• Beranda
  • Artikel
  • Umum
  • Analisis Jaringan Sosial Menggunakan Power BI dan R: Panduan Visual Kustom

Analisis Jaringan Sosial Menggunakan Power BI dan R: Panduan Visual Kustom

Diterbitkan: 2022-07-22

Analisis jaringan sosial dengan cepat menjadi alat penting untuk melayani berbagai kebutuhan profesional. Ini dapat menginformasikan tujuan perusahaan seperti pemasaran yang ditargetkan dan mengidentifikasi risiko keamanan atau reputasi. Analisis jaringan sosial juga dapat membantu bisnis memenuhi tujuan internal: Analisis ini memberikan wawasan tentang perilaku karyawan dan hubungan di antara berbagai bagian perusahaan.

Organisasi dapat menggunakan sejumlah solusi perangkat lunak untuk analisis jaringan sosial; masing-masing memiliki pro dan kontra, dan cocok untuk tujuan yang berbeda. Artikel ini berfokus pada Microsoft Power BI, salah satu alat visualisasi data yang paling umum digunakan saat ini. Sementara Power BI menawarkan banyak add-on jaringan sosial, kami akan menjelajahi visual khusus di R untuk menciptakan hasil yang lebih menarik dan fleksibel.

Tutorial ini mengasumsikan pemahaman tentang teori graf dasar, khususnya graf berarah. Juga, langkah selanjutnya paling cocok untuk Power BI Desktop, yang hanya tersedia di Windows. Pembaca dapat menggunakan browser Power BI di Mac OS atau Linux, tetapi browser Power BI tidak mendukung fitur tertentu, seperti mengimpor buku kerja Excel.

Penataan Data untuk Visualisasi

Membuat jejaring sosial dimulai dengan pengumpulan data koneksi (tepi). Data koneksi berisi dua bidang utama: node sumber dan node target —node di kedua ujung edge. Di luar node ini, kami dapat mengumpulkan data untuk menghasilkan wawasan visual yang lebih komprehensif, biasanya direpresentasikan sebagai properti node atau edge:

1) Properti simpul

  • Bentuk atau warna : Menunjukkan tipe pengguna, misalnya lokasi/negara pengguna
  • Ukuran : Menunjukkan pentingnya dalam jaringan, misalnya, jumlah pengikut pengguna
  • Gambar : Beroperasi sebagai pengenal individu, misalnya avatar pengguna

2) Properti tepi

  • Koneksi warna , goresan , atau panah : Menunjukkan jenis koneksi, misalnya, sentimen postingan atau tweet yang menghubungkan dua pengguna
  • Lebar : Menunjukkan kekuatan koneksi, misalnya berapa banyak mention atau retweet yang diamati antara dua pengguna dalam periode tertentu

Mari kita periksa contoh visual jejaring sosial untuk melihat bagaimana properti ini berfungsi:

Grafik lingkaran yang dihubungkan oleh garis dengan lebar yang bervariasi muncul dengan tiga bagian yang berbeda. Di sebelah kiri grafik memiliki enam bentuk hijau dengan berbagai ukuran berlabel 1, 2, 3, 4, 5, dan 6 dalam segi enam. Angka 1-5 adalah lingkaran, sedangkan 6 adalah berlian. Mereka saling berhubungan oleh panah hijau dengan lebar dan arah yang berbeda-beda, dan beberapa panah diisi hijau sementara yang lain tidak diisi. Di sebelah kanan bentuk hijau adalah bagian berikutnya: tiga bentuk biru tua diatur dalam segitiga yang diberi label 7, 8, dan 9, dan saling berhubungan oleh panah biru dengan lebar dan arah yang berbeda-beda (dengan beberapa mata panah berwarna biru). Node 7 dan 9 terhubung ke node 3 dan 4 dengan panah abu-abu dengan lebar dan arah yang bervariasi (dengan beberapa panah diisi abu-abu). Di tengah grafik, di bawah dua kelompok bentuk pertama, ada satu berlian biru muda berlabel 10. Ini terhubung ke node 5, 4, dan 9 dengan panah abu-abu putus-putus dengan lebar dan arah yang bervariasi (dengan beberapa panah diisi abu-abu) .
Node hijau, biru muda, dan biru tua dan berbagai bentuk lingkaran atau berlian menunjukkan tipe node yang berbeda. Angka dengan latar belakang transparan bertindak sebagai pengidentifikasi gambar node, dan node yang lebih besar (seperti Node 4) lebih penting dalam jaringan. Jenis tepi yang berbeda ditunjukkan oleh warna (hijau, biru, atau abu-abu), goresan (padat atau putus-putus), dan panah (kosong atau terisi); lebar tepi menunjukkan kekuatan (misalnya, koneksi dari Node 8 ke Node 9 kuat).

