Orange: Single Mode - Revision history

Onnowpurbo: /* Contoh */

2020-04-06T09:48:19Z

Contoh

Onnowpurbo at 09:46, 6 April 2020

2020-04-06T09:46:45Z

Onnowpurbo: /* Contoh */

2020-04-06T05:01:34Z

Contoh

Onnowpurbo: /* Contoh */

2020-04-06T05:01:25Z

Contoh

Onnowpurbo: /* Output */

2020-04-06T05:00:23Z

Output

Onnowpurbo: /* Contoh */

2020-02-22T04:22:14Z

Contoh

Onnowpurbo: /* Edge weights */

2020-02-22T04:15:16Z

Edge weights

Onnowpurbo at 04:14, 22 February 2020

2020-02-22T04:14:06Z

Onnowpurbo at 05:16, 29 January 2020

2020-01-29T05:16:34Z

Onnowpurbo at 05:26, 25 January 2020

2020-01-25T05:26:52Z

@@ Line 35: / Line 35: @@
 ==Contoh==
-Untuk contoh ini kita menggunakan data set davis yang terkenal yang menggambarkan wanita dari selatan Amerika Serikat dan event yang mereka ikuti. Network oleh karenanya terdiri dari node yang merupakan orang (person) atau peristiwa (event). Peran node dijelaskan dalam peran atribut. Kita memuat jaringan dengan widget Network File.
+Dalam contoh ini kita menggunakan dataset davis yang terkenal yang menggambarkan wanita dari selatan Amerika Serikat dan event yang mereka ikuti. Network oleh karenanya terdiri dari node yang merupakan orang (person) atau peristiwa (event). Peran node dijelaskan dalam peran atribut. Kita me-load network dengan widget Network File.
-Kita lihat file original di widget Network Explorer. Node biru adalah peristiwa (event) dan merah adalah orang (person). Event dihadiri oleh orang-orang (person). Node menghubungkan seseorang (person) dengan event tersebut, jika orang (person) tersebut menghadiri event tersebut. Sekarang kita dapat mengamati orang (person) mana yang menghadiri event yang sama atau, sebaliknya, event mana yang dihadiri oleh orang yang sama.
+Kita dapat melihat file original di widget Network Explorer. Node biru adalah peristiwa (event) dan merah adalah orang (person). Event dihadiri oleh orang-orang (person). Node menghubungkan seseorang (person) dengan event tersebut, jika orang (person) tersebut menghadiri event tersebut. Sekarang kita dapat mengamati orang (person) mana yang menghadiri event yang sama atau, sebaliknya, event mana yang dihadiri oleh orang yang sama.
 Dalam widget Single Mode kita mengatur feature yang menggambarkan peran node. Kebetulan atribut kita dinamai role. Kita menghubungkan orang (node) dengan event yang mereka hadiri (edge). Bobot edge adalah jumlah koneksi yang bersamaan. Dengan kata lain, bobot edge akan menjadi jumlah event yang dihadiri oleh kedua orang.

@@ Line 2: / Line 2: @@
-Konversikan multimode graph ke single mode.
+Widget Single Mode mengkonversikan multimode graph ke single mode.
 ==Input==
@@ Line 12: / Line 12: @@
   Network: An instance of single network graph.
-Widget Single Mode bekerja dengan jaringan biparty, di mana himpunan bagian ditandai dengan atribut diskrit biner. Widget menghasilkan sebuah network tempat node merepresentasikan nilai yang dipilih (mis. Orang) dan edge nilai yang tersisa (mis. event). Widget Single Mode juga berfungsi dengan atribut diskrit non-biner, tetapi akan memperlakukannya sebagai biner (one-versus-all).
+Widget Single Mode bekerja dengan jaringan biparty, di mana himpunan bagian ditandai dengan atribut diskrit biner. Widget Single Mode menghasilkan sebuah network tempat node merepresentasikan nilai yang dipilih (mis. Orang) dan edge nilai yang tersisa (mis. event). Widget Single Mode juga berfungsi dengan atribut diskrit non-biner, tetapi akan memperlakukannya sebagai biner (one-versus-all).
-[[File:Single-Mode-stamped.png|center|200px|thumb]]
+[[File:Single-Mode-stamped.png|center|400px|thumb]]
 * Mode indicator:

@@ Line 43: / Line 43: @@
 Widget Network Explorer (1) memperlihatkan final network.
-[[File:Single-Mode-Example.png|center|200px|thumb]]
+[[File:Single-Mode-Example.png|center|600px|thumb]]
 ==Referensi==

