Skip to content
Kembali ke hasil pencarian

Sentralitas Derajat Berbobot

Diperkenalkan oleh
Barrat, A.; Barthélemy, M.; Pastor-Satorras, R.; Vespignani, A.
Tahun
2004
Jenis
Centrality measure for weighted networks
Keluarga
Network science

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

Ukuran huruf

Apa fungsinya?

Sentralitas derajat berbobot — juga disebut kekuatan simpul (node strength) — memperluas ukuran sentralitas derajat klasik ke jaringan yang tepinya membawa bobot numerik.

Alih-alih hanya menghitung koneksi simpul, ia menjumlahkan bobot semua tepi yang insiden pada simpul tersebut, menangkap baik volume maupun intensitas hubungan simpul dalam satu skor yang dapat diinterpretasikan.

Intuisi di balik metode

Dalam jaringan tanpa bobot, derajat simpul menghitung berapa banyak tetangganya, tetapi seorang peneliti yang mengirim email ke 10 kolega setiap minggu tidak setara dengan seorang yang mengirim email ke setiap kolega setahun sekali. Sentralitas derajat berbobot menangkap perbedaan ini: ia menjumlahkan kekuatan aktual dari setiap koneksi. Skor tinggi menandakan simpul yang tidak hanya terhubung dengan baik tetapi juga mempertahankan hubungan yang kuat atau sering, menjadikannya ukuran pengaruh atau kepentingan penopang beban yang alami dalam jaringan sosial, biologis, atau infrastruktur berbobot.

Sejarah

Konsep kekuatan simpul sebagai generalisasi berbobot dari derajat secara formal diperkenalkan oleh Barrat, Barthélemy, Pastor-Satorras, dan Vespignani dalam makalah PNAS mereka tahun 2004 yang menganalisis arsitektur jaringan berbobot kompleks, termasuk jaringan transportasi udara global. Kerangka kerja mereka menjadi referensi dasar untuk ilmu jaringan berbobot dan sekarang menjadi materi standar dalam buku teks analisis jaringan seperti Networks: An Introduction (2010) karya Newman. Ukuran tersebut sejak itu diterapkan dalam neurosains, ekonomi, ekologi, dan ilmu sosial komputasi.

Kapan digunakan

Gunakan sentralitas derajat berbobot ketika jaringan Anda memiliki bobot tepi numerik yang bermakna — frekuensi kolaborasi, volume komunikasi, nilai perdagangan, aliran fisik — dan Anda ingin mengidentifikasi simpul yang paling aktif atau berpengaruh tanpa kerumitan ukuran berbasis jalur. Ini adalah ukuran sentralitas pertama yang sesuai ketika derajat biner akan membuang variasi penting dalam kekuatan hubungan. Jangan gunakan ketika bobot tepi adalah kategori nominal atau ordinal (konversikan ke skor ordinal yang bermakna terlebih dahulu), ketika struktur jaringan daripada throughput mentah paling penting (lebih pilih sentralitas antara atau eigenvektor), atau ketika jaringan tanpa bobot (gunakan sentralitas derajat standar sebagai gantinya).

Batasan dan pertimbangan

  • Sensitif terhadap skala dan distribusi bobot tepi; bobot yang miring dapat secara dramatis meningkatkan skor beberapa simpul.
  • Tidak memperhitungkan posisi simpul dalam struktur jaringan global — simpul periferal tetapi berbobot berat dapat memiliki skor lebih tinggi daripada simpul yang secara topologis sentral.
  • Mengabaikan arah tepi dalam jaringan berarah kecuali kekuatan masuk (in-strength) dan kekuatan keluar (out-strength) dihitung secara terpisah.
  • Tidak memberikan informasi tentang pengelompokan, perantara, atau jangkauan koneksi tidak langsung.

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

Kelebihan

  • Murah secara komputasi — O(m) di mana m adalah jumlah tepi — dan dapat diparalelkan secara trivial untuk jaringan besar.
  • Interpretasi intuitif: secara langsung mencerminkan total volume atau intensitas koneksi simpul.
  • Membedakan antara simpul dengan derajat yang sama tetapi kekuatan hubungan yang berbeda, yang tidak dapat dilakukan oleh sentralitas derajat biner.
  • Diimplementasikan secara luas di NetworkX, igraph, Gephi, dan paket igraph R.
  • Bergabung secara alami dengan derajat tanpa bobot untuk mendeteksi apakah simpul berderajat tinggi juga membawa lalu lintas berat.

Penerapan

  • Mengidentifikasi aktor paling aktif atau berpengaruh dalam jaringan sosial dan kolaborasi berbobot.
  • Mendeteksi hub utama dalam jaringan transportasi dan perdagangan berdasarkan total aliran atau volume.
  • Memberi peringkat wilayah otak berdasarkan kekuatan konektivitas sinaptik atau fungsional dalam studi koneom.
  • Mengukur kolaborasi penulisan atau pengaruh kutipan yang produktif dalam jaringan bibliometrik.
  • Mendeteksi spesies kunci dalam jejaring makanan ekologis yang dibobot berdasarkan frekuensi interaksi atau aliran biomassa.
  • Menjadi tolok ukur kepentingan simpul sebelum menerapkan ukuran sentralitas berbasis jalur yang lebih mahal.