Kita juga dapat menggunakan teks hover untuk melengkapi atau mengganti parameter di atas, karena dapat mendukung informasi lain yang tidak dapat dengan mudah diekspresikan melalui properti node atau edge.

Membandingkan Ekstensi Jaringan Sosial Power BI

Setelah mendefinisikan fitur data yang berbeda dari jaringan sosial, mari kita periksa pro dan kontra dari empat alat populer yang digunakan untuk memvisualisasikan jaringan di Power BI.

Perpanjangan Grafik Jaringan Sosial oleh Arthur Graus Navigator Jaringan Jaringan Lanjutan oleh ZoomCharts (Edisi Ringan) Visualisasi Kustom Menggunakan R
Ukuran simpul dinamis Ya Ya Ya Ya
Ukuran tepi dinamis Tidak Ya Tidak Ya
Kustomisasi warna simpul Ya Ya Tidak Ya
Pemrosesan jejaring sosial yang kompleks Tidak Ya Ya Ya
Gambar profil untuk node Ya Tidak Tidak Ya
Zoom yang dapat disesuaikan Tidak Ya Ya Ya
Penyaringan koneksi N teratas Tidak Tidak Tidak Ya
Informasi khusus tentang hover Tidak Tidak Tidak Ya
Kustomisasi warna tepi Tidak Tidak Tidak Ya
Fitur canggih lainnya Tidak Tidak Tidak Ya


Grafik Jaringan Sosial oleh Arthur Graus, Navigator Jaringan, dan Jaringan Lanjutan oleh ZoomCharts (Edisi Ringan) adalah ekstensi yang sesuai untuk mengembangkan jaringan sosial sederhana dan memulai analisis jaringan sosial pertama Anda.

Banyak lingkaran biru tua, biru muda, dan oranye (50+ lingkaran) dihubungkan oleh garis abu-abu tipis pada latar belakang putih. Lingkaran memiliki batas warna solid dan diisi dengan gambar kecil berbagai Pokemon yang memiliki latar belakang putih, dan lingkaran menghalangi pandangan sebagian besar garis abu-abu. Mereka membentuk bentuk melingkar secara keseluruhan.
Contoh visualisasi yang dibuat dengan menggunakan ekstensi Social Network Graph oleh Arthur Graus.

Banyak lingkaran biru, ungu, dan abu-abu (50+ lingkaran) dihubungkan oleh garis abu-abu tipis pada latar belakang putih. Lingkarannya padat dan terisi, dan menghalangi pandangan beberapa garis abu-abu. Mereka membentuk susunan melingkar secara keseluruhan.
Contoh visualisasi yang dibuat menggunakan ekstensi Network Navigator.

Banyak lingkaran teal besar dan oranye kecil (50+ lingkaran) dihubungkan oleh garis abu-abu tipis pada latar belakang putih. Lingkarannya padat dan terisi, dan sebagian besar garis abu-abu terlihat. Mereka membentuk bentuk irisan horizontal secara keseluruhan, dengan lingkaran yang lebih padat muncul di sisi kanan. Di kiri bawah bagan, ada beberapa ikon widget dan dua lingkaran berlabel: lingkaran biru muda berlabel "Dari Pengguna", dan lingkaran oranye berlabel "Untuk Pengguna". Di kanan bawah grafik terdapat logo bertuliskan "zoomcharts".
Contoh visualisasi yang dibuat menggunakan ekstensi Advanced Networks by ZoomCharts (Light Edition).

