:
twitterapi.io sebagai sumber data, tempat kami mengambil unggahan Twitter dengan biaya murah.
Node.js untuk membuat program kecil yang mengambil data itu secara otomatis dan rapi, tanpa harus menyalin satu per satu secara manual.
Gephi, perangkat lunak gratis dan open-source untuk menggambar serta menganalisis jaringan, yang mengubah ribuan baris data menjadi sebuah peta visual.
Mengumpulkan datanya
Mengambil ribuan unggahan satu per satu jelas tidak masuk akal. Jadi kami membuat sebuah program kecil dengan Node.js yang bertugas seperti asisten: untuk setiap akun publisher, dia otomatis meminta semua unggahan yang mengandung kata kunci tertentu dalam rentang waktu yang kami tentukan, mengambilnya halaman demi halaman sampai habis, lalu menyimpannya.
Satu prinsip yang saya pegang: simpan dulu semua data mentahnya apa adanya, baru diolah belakangan. Dengan begitu, kalau ada yang perlu diperbaiki di tahap analisis, kami tidak perlu mengambil ulang data dari awal dan membakar biaya lagi.
Mengubah data jadi sebuah "peta"
Data mentah berupa kumpulan unggahan belum bisa langsung dipetakan. Di tahap inilah keputusan analitis yang sebenarnya terjadi.
Logikanya kembali ke ide titik dan garis tadi. Setiap kali sebuah akun menyebut, me-retweet, atau mengutip akun lain di dalam unggahannya, di situ ada hubungan yang bisa kami gambar sebagai garis. Dari semua unggahan yang terkumpul, kami susun menjadi dua daftar sederhana: satu daftar berisi semua akun yang terlibat, dan satu daftar lagi berisi hubungan antar akun beserta seberapa sering hubungan itu terjadi. Semakin sering dua akun berinteraksi, semakin tebal garis yang menghubungkan mereka nanti.
Kedua daftar itu kami simpan dalam format file yang siap dibaca Gephi.
Belajar Gephi dari nol
Ini bagian yang sebelumnya bikin saya deg-degan, ternyata jauh lebih ramah dari dugaan. Gephi bekerja dengan cara klik dan atur, bukan menulis kode, jadi cukup mudah diikuti meski baru pertama kali. Alurnya kira-kira begini:
Masukkan datanya. Kedua daftar tadi (daftar akun dan daftar hubungan) diimpor ke Gephi. Hasil awalnya masih berupa tumpukan titik yang berantakan.
Rapikan tata letaknya. Gephi punya fitur untuk menata titik secara otomatis. Akun-akun yang saling terhubung akan ditarik berdekatan, sementara yang tidak berhubungan saling menjauh. Dari sini struktur jaringan mulai kelihatan.
Hitung pola pentingnya. Dengan beberapa klik, Gephi bisa mendeteksi kelompok-kelompok (komunitas) yang terbentuk secara alami, sekaligus menandai akun mana yang paling berpengaruh dalam menyalurkan informasi.
Beri warna dan ukuran. Tiap kelompok diberi warna berbeda, dan akun yang paling berpengaruh dibuat tampil lebih besar. Di titik ini, gambar yang tadinya membingungkan berubah jadi peta yang langsung bercerita.
Simpan hasilnya. Tampilan akhir bisa diekspor jadi gambar untuk dimasukkan ke naskah tesis.
Bagian tersulit bukan datanya, tapi maknanya
Sampai di titik ini, banyak orang mengira pekerjaan selesai. Padahal gambar berwarna-warni tadi belum berarti apa-apa kalau tidak dibaca. Justru di sinilah tantangan paling besar muncul, dan ini yang membedakan "membantu ambil data" dengan "membantu riset".
Saya bantu si mahasiswa membaca petanya. Akun yang paling besar dan paling sering dilewati arus informasi adalah jembatan, akun yang perannya krusial dalam menyalurkan pesan dari satu kelompok ke kelompok lain. Sementara kelompok-kelompok yang terbentuk menunjukkan adanya komunitas yang lebih sering berinteraksi di dalam dirinya sendiri, yang bisa dibaca sebagai kelompok dengan sudut pandang atau gaya pemberitaan tertentu terhadap topik yang diteliti.
Dari sini, data berubah jadi narasi. Bukan lagi sekadar "ada beberapa kelompok", melainkan kalimat seperti "percakapan terkonsentrasi di sekelompok publisher tertentu dan menyebar ke luar lewat segelintir akun penghubung". Itu kalimat yang bisa dipertahankan di sidang.
Yang sama pentingnya, saya tidak ingin si mahasiswa cuma menerima hasil jadi. Jadi saya pandu dia memahami setiap tahap, supaya kalau dosen pembimbing meminta penyesuaian, dia bisa menjelaskan dan mengerjakannya sendiri.
Yang saya bawa pulang
Proyek ini menyenangkan justru karena hampir semuanya baru. Saya jadi belajar bahwa kebuntuan di satu jalan, seperti jalur resmi yang terlalu mahal, sering kali hanya soal belum menemukan alternatif yang tepat. Saya juga ingat lagi bahwa nilai sebuah analisis bukan ada di perangkatnya, melainkan di kemampuan menerjemahkan hasil teknis menjadi cerita yang bisa dipahami orang lain.
Buat saya pribadi, bagian paling memuaskan bukan saat peta jaringannya jadi, tapi saat si mahasiswa akhirnya paham seluruh alurnya dan bisa menjelaskannya dengan percaya diri
Kalau Anda sedang menghadapi kebutuhan serupa, soal pengumpulan data, analisis, atau membangun alat bantu untuk riset maupun bisnis, saya senang berdiskusi. Cerita selengkapnya tentang apa yang saya kerjakan bisa Anda temukan di harislabs.id.
