Hugging Face's logo

Spaces:
rafhiromadoni
/
Twitter-Network-Analysis
Sleeping

App Files Community
Twitter-Network-Analysis
File size: 4,777 Bytes
c61f589
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
import gradio as gr
import networkx as nx
import matplotlib
import matplotlib.pyplot as plt
import random

# Gunakan backend 'Agg' agar aman di server
matplotlib.use('Agg')

# ==========================================
# 1. PERSIAPAN DATA JARINGAN (SIMULASI TWITTER)
# ==========================================
# Kita membuat graf simulasi (Scale-free network) yang karakteristiknya 
# sangat mirip dengan jaringan media sosial di dunia nyata.
def create_twitter_network():
    # Membuat 75 akun (nodes)
    G = nx.barabasi_albert_graph(75, 2, seed=42)
    
    # Memberi nama unik bergaya Twitter
    mapping = {i: f"@User_{i+1}" for i in range(75)}
    G = nx.relabel_nodes(G, mapping)
    return G

G = create_twitter_network()

# Mendapatkan daftar semua pengguna untuk dropdown
all_users = list(G.nodes())

# ==========================================
# 2. FUNGSI ANALISIS & VISUALISASI
# ==========================================
def analyze_network(target_user):
    fig, ax = plt.subplots(figsize=(10, 8))
    
    # Menentukan posisi setiap titik agar rapi
    pos = nx.spring_layout(G, seed=42)
    
    # Gambar semua garis koneksi (Retweet/Mention)
    nx.draw_networkx_edges(G, pos, alpha=0.15, ax=ax)
    
    # Logika untuk mewarnai target user dan koneksinya
    node_colors = []
    node_sizes = []
    
    for node in G.nodes():
        if node == target_user:
            node_colors.append('#e74c3c') # Merah untuk user yang dipilih
            node_sizes.append(400)
        elif G.has_edge(target_user, node):
            node_colors.append('#f39c12') # Oranye untuk akun yang berinteraksi dengannya
            node_sizes.append(150)
        else:
            node_colors.append('#3498db') # Biru untuk akun lain
            node_sizes.append(30)
            
    nx.draw_networkx_nodes(G, pos, node_color=node_colors, node_size=node_sizes, ax=ax)
    
    # Beri label (nama) HANYA untuk user yang dipilih dan koneksi langsungnya agar tidak penuh
    labels = {n: n for n in G.nodes() if n == target_user or G.has_edge(target_user, n)}
    nx.draw_networkx_labels(G, pos, labels=labels, font_size=9, font_weight="bold", ax=ax)
    
    ax.set_title("🌐 Peta Jaringan Interaksi Twitter", fontsize=14)
    ax.axis('off')
    fig.tight_layout()
    
    # Hitung metrik jaringan (Degree Centrality untuk mencari influencer)
    degree_dict = dict(G.degree())
    top_influencer = max(degree_dict, key=degree_dict.get)
    koneksi_target = degree_dict[target_user]
    
    # Output teks analisis
    analisis_teks = f"""

    ### 📊 Hasil Analisis Jaringan

    * **Top Influencer Global:** `{top_influencer}` (Akun dengan interaksi terbanyak di jaringan ini).

    * **Status `{target_user}`:** Memiliki koneksi langsung dengan **{koneksi_target} akun lain**.

    """
    
    return fig, analisis_teks

# ==========================================
# 3. ANTARMUKA GRADIO
# ==========================================
with gr.Blocks(theme=gr.themes.Soft()) as demo:
    gr.Markdown("""

    <h1 style='text-align: center;'>🐦 Twitter Network Analysis</h1>

    <p style='text-align: center;'>Aplikasi <i>Social Network Analysis</i> untuk memetakan penyebaran informasi, melihat hubungan antar akun, dan mendeteksi <i>Key Opinion Leaders</i> (KOL) dalam sebuah percakapan.</p>

    """)
    
    with gr.Row():
        total_nodes = G.number_of_nodes()
        total_edges = G.number_of_edges()
        
        gr.Textbox(value=f"{total_nodes} Akun", label="👥 Total Partisipan", interactive=False)
        gr.Textbox(value=f"{total_edges} Interaksi", label="🔄 Total Retweet/Mention", interactive=False)
    
    gr.Markdown("---")
    
    with gr.Row():
        with gr.Column(scale=1):
            gr.Markdown("### 🔍 Investigasi Akun")
            gr.Markdown("Pilih satu akun untuk melihat peta sebaran pengaruhnya (Koneksi tingkat pertama).")
            # Dropdown dengan nilai default akun pertama
            user_dropdown = gr.Dropdown(choices=all_users, value=all_users[0], label="Pilih Akun Twitter:")
            
            # Tempat menampilkan teks kesimpulan analisis
            out_text = gr.Markdown()
            
        with gr.Column(scale=2):
            # Tempat menampilkan grafik jaringan
            out_plot = gr.Plot(label="Visualisasi Graf Network")

    # Interaktivitas
    user_dropdown.change(
        fn=analyze_network,
        inputs=user_dropdown,
        outputs=[out_plot, out_text]
    )
    
    # Load pertama kali
    demo.load(
        fn=analyze_network,
        inputs=user_dropdown,
        outputs=[out_plot, out_text]
    )

if __name__ == "__main__":
    demo.launch()