Namun, jika Anda ingin membuat data Anda menjadi hidup dan mengungkap wawasan inovatif dengan visual yang menarik perhatian, atau jika jaringan sosial Anda sangat kompleks, saya sarankan untuk mengembangkan visual kustom Anda di R.

Banyak lingkaran hijau, biru, dan ungu (50+ lingkaran) dihubungkan oleh garis tipis berbagai warna (hijau, abu-abu, dan merah) pada latar belakang putih. Lingkarannya padat dan diisi dengan gambar Pokemon di tengahnya, dan sebagian besar garis tipis terlihat. Mereka membentuk bentuk melingkar yang tersebar secara keseluruhan, dengan lingkaran hijau sering bercabang ke arah lingkaran biru atau ungu yang lebih kecil. Sudut kanan atas bagan memiliki teks "Jaringan Sosial", dan di bawah bagan terdapat legenda garis dan lingkaran dengan teks terkait: garis hijau dengan teks "Positif", garis abu-abu dengan teks "Netral", garis merah dengan teks "Negatif", lingkaran biru dengan teks "Mention", dan lingkaran ungu dengan teks "Retweet".
Contoh visualisasi yang dibuat menggunakan visual kustom di R.

Visualisasi kustom ini adalah hasil akhir dari ekstensi jaringan sosial tutorial kami di R dan menunjukkan berbagai macam fitur dan properti node/edge yang ditawarkan oleh R.

Membangun Ekstensi Jejaring Sosial untuk Power BI Menggunakan R

Membuat ekstensi untuk memvisualisasikan jejaring sosial di Power BI menggunakan R terdiri dari lima langkah berbeda. Tapi sebelum kita bisa membangun ekstensi jaringan sosial kita, kita harus memuat data kita ke Power BI.

Prasyarat: Kumpulkan dan Siapkan Data untuk Power BI

Anda dapat mengikuti tutorial ini dengan kumpulan data uji berdasarkan data Twitter dan Facebook atau melanjutkan dengan jejaring sosial Anda sendiri. Data kami telah diacak; Anda dapat mengunduh data Twitter asli jika diinginkan. Setelah Anda mengumpulkan data yang diperlukan, tambahkan ke Power BI (misalnya, dengan mengimpor buku kerja Excel atau menambahkan data secara manual). Hasil Anda akan terlihat seperti tabel berikut:

Sebuah tabel dengan tiga belas baris abu-abu dan putih bergantian muncul. Ini memiliki judul --- "Jaringan Sosial" --- dengan tajuk di bawahnya. Kolom pertama diberi label "Dari Pengguna" dan memiliki delapan teks "1" diikuti oleh lima teks "2". Kolom kedua diberi label "Untuk Pengguna" dan berbunyi (dari atas ke bawah): 2, 3, 5, 6, 7, 8, 9, 10, 7, 8, 11, 13, 14. Kolom ketiga diberi label " Number of Connections" dan dibaca (dari atas ke bawah): 12, 46, 29, 79, 49, 11, 90, 100, 66, 29, 62, 13, 45. Kolom keempat diberi label "Type" dan berbunyi ( dari atas ke bawah): Retweet, Sebut, Sebut, Retweet, Retweet, Retweet, Sebut, Sebut, Retweet, Retweet, Retweet, Retweet, Sebut. Kolom kelima diberi label "Sentimen" dan berbunyi (dari atas ke bawah): Positif, Positif, Negatif, Netral, Positif, Negatif, Positif, Netral, Netral, Negatif, Negatif, Negatif, Negatif. Kolom keenam diberi label "Dari Nama Pengguna" dan memiliki delapan teks "Aaliyah" diikuti oleh lima teks "Harun". Kolom ketujuh berbunyi "Untuk Nama Pengguna" dan berbunyi (dari atas ke bawah): Aaron, Abel, Abraham, Ace, Adalyn, Adalynn dengan dua N, Adam, Addison, Adalyn, Adalynn dengan dua N, Adeline, Adriel, Aidan. Kolom kedelapan bertuliskan "Dari Avatar" dan memiliki delapan teks "https://raychemmedica.com/SampleImages/Pokemon/1.png" diikuti oleh lima teks "https://raychemmedica.com/SampleImages/Pokemon/2.png" . Kolom kesembilan bertuliskan "Untuk Avatar" dan setiap entri memiliki teks "https://raychemmedica.com/SampleImages/Pok" dan tampaknya terpotong.

