KONSEP DASAR METODE SNA DAN PENGENALAN SOFTWARE SNA

-

Haloo temen - temen semuanyaa!! Kita ketemu lagi nihh hehe, gimana kabarnya kalian semua? semoga dalam keadaan sehat walafiat yaa, aamiin, nah kali ini saya mau bahas tentang Konsep Dasar Metode SNA dan Pengenalan Software SNA, yuk langsung simak penjelasan dibawah ini! 

 

Nah, yang pertama ini ada Konsep Dasar Jaringan

1. Konsep Dasar Jaringan :

    Jejaring sosial ini memiliki dua elemen yang dasar dan satu opsional (Point Ketiga)

    1. Satu set node (alias simpul) - objek dalam jaringan.

    2. Satu set atau set hubungan (alias relasi, koneksi edge, arc - ties bisa diarahkan atau tidak.

    3. Opsional, sekumpulan atribut - infomasi tambahan yang kita miliki tentang node.

Analisis Jaringan, sebagai berikut :

►    Network         : Bagaimana merepresentasikan berbagai jaringan sosial

►    The Strengths : Bagaimana mengidentifikasi kekuatan ikatan dalam jaringan

►    Key Player     :  Bagaimana mengidentifikasi "Key Central Node" dalam jaringan

►    Cohesion        :  Mengukur keseluruhan jaringan


1.  Matrik kedekatan (Adjacency Matrix) - Directed and Binary (Bagaimana mempresentasikan berbagai jaringan sosial)

     Dari matriks kita dapat membuat grafik (alias diagram jaringan, sosiogram).

2. Jaringan Ego Network (Ego atau keseluruhan?)

►    Jaringan ego berpusat pada node tertentu dan hubungannya dengan alters.

►    Dapat diekstrasi dari seluruh jaringan.

►    Tapi bisa dikumpulkan alih - alih seluruh jaringan.

►    Berguna untuk menganalisis domain jaringan (White, 2008).

Sebagai Catatatan : Jaringan Ego tidak pernah benar - benar utuh. Selalu membatasi Masalah, dll.

3. Strenghs ( Bagamana mengidentifikasi kuat atau lemahnya ikatan )

►    Ikatan menggambarkan interaksi, aliran informasi atau barang, dll.

►    Besaran ikatan (Tebal atau Tipis) dapat mengindikasikan kekuatan dari interaksi atau frekuensi.

4. Key Player ( Bagaimana mengidentifikasi actor utama dalam jaringan )

► Degree Centrality

    Ada tidaknya ikatan yang termasuk (indegree) atau keluar (Outdegree) dari node keterhubungan / pengaruh / popularitas.

► Betweeness Centrality ( Nilai 0 s.d 1 )

     Node yang menghubungkan dua node lainnya - Gateway / Bridge.

► Closeness Centrality ( Nilai 0 s.d 1 )

     Ukuran Jangkauan atau Kedekatan Aktor - Di ukur dari beberapa langkah seorang aktor dapat menghubungi aktor lain.  

►  Eigenvector Centrality ( Nilai 0 s.d 1 )

      Seberapa Penting atau seberapa popular node yang berjaringan dengan actor.

5. Cohesion ( Pengukuran keseluruhan struktur jaringan )

    Level Sistem - Karakteristik dan Struktur Jaringan

►  Reciprocity ( Nilai 0 s.d 1 )

      Indikator mutualitas dan pertukaran tmbal balik - Kohesif

      Relasi anggota searah atau dua arah

►  Density ( Nilai 0 s.d 1)

      Intensitas antar anggota jaringan dalam berkomunikasi

►  Size

       Ukuran dari suatu jaringan menentukan karakteristik suatu jaringan

       Jaringan dengan ukuran kecil - kecil lebih kohesif, intensitas komunikasi lebih sering

►   Centralization ( Nilai 0 s.d 1 )

       Seberapa memusatnya suatu jaringan pada beberapa aktor

►   Diameter dan Jarak / Distance

       Diameter - Jarak terjauh di antara dua aktor dalam suatu jaringan.