Cara kerjanya

Cara kerjanya

1

Representasikan jaringan sebagai graf berbobot G = (V, E, W) di mana simpul V adalah aktor atau entitas, tepi E adalah hubungan, dan matriks bobot W menetapkan nilai real positif w_ij ke setiap tepi, mengkodekan frekuensi, intensitas, biaya, atau kuantitas lain yang relevan dengan domain. Bobot negatif memerlukan pra-pemrosesan yang cermat atau formulasi alternatif.

2

Untuk setiap simpul i, jumlahkan bobot semua tepi yang menghubungkannya ke tetangganya: s_i = jumlah dari w_ij untuk semua j di lingkungan i. Kuantitas ini disebut kekuatan simpul dalam literatur Barrat et al. (2004) dan secara langsung menggeneralisasi derajat biner ke kasus berbobot.

Rumus
s_i = \sum_{j \in \mathcal{N}(i)} w_{ij}
3

Bagi kekuatan setiap simpul dengan total bobot dalam jaringan (atau dengan kekuatan simpul maksimum) untuk mendapatkan skor ternormalisasi antara 0 dan 1. Normalisasi memungkinkan perbandingan yang adil di seluruh jaringan dengan ukuran atau anggaran bobot total yang berbeda dan merupakan praktik standar sebelum analisis peringkat atau regresi.

Rumus
s_i^{\text{norm}} = \frac{s_i}{\sum_k s_k}
4

Urutkan simpul berdasarkan skor kekuatan ternormalisasi mereka dan identifikasi simpul dengan sentralitas tinggi. Dalam jaringan sosial, ini adalah aktor yang paling aktif atau berpengaruh; dalam jaringan perdagangan, hub terbesar; dalam jaringan kolaborasi penulisan, kolaborator paling produktif. Bandingkan dengan derajat tanpa bobot untuk mengidentifikasi simpul yang pengaruhnya diperkuat atau dilemahkan oleh kekuatan hubungan.

Kesalahan umum

  • Memperlakukan bobot mentah sebagai dapat dibandingkan di seluruh kumpulan data tanpa standardisasi atau transformasi log ketika bobot sangat miring.
  • Lupa menghitung kekuatan masuk dan kekuatan keluar secara terpisah dalam jaringan berarah dan menggabungkannya menjadi satu skor tanpa justifikasi.
  • Melaporkan sentralitas derajat berbobot tanpa membandingkannya dengan sentralitas derajat biner, sehingga kehilangan apakah kekuatan tinggi didorong oleh banyak hubungan lemah atau sedikit hubungan kuat.
  • Menggunakan ukuran pada loop diri tanpa memutuskan apakah akan menyertakan atau mengecualikan bobot diagonal.
  • Mengabaikan bobot yang hilang atau nol-inflated yang dapat secara sistematis meremehkan kekuatan simpul yang diamati dengan buruk.

Pertanyaan yang sering diajukan

Bagaimana sentralitas derajat berbobot berbeda dari sentralitas derajat standar?

Sentralitas derajat standar menghitung jumlah tepi yang insiden pada simpul, memperlakukan semua koneksi secara setara. Sentralitas derajat berbobot menjumlahkan bobot tepi, sehingga simpul yang terhubung ke satu hubungan yang sangat kuat dapat memiliki skor lebih tinggi daripada simpul dengan banyak hubungan lemah. Kedua ukuran tersebut bersama-sama mengungkapkan apakah pengaruh simpul berasal dari keluasan atau intensitas koneksi.

Haruskah saya melakukan transformasi log pada bobot tepi sebelum menghitung kekuatan simpul?

Ketika bobot mencakup beberapa orde magnitudo — misalnya, volume perdagangan mulai dari ribuan hingga miliaran — transformasi log mencegah segelintir hubungan ekstrem mendominasi skor. Selalu periksa distribusi bobot dan terapkan transformasi jika sangat miring ke kanan.

Bagaimana cara menangani jaringan berarah?

Hitung kekuatan masuk (jumlah bobot tepi masuk) dan kekuatan keluar (jumlah bobot tepi keluar) secara terpisah. Kekuatan masuk sering mencerminkan popularitas atau otoritas, sementara kekuatan keluar mencerminkan aktivitas atau upaya. Menggabungkannya menjadi satu skor menghilangkan informasi arah.

Pilihan perangkat lunak apa yang masuk akal untuk menghitung sentralitas derajat berbobot?

NetworkX di Python (metode strength melalui degree dengan parameter weight), igraph di R atau Python (fungsi strength), dan Gephi (kolom weighted degree bawaan) semuanya menghitung kekuatan simpul dengan satu panggilan fungsi. Untuk jaringan jarang yang sangat besar, implementasi berbasis graph-tool atau GraphBLAS lebih efisien.

Kapan saya harus memilih sentralitas antara daripada sentralitas derajat berbobot?

Gunakan sentralitas antara ketika Anda peduli tentang simpul mana yang mengontrol aliran informasi atau sumber daya di sepanjang jalur terpendek — perantara dan jembatan dalam jaringan. Gunakan sentralitas derajat berbobot ketika Anda peduli tentang aktivitas mentah atau throughput di setiap simpul. Keduanya saling melengkapi dan seringkali informatif ketika dilaporkan bersama.

Metode terkait

Sumber

  1. Barrat, A., Barthélemy, M., Pastor-Satorras, R., & Vespignani, A. (2004). The architecture of complex weighted networks. Proceedings of the National Academy of Sciences, 101(11), 3747–3752.

    Buka referensi DOI
    Disalin.
  2. Newman, M. E. J. (2010). Networks: An Introduction. Oxford University Press.

    ISBN: 978-0-19-920665-0
    Disalin.