Setelah Anda menyiapkan data, Anda siap membuat visualisasi khusus.

Langkah 1: Siapkan Template Visualisasi

Mengembangkan visualisasi Power BI tidaklah sederhana—bahkan visual dasar memerlukan ribuan file. Untungnya, Microsoft menawarkan perpustakaan yang disebut pbiviz , yang menyediakan file pendukung infrastruktur yang diperlukan hanya dengan beberapa baris kode. Pustaka pbiviz juga akan mengemas ulang semua file akhir kita menjadi file .pbiviz yang dapat kita muat langsung ke Power BI sebagai visualisasi.

Cara termudah untuk menginstal pbiviz adalah dengan Node.js. Setelah pbiviz diinstal, kita perlu menginisialisasi visual R kustom kita melalui antarmuka baris perintah mesin kita:

 pbiviz new toptalSocialNetworkByBharatGarg -t rhtml cd toptalSocialNetworkByBharatGarg npm install pbiviz package

Jangan lupa untuk mengganti toptalSocialNetworkByBharatGarg dengan nama yang diinginkan untuk visualisasi Anda. -t rhtml menginformasikan paket pbiviz bahwa paket tersebut harus membuat template untuk mengembangkan visualisasi HTML berbasis R. Anda akan melihat kesalahan karena kami belum menentukan bidang seperti nama penulis dan email dalam paket kami, tetapi kami akan menyelesaikannya nanti di tutorial. Jika skrip pbiviz tidak berjalan sama sekali di PowerShell, Anda mungkin perlu mengizinkan skrip dengan Set-ExecutionPolicy RemoteSigned .

Pada eksekusi kode yang berhasil, Anda akan melihat folder dengan struktur berikut:

Daftar File Explorer yang berisi delapan subfolder (.tmp, .vscode, assets, dist, node_modules, r_files, src, dan style) dan delapan file (capabilities.json, dependencies.json, package.json, package-lock.json, pbiviz .json, skrip.r, tsconfig.json, dan tslint.json). Semua file berukuran 1 KB, kecuali kemampuan.json (2 KB) dan package-lock.json (23 KB).

Setelah struktur folder siap, kita dapat menulis kode R untuk visualisasi kustom kita.

Langkah 2: Kodekan Visualisasi dalam R

Direktori yang dibuat pada langkah pertama berisi file bernama script.r , yang terdiri dari kode default. (Kode default membuat ekstensi Power BI sederhana, yang menggunakan database sampel iris yang tersedia di R untuk memplot histogram Petal.Length oleh Petal.Species .) Kami akan memperbarui kode tetapi mempertahankan struktur defaultnya, termasuk bagian yang dikomentari.

Proyek kami menggunakan tiga pustaka R:

  • DiagrammeR: Membuat grafik dari teks
  • visNetwork: Menyediakan visualisasi jaringan interaktif
  • data.table: Membantu dengan organisasi data, mirip dengan data.frame

Mari kita ganti kode di bagian Library Declarations dari script.r untuk mencerminkan penggunaan perpustakaan kita:

 libraryRequireInstall("DiagrammeR") libraryRequireInstall("visNetwork") libraryRequireInstall("data.table")

Selanjutnya kita akan mengganti kode pada bagian Actual code dengan kode R kita. Sebelum membuat visualisasi kita, kita harus terlebih dahulu membaca dan mengolah data kita. Kami akan mengambil dua input dari Power BI:

