Randomisasi Klaster Berbobot
Kita melihat dukungan untuk hipotesis bahwa sebuah graf dengan konektivitas rendah juga akan memiliki pengelompokan (clustering) yang sangat tinggi, jauh lebih tinggi daripada secara kebetulan. Namun graf kita bukan hanya graf tak berarah; graf ini juga memiliki bobot yang merepresentasikan jumlah perjalanan. Jadi kini ada beberapa hal yang perlu dipertimbangkan dalam randomisasi kita. Pertama, versi berbobot dari metrik ini bersifat lokal saja, sehingga nilai transitivitas dihitung untuk setiap simpul. Kedua, graf acak tidak menyertakan bobot. Untuk mengatasi kedua masalah ini, kita akan melihat rata-rata transitivitas simpul, dan menerapkan skema randomisasi yang sedikit lebih rumit.
Untuk menghitung transitivitas simpul berbobot dari sebuah jaringan, Anda perlu mengatur type menjadi "weighted" pada pemanggilan transitivity().
Jaringan perjalanan sepeda, trip_g_simp, tersedia.
Latihan ini adalah bagian dari kursus
Studi Kasus: Analisis Jaringan di R
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Find the mean local weighted clustering coeffecient using transitivity()
actual_mean_weighted_trans <- mean(___(___, type = "weighted"))
# Calculate the order
n_nodes <- ___(trip_g_simp)
# Calculate the edge density
edge_dens <- edge_density(___)
# Get edge weights
edge_weights <- E(___)$___