Escolar Documentos
Profissional Documentos
Cultura Documentos
SOSIAL
Oleh :
Abdullah M. Jaubah
Pendahuluan
Studi dan penghayatan atas Ucinet yang Ucinet yang disusun oleh Borgatti, S.P., Everett
M.G., dan Freeman, L. C. (2002) sebagai suatu perangkat dalam analisis jaringan sosial.
Studi dan penghayatan atas Ucinet dapat mengacu pada tutorial yang ditulis oleh Robert A.
Hanneman dan Mark Riddle. Buku ini berjudul Introduction to Social Network Methods. B
uku ini terdiri dari 18 bab. Bab 1 adalah bab mengenai Social network data. Bab 2 adalah
bab mengenai Why formal methods?. Bab 3 adalah bab mengenai Using graphs to represent
social relations. Bab 4 adalah bab mengenai Working with Netdraw to visualize graphs. Bab
5 adalah bab mengenai Using matrices to represent social relations. Bab 6 adalah bab
mengenai Working with network data. Bab 7 adalah bab mengenai Connection. Bab 8 adalah
bab mengenai Embedding. Bab 9 adalah bab mengenai Ego Networks. Bab 10 adalah bab
mengenai Centrality and Power. Bab 11 adalah bab mengenai Cliques and sub-groups. Bab
12 adalah bab mengenai Positions and roles : The idea of equivalence. Bab 13 adalah bab
mengenai Measures of similarity and structural equivalence. Bab 14 adalah bab mengenai
Automorphic equivalence. Bab 15 adalah bab mengenai Regular equivalence. Bab 16 adalah
bab mengenai Multiplex networks. Bab 17 adalah bab mengenai Two-mode networks. Bab 18
adalah bab mengenai Some statistical tools. Penjelasan lebih rinci atas tiap bab dapat
disajikan di bawah ini.
Bab 1 adalah bab mengenai Social Network Data. Pembahasan dalam bab ini mencakup
pembahasan mengenai Introduction : Whats different about social network data?, Nodes :
Populations, samples, and boundaries, and Modality and levels of analysis, Relations :
Sampling ties and Multiple relations, Scale of measurement, dan pembahasan mengenai A
note on statistics and social network data. Pembahasan mereka menekankan pada perbedaan
antara data analisis jaringan sosial dan data konvensional, simpul-simpul (nodes),
hubungan-hubungan (relations), skala pengukuran, dan pembahasan mengenai statistik dan
data jaringan sosial.
1
Bab 2 adalah bab mengenai Why formal methods?. Pembahasan dalam bab ini mencakup
pembahasan mengenai Introduction, Efficiency, Using Computers, Seeing patterns, dan
Summary.
Bab 3 adalah bab mengenai Using graphs to represent social relations. Pembahasan dalam
bab ini mencakup pembahasan mengenai Introduction : Representing networks with graphs,
graphs and sociogram, Kind of graphs : Levels of measurement : Binary, Signed, and valued
graphs, Directed or bonded ties in the graph, Simplex or multiplex relations in the graph,
Summary, dan Study questions.
Bab 4 adalah bab mengenai Working with Netdraw to visualize graphs. Pembahasan dalam
bab ini mencakup pembahasan mengenai Introduction : A picture is worth, Node attributes,
Relation properties, Location, Highlighting parts of the network, dan pembahasan mengenai
A few hints on data handling with NetDraw.
Bab 5 adalah bab mengenai Using matrices to represent social relations. Pembahasan dalam
bab ini mencakup pembahasan mengenai What is a matrix?, The "adjacency" matrix, Matrix
permutation, blocks, and images, Doing mathematical operations on matrices, Transposing a
matrix : Taking the inverse of a matrix, Matrix addition and matrix subtraction, Matrix
multiplication and Boolean matrix multiplication, Summary, dan Study questions.
Bab 6 adalah bab mengenai Working with network data. Pembahasan dalam bab ini
mencakup pembahasan mengenai Introduction: Manipulating network data structures,
Making UCINET datasets, Transforming data values, File handling tools, Selecting sub-sets
of the data, Making new kinds of graphs from existing graphs, dan Conclusion
Bab 7 adalah bab mengenai Connection. Pembahasan dalam bab ini mencakup pembahasan
mengenai Networks and actors : An example: Knoke's information exchange, Connection :
Basic demographics, Density, Reachability, Connectivity, Distance Walks etc., Geodesic
distance, eccentricity, and diameter, Flow, Summary, dan Study Questions
Bab 8 adalah bab mengenai Embedding. Pembahasan dalam bab ini mencakup pembahasan
mengenai Introduction, Density, Reciprocity, Transitivity, Clustering, Group-external and
group-internal ties, Krackhardt's Graph Theoretical Dimensions of Hierarchy, dan Summary
Bab 9 adalah bab mengenai Ego Networks. Pembahasan dalam bab ini mencakup
pembahasan mengenai Introduction, Ego network data, Ego network density, Structural
holes, Brokerage, dan Summary
Bab 10 adalah bab mengenai Centrality and Power. Pembahasan dalam bab ini mencakup
pembahasan mengenai Introduction: The several faces of power, Degree centrality :
Degree: Freeman's approach dan Degree: Bonacich's approach, Closeness centrality :
Closeness:
Reach, Closeness:
Eigenvector of geodesic
bab
ini
mencakup
pembahasan
mengenai
Introduction,
Measuring
similarity/dissimilarity, Valued relations : Pearson correlations covariances and crossproducts Euclidean, Manhattan, and squared distances, Binary relations, Matches : Exact,
Jaccard, Hamming, Visualizing similarity and distance ; Clustering tools dan Multidimensional scaling tools, Describing structural equivalence sets, Clustering similarities or
distances profiles, CONCOR, Optimization by Tabu search, dan Summary.