       Jarak Rata - rata langkah yang dibutuhkan ole semua aktor untuk bisa saling berinteraksi.

►   Modularity

        Pengukuran untuk mendeteksi banyaknya komunitas / group / genk yang ada di dalam suatu Graph. 


Kemudian ada Struktur Jaringan : 

►    Komponen  : Pengelompokkan aktor (node) yang sekurangnya mempunyai satu link dalam jaringan.

►    Klik            : Pengelompokkan aktor yang lebih ketat

►    Bridges       : Link yang menghubungkan dua kelompok terpisah dalam suatu jaringan.

►    Hubs           : Merujuk pada aktor yang mempunyai koneksi paling banyak dalam  jaringan.

►    Cutpoins     : Aktor yang menjadi perekat dari jaringan.

►    Pemencil     : Aktor yang tidak mempunyai satu pin link dengan aktor lain dalam jaringan.


Ada 3 bentuk aliran dalam jaringan:

►  Jalur (Path)

Saluran yang menghubungkan antara satu aktor dengan aktor lain dalam jaringan. (Golbeck, 2013). Semakin luas jaringan yang dimiliki, maka semakin banyak alternative path.

Contoh : Jalur dari D ke L, merupakan path. Path D-C-E-H-K-L / D-G-F-E-H-K-L . Dalam suatu jaringan, umumnya ada beberapa path.

►  Jalan (Walk)

Aliran yang memungkinkan kita menghubungi semua aktor dalam jaringan tanpa batasan, seperti pada path dan trail.

►  Jejak (Trail)

Bentuk aliran yang bisa digunakan oleh aktor agar bisa terhubung aktor lain dalam jaringan. Ciri - Ciri Trail, tidak ada pengulangan link (ties). Aktor bisa berulang atau dilewati beberapa kali.

Contoh: Aktor D hendak menghubungi E. Jalurnya bisa D-C-A-D-G-F-E

 

Yang Terakhir ada Software Social Network Analysis (SNA) : 

►    Ucinet adalah program pengolahan data jaringan yang paling populer. Program ini dibuat oleh Analytic Technologies dan pertama kali diperkenalkan oleh Freemen, Everett dan Borgatti.

►    Netlytic adalah salah satu perangkat untuk menganalisis jaringan media sosial. Contohnya : percakapan di media sosial (dm instagram, twitter, youtube, blog, dll ) Melalui software ini kita bisa menggambarkan karakteristik dari perbincangan suatu isu di media sosial.   

        Kelebihan : Tidak perlu install software, Data yang diambil dari media sosial bisa terus diperbarui. 

        Kelemahan : Membutuhkan akses internet. Sehingga dirasa kurang praktis bagi pengguna yang tidak memiliki akses internet yang baik.   

►    Gephi adalah perangkat lunak atau aplikasi open source yang digunakan untuk network analysis yang meliputi visualisasi , ekslorasi dan manipulasi suatu jaringan sosial. Gephi bisa membuat visualisasi dan mengolah data dari sebuah jaringan dengan anggota puluhan ribu bahkan jutaan aktor.

►    Node XL adalah sebuah program open source yang merupakan social network analysis plug in untuk Microsoft Excel 2007. Program NodeXL ini diperuntukkan bagi pemakai Excel agar dapat mudah mengadopsi program ini dengan pengurutan , penyaringan dan penciptaan formula untuk menghasilkan visualisasi jaringan. Software ini merupakan hasil kolaborasi kerja antara Connected Action , Consulting Group , Microsoft Research, University of Maryland, Cornel University, Stanford University dan Oxford Universty.


Nah, segitu dulu ya teman - teman, materi yang bisa saya bahas kali ini hehe, semoga bermanfaat yaaa! Sampai jumpa lagi, Stay Safe and Stay Health !!


