Skip to content
Kembali ke hasil pencarian

Sentralitas Kedekatan Berbobot

Diperkenalkan oleh
Opsahl, T.; Agneessens, F.; Skvoretz, J.
Tahun
2010
Jenis
Centrality measure (network analysis)
Keluarga
Network science

Teks ini adalah terjemahan mesin dan belum ditinjau. Baca versi asli dalam bahasa Inggris

Ukuran huruf

Apa fungsinya?

Sentralitas kedekatan berbobot memperluas ukuran kedekatan klasik ke jaringan di mana sisi (edge) membawa bobot numerik — seperti frekuensi, kekuatan, atau biaya — dengan memasukkan bobot tersebut ke dalam jarak jalur terpendek.

Node yang dapat menjangkau node lain dengan cepat melalui koneksi yang kuat atau efisien akan mendapatkan skor yang lebih tinggi, menjadikannya indikator potensi penyebaran informasi yang lebih kaya daripada padanannya yang biner.

Intuisi di balik metode

Dalam jaringan tak berbobot, sentralitas kedekatan menanyakan berapa banyak langkah yang dibutuhkan sebuah node untuk menjangkau semua node lain. Dalam jaringan berbobot, logika tersebut mengabaikan apakah hubungan (tie) kuat atau lemah. Kedekatan berbobot memperlakukan setiap bobot sisi sebagai kapasitas atau jarak terbalik: hubungan yang lebih kuat dihitung sebagai lompatan yang lebih pendek. Node yang mendapat skor tinggi tidak hanya terhubung dengan baik dalam arti topologis — ia benar-benar dekat dengan yang lain melalui jalur berkapasitas tinggi atau berbiaya rendah. Opsahl et al. (2010) memperkenalkan parameter penyetelan (tuning parameter) alfa yang memungkinkan analis menekankan panjang jalur atau bobot sisi, menjembatani kedekatan tak berbobot dan yang sepenuhnya berbasis bobot.

Sejarah

Sentralitas kedekatan klasik diformalkan oleh Sabidussi (1966) dan kemudian dipopulerkan oleh Freeman (1978). Perluasan ke jaringan berbobot dikembangkan secara sistematis oleh Opsahl, Agneessens, dan Skvoretz dalam makalah Social Networks tahun 2010 yang menggeneralisasi ukuran derajat dan jalur terpendek menggunakan parameter penyetelan alfa. Kerangka kerja mereka menjadi referensi standar untuk sentralitas berbobot dalam analisis jaringan sosial dan telah diimplementasikan dalam paket yang banyak digunakan termasuk igraph dan NetworkX.

Kapan digunakan

Gunakan sentralitas kedekatan berbobot ketika bobot sisi (frekuensi kolaborasi, volume komunikasi, aliran moneter, kapasitas transportasi) bermakna secara teoritis dan harus memengaruhi node mana yang dianggap sentral. Ini sesuai untuk jaringan sosial, jaringan perdagangan, sistem transportasi, graf kolaborasi penulisan (co-authorship graph), dan pengaturan apa pun di mana efisiensi jangkauan bergantung pada kekuatan hubungan. Lebih pilih ini daripada kedekatan tak berbobot kapan pun mengabaikan bobot akan mendistorsi peringkat sentralitas. Jangan gunakan ketika bobot tidak dapat diandalkan, diskalakan secara sewenang-wenang, atau tidak ada; dalam graf yang terputus tanpa penanganan pasangan yang tidak dapat dijangkau dengan hati-hati; atau ketika pertanyaan penelitian menyangkut topologi struktural murni daripada efisiensi aliran.

Batasan dan pertimbangan

  • Memerlukan data bobot yang lengkap dan andal; bobot sisi yang hilang atau berisik secara langsung menyebar ke skor sentralitas.
  • Jaringan yang terputus memerlukan perlakuan khusus (misalnya, mengecualikan pasangan yang tidak dapat dijangkau atau menggunakan kedekatan harmonik).
  • Pemilihan parameter alfa memerlukan justifikasi teoritis — nilai default yang sewenang-wenang dapat mendistorsi peringkat.
  • Secara komputasi lebih mahal daripada sentralitas derajat untuk jaringan renggang (sparse) yang besar.

Syarat dari sumber tidak menggantikan tinjauan ilmiah independen atau validasi oleh mesin analisis.

Kelebihan

  • Memasukkan bobot sisi sehingga koneksi yang kuat atau efisien secara tepat meningkatkan skor sentralitas sebuah node.
  • Parameter penyetelan alfa memberikan jembatan kontinu antara kedekatan biner dan yang sepenuhnya berbasis bobot.
  • Mempertahankan interpretasi kedekatan yang intuitif: seberapa cepat sebuah node dapat menjangkau atau dijangkau oleh orang lain.
  • Dapat dibandingkan secara langsung dengan kedekatan tak berbobot, memungkinkan analisis sensitivitas terkontrol.
  • Sangat cocok untuk jaringan berbobot terarah ketika dikombinasikan dengan dekomposisi kedekatan masuk (in-closeness) dan kedekatan keluar (out-closeness).

Penerapan

  • Mengidentifikasi broker kunci dalam jaringan kolaborasi ilmiah berdasarkan frekuensi kolaborasi penulisan (co-authorship).
  • Memberi peringkat bandara atau pusat logistik berdasarkan efisiensi jangkauan dalam jaringan transportasi atau perdagangan berbobot.
  • Mendeteksi penyebar berpengaruh dalam jaringan komunikasi atau media sosial berbobot.
  • Mengevaluasi potensi difusi informasi dalam jaringan organisasi atau berbagi pengetahuan berbobot.
  • Membandingkan peringkat sentralitas di bawah nilai alfa yang berbeda untuk menilai ketahanan temuan.
  • Melengkapi sentralitas antara berbobot untuk membedakan jangkauan yang efisien dari kontrol aliran.