  • num_records : Input numerik N , sehingga kami hanya akan memilih koneksi N teratas dari jaringan kami (untuk membatasi jumlah koneksi yang ditampilkan)
  • dataset : Node dan edge jejaring sosial kami

Untuk menghitung koneksi N yang akan kita plot, kita perlu menggabungkan nilai num_records karena Power BI akan menyediakan vektor secara default, bukan nilai numerik tunggal. Fungsi agregasi seperti max mencapai tujuan ini:

 limit_connection <- max(num_records)

Sekarang kita akan membaca dataset sebagai objek data.table dengan kolom kustom. Kami mengurutkan dataset berdasarkan nilai dalam urutan menurun untuk menempatkan koneksi yang paling sering di bagian atas tabel. Ini memastikan bahwa kami memilih catatan paling penting untuk diplot ketika kami membatasi koneksi kami dengan num_records :

 dataset <- data.table(from = dataset[[1]] ,to = dataset[[2]] ,value = dataset[[3]] ,col_sentiment = dataset[[4]] ,col_type = dataset[[5]] ,from_name = dataset[[6]] ,to_name = dataset[[7]] ,from_avatar = dataset[[8]] ,to_avatar = dataset[[9]])[ order(-value)][ seq(1, min(nrow(dataset), limit_connection))]

Selanjutnya, kita harus menyiapkan informasi pengguna dengan membuat dan mengalokasikan ID pengguna unik ( uid ) untuk setiap pengguna, menyimpannya di tabel baru. Kami juga menghitung jumlah total pengguna dan menyimpan informasi itu dalam variabel terpisah yang disebut num_nodes :

 user_ids <- data.table(id = unique(c(dataset$from, dataset$to)))[, uid := 1:.N] num_nodes <- nrow(user_ids)

Mari perbarui informasi pengguna kita dengan properti tambahan, termasuk:

  • Jumlah pengikut (ukuran simpul).
  • Jumlah record.
  • Jenis pengguna (kode warna).
  • Tautan avatar.

Kami akan menggunakan fungsi merge R untuk memperbarui tabel:

 user_ids <- merge(user_ids, dataset[, .(num_follower = uniqueN(to)), from], by.x = 'id', by.y = 'from', all.x = T)[is.na(num_follower), num_follower := 0][, size := num_follower][num_follower > 0, size := size + 50][, size := size + 10] user_ids <- merge(user_ids, dataset[, .(sum_val = sum(value)), .(to, col_type)][order(-sum_val)][, id := 1:.N, to][id == 1, .(to, col_type)], by.x = 'id', by.y = 'to', all.x = T) user_ids[id %in% dataset$from, col_type := '#42f548'] user_ids <- merge(user_ids, unique(rbind(dataset[, .('id' = from, 'Name' = from_name, 'avatar' = from_avatar)], dataset[, .('id' = to, 'Name' = to_name, 'avatar' = to_avatar)])), by = 'id')

Kami juga menambahkan uid yang kami buat ke dataset asli sehingga kami dapat mengambil from dan to ID pengguna nanti dalam kode:

 dataset <- merge(dataset, user_ids[, .(id, uid)], by.x = "from", by.y = "id") dataset <- merge(dataset, user_ids[, .(id, uid_retweet = uid)], by.x = "to", by.y = "id") user_ids <- user_ids[order(uid)]

Selanjutnya, kita membuat frame data node dan edge untuk visualisasi. Kami memilih style dan shape node kami (lingkaran penuh), dan memilih kolom yang benar dari tabel user_ids kami untuk mengisi atribut color , data , value , dan image node kami:

 nodes <- create_node_df(n = num_nodes, type = "lower",, color = user_ids$col_type, shape = 'circularImage', data = user_ids$uid, value = user_ids$size, image = user_ids$avatar, title = paste0("<p>Name: <b>", user_ids$Name,"</b><br>", "Super UID <b>", user_ids$id, "</b><br>", "# followers <b>", user_ids$num_follower, "</b><br>", "</p>") )