@@ Line 35: / Line 35: @@
 ==Contoh==
-Untuk contoh ini kita menggunakan data set davis yang terkenal yang menggambarkan wanita dari selatan Amerika Serikat dan event yang mereka ikuti. Network oleh karenanya terdiri dari node yang merupakan orang (person) atau peristiwa (event). Peran node dijelaskan dalam peran atribut. Kita memuat jaringan dengan Network File.
+Untuk contoh ini kita menggunakan data set davis yang terkenal yang menggambarkan wanita dari selatan Amerika Serikat dan event yang mereka ikuti. Network oleh karenanya terdiri dari node yang merupakan orang (person) atau peristiwa (event). Peran node dijelaskan dalam peran atribut. Kita memuat jaringan dengan widget Network File.
-Kita lihat file original di Network Explorer. Node biru adalah peristiwa (event) dan merah adalah orang (person). Event dihadiri oleh orang-orang (person). Node menghubungkan seseorang (person) dengan event tersebut, jika orang (person) tersebut menghadiri event tersebut. Sekarang kita dapat mengamati orang (person) mana yang menghadiri event yang sama atau, sebaliknya, event mana yang dihadiri oleh orang yang sama.
+Kita lihat file original di widget Network Explorer. Node biru adalah peristiwa (event) dan merah adalah orang (person). Event dihadiri oleh orang-orang (person). Node menghubungkan seseorang (person) dengan event tersebut, jika orang (person) tersebut menghadiri event tersebut. Sekarang kita dapat mengamati orang (person) mana yang menghadiri event yang sama atau, sebaliknya, event mana yang dihadiri oleh orang yang sama.
-Dalam Single Mode kita mengatur feature yang menggambarkan peran node. Kebetulan atribut kita dinamai role. Kita menghubungkan orang (node) dengan event yang mereka hadiri (edge). Bobot edge adalah jumlah koneksi yang bersamaan. Dengan kata lain, bobot edge akan menjadi jumlah event yang dihadiri oleh kedua orang.
+Dalam widget Single Mode kita mengatur feature yang menggambarkan peran node. Kebetulan atribut kita dinamai role. Kita menghubungkan orang (node) dengan event yang mereka hadiri (edge). Bobot edge adalah jumlah koneksi yang bersamaan. Dengan kata lain, bobot edge akan menjadi jumlah event yang dihadiri oleh kedua orang.
-Network Explorer (1) memperlihatkan final network.
+Widget Network Explorer (1) memperlihatkan final network.
 [[File:Single-Mode-Example.png|center|200px|thumb]]

@@ Line 12: / Line 12: @@
   Network: An instance of single network graph.
-Widget Single Mode bekerja dengan jaringan biparty, di mana himpunan bagian ditandai dengan atribut diskrit biner. Widget menghasilkan sebuah network tempat node merepresentasikan nilai yang dipilih (mis. Orang) dan edge nilai yang tersisa (mis. event). Widget ini juga berfungsi dengan atribut diskrit non-biner, tetapi akan memperlakukannya sebagai biner (one-versus-all).
+Widget Single Mode bekerja dengan jaringan biparty, di mana himpunan bagian ditandai dengan atribut diskrit biner. Widget menghasilkan sebuah network tempat node merepresentasikan nilai yang dipilih (mis. Orang) dan edge nilai yang tersisa (mis. event). Widget Single Mode juga berfungsi dengan atribut diskrit non-biner, tetapi akan memperlakukannya sebagai biner (one-versus-all).
 [[File:Single-Mode-stamped.png|center|200px|thumb]]

@@ Line 31: / Line 31: @@
 * Weighted number of connections: weights correspond to the sum of the product of original edge weights that connect each person with the event.
-For details and for description of other options, see Vlado Batagelj’s Introduction to Network Science using Pajek, section 7, page 38.
+Untuk detail dan keterangan dari opsi lainnya, silahkan lihat Vlado Batagelj Introduction to Network Science using Pajek, section 7, page 38.
 ==Contoh==

@@ Line 4: / Line 4: @@
 Convert multimodal graphs to single modal.
-Inputs
+==Input==
-    Network: An instance of a bipartite network graph.
+ Network: An instance of a bipartite network graph.
-Outputs
+==Output==
-    Network: An instance of single network graph.
+ Network: An instance of single network graph.
 Single Mode works with bipartite networks, where subsets are marked with a binary discrete attribute. The widget outputs a network where nodes represent the selected value (e.g. persons) and edges the remaining value (e.g. event). The widget also works with non-binary discrete attributes, but will treat them as binary (one-versus-all).
@@ Line 16: / Line 16: @@
 [[File:Single-Mode-stamped.png|center|200px|thumb]]
-    Mode indicator:
+* Mode indicator:
-        Feature: discrete feature labeling network subsets.
+** Feature: discrete feature labeling network subsets.
-        Connect: value used as nodes.
+** Connect: value used as nodes.
-        by: value used as edges.
+** by: value used as edges.
-    Edge weights: compute weights for the output network.
+* Edge weights: compute weights for the output network.
-    Information on the output network.
+* Information on the output network.
 ==Edge weights==
@@ Line 27: / Line 27: @@
 [[File:Single-Mode-weights.png|center|200px|thumb]]
-    No weights: all weights are set to 1.
+* No weights: all weights are set to 1.
-    Number of connections: weights correspond to the number of common connections (e.g. events the two people participated in).
+* Number of connections: weights correspond to the number of common connections (e.g. events the two people participated in).
-    Weighted number of connections: weights correspond to the sum of the product of original edge weights that connect each person with the event.
+* Weighted number of connections: weights correspond to the sum of the product of original edge weights that connect each person with the event.
 For details and for description of other options, see Vlado Batagelj’s Introduction to Network Science using Pajek, section 7, page 38.