Cara kerjanya

Cara kerjanya

1

Bobot sisi dikonversi menjadi jarak: untuk jaringan kolaborasi atau frekuensi, bobot w dibalik (jarak = 1/w) sehingga hubungan yang lebih kuat menghasilkan jarak yang lebih pendek. Untuk jaringan biaya atau latensi, bobot sudah merupakan jarak. Algoritma Dijkstra kemudian menemukan jarak berbobot minimum d^w(i,j) antara setiap pasangan node.

Rumus
d^w(i,j) = \min_{\text{paths}} \sum_{e \in \text{path}} w_e^{-1}
2

Untuk setiap node i, jarak berbobot ke semua n-1 node lain yang dapat dijangkau dijumlahkan. Node yang terhubung lemah — atau terputus — ke sebagian besar jaringan akan mengakumulasi jumlah yang besar, yang menurunkan skor sentralitasnya.

3

Sentralitas kedekatan berbobot node i adalah (n-1) dibagi dengan jumlah jarak berbobot ke semua node lain, bentuk aljabar yang sama seperti kedekatan klasik tetapi dengan d^w menggantikan jumlah lompatan. Ini menormalisasi skor ke interval (0, 1] sehingga jaringan dengan ukuran berbeda tetap dapat dibandingkan.

Rumus
C^w(i) = \frac{n-1}{\sum_{j \neq i} d^w(i,j)}
4

Opsahl et al. memperkenalkan parameter alfa (0 hingga 1) yang memadukan jarak topologis murni (alfa = 0, setara dengan kedekatan tak berbobot) dengan informasi bobot murni (alfa = 1). Nilai-nilai di antaranya memungkinkan peneliti mengontrol seberapa besar kekuatan hubungan (tie strength) penting dibandingkan dengan struktur jalur, membuat ukuran ini dapat diadaptasi ke berbagai latar empiris.

Rumus
C^{w,\alpha}(i) = \frac{n-1}{\sum_{j \neq i} d^{w,\alpha}(i,j)}

Kesalahan umum

  • Menggunakan jumlah mentah sebagai bobot tanpa memeriksa transformasi bobot-ke-jarak yang sesuai (misalnya, membalik bobot frekuensi).
  • Menerapkan ukuran pada graf yang terputus tanpa penyesuaian untuk pasangan yang tidak dapat dijangkau, yang meningkatkan jumlah jarak untuk node terisolasi.
  • Memperlakukan peringkat sentralitas sebagai stabil tanpa menguji sensitivitas terhadap parameter alfa.
  • Menggabungkan kedekatan berbobot dengan sentralitas antara (betweenness) — kedekatan mencerminkan efisiensi jangkauan, bukan kontrol aliran.
  • Mengabaikan normalisasi saat membandingkan node di seluruh jaringan dengan ukuran yang berbeda.

Pertanyaan yang sering diajukan

Bagaimana saya harus memilih parameter alfa?

Alfa = 0 mengembalikan kedekatan tak berbobot (hanya topologi); alfa = 1 membuat bobot mendominasi. Pendekatan umum adalah menghitung peringkat pada alfa = 0, 0,5, dan 1 dan melaporkan sensitivitasnya. Jika teori menunjukkan kekuatan hubungan adalah mekanisme utama, alfa = 1 dapat dipertahankan; jika topologi lebih penting, gunakan alfa = 0 atau 0,5.

Transformasi bobot-ke-jarak apa yang harus saya gunakan?

Untuk bobot frekuensi, kekuatan, atau kapasitas (lebih tinggi = lebih kuat), balikkan bobotnya: jarak = 1/w. Untuk bobot biaya, latensi, atau resistensi (lebih tinggi = lebih lemah), gunakan bobot secara langsung sebagai jarak. Mencampur konvensi ini tanpa hati-hati akan membalikkan peringkat sentralitas.

Bagaimana cara menangani komponen yang terputus?

Pendekatan standar adalah membatasi jumlah ke node yang dapat dijangkau dan menormalisasi dengan (n_reachable - 1) daripada (n - 1), atau menggunakan sentralitas kedekatan harmonik yang secara alami menangani pasangan yang tidak dapat dijangkau dengan menjumlahkan kebalikan dari jarak.

Apakah kedekatan berbobot lebih baik daripada kedekatan tak berbobot?

Ketika bobot membawa makna substantif (misalnya, frekuensi kontak, volume perdagangan), kedekatan berbobot memberikan gambaran yang lebih akurat tentang efisiensi jangkauan. Ketika bobot tidak dapat diandalkan atau bobot dan topologi hampir tidak berkorelasi, kompleksitas tambahan mungkin tidak meningkatkan inferensi.

Bagaimana ini berbeda dari sentralitas antara berbobot?

Kedekatan berbobot mengukur seberapa efisien sebuah node dapat menjangkau node lain melalui jalur yang kuat. Sentralitas antara berbobot mengukur seberapa sering sebuah node berada di jalur terpendek antara pasangan lain. Sebuah node bisa dekat (kedekatan tinggi) tanpa menjadi jembatan kritis (sentralitas antara tinggi), dan sebaliknya.

Metode terkait

Sumber

  1. Opsahl, T., Agneessens, F. & Skvoretz, J. (2010). Node centrality in weighted networks: Generalizing degree and shortest paths. Social Networks, 32(3), 245–251.

    Buka referensi DOI
    Disalin.
  2. Brandes, U. (2001). A faster algorithm for betweenness centrality. Journal of Mathematical Sociology, 25(2), 163–177.

    Buka referensi DOI
    Disalin.