    


Komentar

Posting Komentar

Postingan populer dari blog ini

Crawling Data Menggunakan Netlytic

-
Gambar
Haloo teman - teman semuanya? gimana kabarnya nih? Semoga baik – baik saja dan semoga kita semua selalu dalam keadaan sehat walafiat, aamiin... Nah kali ini crawling dayta dengan salah satu topik yang sedang tranding di twitter nih! Kedengarannya seru kan? Pasti dong hehehe, yuk simak penjelasan saya berikut! Sebelumnya saya akan jelaskan dulu, apa sih Netlytic itu?  Netlytic adalah suatu cloud-based teks dan jaringan sosial penganalisis yang secara otomatis dapat meringkas dan menemukan jaringan komunikasi dari sosial yang umum tersedia pos media yang tersedia untuk umum. API umum ini digunakan untuk mengumpulkan postingan dari Twitter, YouTube, dan Facebook. Ini juga mendukung analisis kumpulan datanya sendiri. Netlytic dapat secara otomatis membuat rantai jaringan dan jaringan pribadi, berdasarkan yang menjawab kepada siapa & yang disebutkan siapa. Netlytic adalah penganalisa teks dan jaringan sosial komunitas yang didukung secara otomatis dapat mengumpulkan dan menemuka...
Baca selengkapnya

Materi Tentang Pengumpulan Data : Arsip / Dokumen

-
Halo semuanya, kembali lagi bersama saya Angga, bagaimana kabarnya kalian semua? semoga selalu dalam keadaan sehat walafiat yaa! Aamiin, Nah kali ini saya akan berbagi sedikit Materi Tentang Pengumpulan Data : Arsip / Dokumen, yuk langsung simak ajaa. P engumpulan data/arsip dokumen sebagai sumber data ini, tentu saja memiliki kelebihan dan kekurangannya, sebagai berikut ini : Kelebihan : Memungkinkan menggunakan data dalam jumlah besar dengan biaya yang sangat murah. Kelemahan: Tidak dimungkinkan untuk melakukan eksplorasi data. Rencana analisis harus disesuaikan dengan ketersediaan data, sehingga menjadi terbatas (Marsden, 2005). Lalu ada   3 dokumen yang dapat di analisis, yaitu : Dokumen tersebut harus terdapat actor dan relasi diantara actor tersebut. Seperti, Dokumen putusan pengadilan, kuitansi, kliping berita media. Berita yang bisa dipakai sebagai sumber data dalam analisis jaringan komunikasi jika dalam berita terdapat actor dan relasi dia...
Baca selengkapnya

Etika Pada Penelitian Social Network Analysis (SNA)

-
 Haloo teman - teman semuanya? gimana kabarnya nih? ga kerasa yaa udah tahun 2022 aja hehe, selamat tahun baru ya teman - teman semuanya, semoga kita semua selalu dalam keadaan sehat walafiat, aamiin... Nah sekarang saya mau bahas tentang Etika pada Penelitian SNA nih, yuk simak penjelasan saya berikut! Etika Penelitian Social Network Analysis, ini tentu harus dilakukan dengan metode yang benar dan juga harus memperhatikan etika yang berlalu, karena pada dasarnya etika itu sangat penting. Karena etika ini langsung berhubungan dengan informannya atau responden penelitiannya. Terdapat dua aspek yang penting dalam kesulitan penerapan etika yaitu :  a. Aspek yang berkaitan dengan proses pengambilan data, meliputi : prinsip kesukarelaan (voluntary), informasi terbuka, tidak boleh merugikan informan baik fisik maupun psikis. b. Aspek etika yang berkaitan dengan penulisan laporan, meliputi : Prinsip anomitas, kerahasiaan (Confidentiality) Masalah Dalam Metode Analisis Jaringan Komun...
Baca selengkapnya