Demikian pula, kami memilih kolom tabel dataset yang sesuai dengan atribut tepi kami from , to , dan color :

 edges <- create_edge_df(from = dataset$uid, to = dataset$uid_retweet, arrows = "to", color = dataset$col_sentiment)

Terakhir, dengan node dan bingkai data tepi siap, mari buat visualisasi kita menggunakan pustaka visNetwork dan simpan dalam variabel yang akan digunakan kode default nanti, yang disebut p :

 p <- visNetwork(nodes, edges) %>% visOptions(highlightNearest = list(enabled = TRUE, degree = 1, hover = T)) %>% visPhysics(stabilization = list(enabled = FALSE, iterations = 10), adaptiveTimestep = TRUE, barnesHut = list(avoidOverlap = 0.2, damping = 0.15, gravitationalConstant = -5000))

Di sini, kami menyesuaikan beberapa konfigurasi visualisasi jaringan di visOptions dan visPhysics. Jangan ragu untuk melihat halaman dokumentasi dan memperbarui opsi ini sesuai keinginan. Bagian Actual code kita sekarang selesai, dan kita harus memperbarui bagian Create and save widget dengan menghapus baris p = ggplotly(g); karena kami mengkodekan variabel visualisasi kami sendiri, p .

Langkah 3: Siapkan Visualisasi untuk Power BI

Sekarang setelah kita selesai coding di R, kita harus membuat perubahan tertentu pada file JSON pendukung kita untuk mempersiapkan visualisasi untuk digunakan di Power BI.

Mari kita mulai dengan file capabilities.json . Ini mencakup sebagian besar informasi yang Anda lihat di tab Visualisasi untuk visual, seperti sumber data ekstensi kami dan setelan lainnya. Pertama, kita perlu memperbarui dataRoles dan mengganti nilai yang ada dengan peran data baru untuk input dataset dan num_records kita:

 # ... "dataRoles": [ { "displayName": "dataset", "description": "Connection Details - From, To, # of Connections, Sentiment Color, To Node Type Color", "kind": "GroupingOrMeasure", "name": "dataset" }, { "displayName": "num_records", "description": "number of records to keep", "kind": "Measure", "name": "num_records" } ], # ...

Dalam file dataViewMappings capabilities.json Kami akan menambahkan conditions yang harus dipatuhi oleh input kami, serta memperbarui scriptResult agar sesuai dengan peran data baru kami dan ketentuannya. Lihat bagian conditions , bersama dengan bagian select di bawah scriptResult , untuk perubahan:

 # ... "dataViewMappings": [ { "conditions": [ { "dataset": { "max": 20 }, "num_records": { "max": 1 } } ], "scriptResult": { "dataInput": { "table": { "rows": { "select": [ { "for": { "in": "dataset" } }, { "for": { "in": "num_records" } } ], "dataReductionAlgorithm": { "top": {} } } } }, # ...

Mari kita beralih ke file dependencies.json kita. Di sini, kami akan menambahkan tiga paket tambahan di bawah cranPackages sehingga Power BI dapat mengidentifikasi dan menginstal pustaka yang diperlukan:

 { "name": "data.table", "displayName": "data.table", "url": "https://cran.r-project.org/web/packages/data.table/index.html" }, { "name": "DiagrammeR", "displayName": "DiagrammeR", "url": "https://cran.r-project.org/web/packages/DiagrammeR/index.html" }, { "name": "visNetwork", "displayName": "visNetwork", "url": "https://cran.r-project.org/web/packages/visNetwork/index.html" },

Catatan: Power BI harus menginstal pustaka ini secara otomatis, tetapi jika Anda mengalami kesalahan pustaka, coba jalankan perintah berikut:

 install.packages(c("DiagrammeR", "htmlwidgets", "visNetwork", "data.table", "xml2"))

Terakhir, mari tambahkan informasi yang relevan untuk visual kita ke file pbiviz.json . Saya akan merekomendasikan memperbarui bidang berikut:

  • Bidang deskripsi visual
  • URL dukungan visual
  • URL GitHub visual
  • Nama penulis
  • email penulis

Sekarang, file kami telah diperbarui, dan kami harus mengemas ulang visualisasi dari baris perintah:

 pbiviz package

Pada eksekusi kode yang berhasil, file .pbiviz harus dibuat di direktori dist . Seluruh kode yang tercakup dalam tutorial ini dapat dilihat di GitHub.

Langkah 4: Impor Visualisasi Ke Power BI

Untuk mengimpor visualisasi baru Anda di Power BI, buka laporan Power BI Anda (salah satu untuk data yang sudah ada atau yang dibuat selama langkah Prasyarat kami dengan data pengujian) dan navigasikan ke tab Visualisasi . Klik tombol … [opsi lainnya] dan pilih Impor visual dari file . Catatan: Anda mungkin harus memilih Edit terlebih dahulu di browser agar tab Visualisasi terlihat.

Sebuah panel muncul dengan judul "Visualisasi" dan dua panah ">" di sebelah kanannya. Di bawah, teks "Build visual" dengan dua gambar di bawahnya: dua persegi panjang kuning dan garis di sebelah kiri, dan kertas dan kuas di sebelah kanan. Gambar dua persegi panjang kuning dipilih dan di bawahnya memiliki panel lebih dari 30 berbagai ikon grafik. Ikon terakhir adalah elipsis, yang memiliki teks melayang "Dapatkan lebih banyak visual." Di bawah panel ikon, teks "Nilai" dengan baris teks di bawahnya yang berbunyi: "Tambahkan bidang data di sini." Di bawahnya, teks "Drill through," diikuti oleh "Cross-report" dengan tombol radio "Off" yang dipilih di sebelahnya.

Navigasikan ke direktori dist folder visualisasi Anda dan pilih file .pbiviz untuk memuat visual Anda dengan mulus ke Power BI.

Langkah 5: Buat Visualisasi di Power BI

Visualisasi yang Anda impor sekarang tersedia di panel visualisasi. Klik ikon visualisasi untuk menambahkannya ke laporan Anda, lalu tambahkan kolom yang relevan ke set dataset dan masukan num_records :

Sebuah panel muncul dengan ikon alat yang dipilih yang memiliki teks hover "toptalSocialNetworkByBharatGarg." Di bawah ikon, teks "dataset" muncul dengan berbagai persegi panjang drop-down di bawahnya (dari atas ke bawah): Dari Pengguna, Ke Pengguna, Jumlah Koneksi, warna, warna, Nama Pengguna, Nama Pengguna, Avatar, Avatar.

Anda dapat menambahkan teks, filter, dan fitur tambahan ke visualisasi Anda tergantung pada persyaratan proyek Anda. Saya juga menyarankan Anda membaca dokumentasi terperinci untuk tiga pustaka R yang kami gunakan untuk lebih menyempurnakan visualisasi Anda, karena proyek contoh kami tidak dapat mencakup semua kasus penggunaan fungsi yang tersedia.

Meningkatkan Analisis Jaringan Sosial Anda Berikutnya

Hasil akhir kami adalah bukti kekuatan dan efisiensi R dalam hal membuat visualisasi Power BI kustom. Cobalah analisis jaringan sosial menggunakan visual khusus di R pada kumpulan data Anda berikutnya, dan buat keputusan yang lebih cerdas dengan wawasan data yang komprehensif.

Blog Toptal Engineering mengucapkan terima kasih kepada Leandro Roser karena telah meninjau contoh kode yang disajikan dalam artikel ini.

Dari atas ke bawah, kata "Emas" (berwarna emas), "Microsoft", dan "Mitra" (keduanya berwarna hitam) muncul diikuti dengan logo Microsoft.
Sebagai Mitra Emas Microsoft, Toptal adalah jaringan elit pakar Microsoft Anda. Bangun tim berkinerja tinggi dengan para ahli yang Anda butuhkan—di mana pun dan kapan pun Anda membutuhkannya!