Babn
Bab 15 adalah bab mengenai Regular equivalence. Pembahasan dalam bab ini mencakup
pembahasan mengenai Defining regular equivalence, Uses of the concept, Finding
equivalence sets : Categorical REGE for directed binary data (Wasserman-Faust directed
data), Categorical REGE for geodesic distances (Padgett's marriage data), Continuous
REGE for geodesic distances (Padgett's marriage data), The Knoke bureaucracies
information exchange network analyzed by Tabu search, dan Summary
Bab 16 adalah bab mengenai Multiplex networks. Pembahasan dalam bab ini mencakup
pembahasan mengenai Introduction: Multiple relations among actors, Multiplex data
basics : Visualizing multiplex relations, Combining multiple relations, dan Combining
multiple views, Role algebras for multiplex data, dan Summary.
Bab 17 adalah bab mengenai Two-mode networks. Pembahasan dalam bab ini mencakup
pembahasan mengenai Introduction, Bi-partite data structures, Visualizing two-mode data,
Quantitative analysis : Two-mode SVD analysis, Two-mode factor analysis, dan Two-mode
correspondence analysis, Qualitative analysis : Two-mode core-periphery analysis dan Twomode factions analysis, dan Summary.
Bab 18 adalah bab mengenai Some statistical tools. Pembahasan dalam bab ini mencakup
pembahasan mengenai Introduction: Applying statistical tools to network data, Describing
one network : Univariate descriptive statistics dan Hypotheses about one mean or density,
Comparing two relations for the same set of actors : Hypotheses about two paired means or
densities, Correlation between two networks with the same actors, dan Network regression,
Explaining attributes of networked actors : Hypotheses about the means of two groups,
Hypotheses about the means of multiple groups, dan Regressing position on attributes,
Explaining the relations among actors in a network : Hypotheses about relations
within/between groups, Homophily models, Hypotheses about similarity and distance, dan
The probability of a dyadic tie: Leinhardt's P1, dan Summary.
Suatu jaringan sosial adalah suatu struktur sosial yang terbentuk dari individu-individu,
kelompok-kelompok, organisasi-organisasi, bangsa-bangsa, atau negara-negara yang disebut
simpul-simpul yang terkoneksi oleh satu jenis-jenis spesifik dari interdependensi atau lebih
seperti persahabatan, kekeluargaan, kepentingan bersama, pertukaran valuta asing,
ketidaksenangan, hubungan-hubungan kepercayaan atau keyakinan, hubungan-hubungan
pengetahuan atau prestige. Analisis jaringan sosial memandang hubungan-hubungan sosial
merurut teori jaringan terdiri dari simpul-simpul (nodes) dan ikatan-ikatan (edges, links, atau
4
connections). Simpul-simpul itu merupakan para aktor individual di dalam jaringan dan
ikatan-ikatan itu merupakan hubungan-hubungan antara para aktor. Hasil berbasis grafik
berbentuk struktur itu biasanya adalah sangat kompleks. Berbagai jenis hubungan terdapat
antara simpul-simpul itu. Penelitian-penelitian dalam berbagai bidang akademik telah
mengungkap bahwa jaringan sosial itu beroperasi atas banyak tingkatan, dari tingkatan
keluarga-keluarga hingga tingkatan bangsa-bangsa dan memainkan suatu peranan penting
dalam penentuan cara masalah-masalah itu dipecahkan, organisasi-organisasi dijalankan, dan
derajat di mana individu-individu berhasil dalam pencapaian sasaran-sasaran mereka. Suatu
jaringan sosial adalah suatu peta yang mencerminkan spesifikasi ikatan-ikatan antara simpulsimpul yang sedang diteliti. Jaringan dapat juga dipakai untuk mengukur modal sosial (social
capital) yaitu nilai yang diperoleh individu-individu dari jaringan sosial. Konsep ini sering
disajikan dalam diagram jaringan sosial dan simpul-simpul adalah titik-titik atau lingkaranlingkatan dan ikatan-ikatan adalah garis-garis dengan anak panah. Anak panah dapat satu
arah atau dua arah.
Analisis jaringan sosial, berhubungan dengan teori jaringan, telah muncul sebagai suatu
teknik utama dalam sosiologi. Teknik ini juga telah dimanfaatkan dalam antropologi, biologi,
penelitian-penelitian komunikasi, ilmu ekonomi, epidemiologi, geografi, ilmu informasi,
penelitian-penelitian organisasi, psikologi sosial, linguistik sosial, politik, hubungan
internasional, manajemen, administrasi publik, keuangan, dan sebagainya.
Suatu sejarah ringkas dari jaringan sosial dan analisis jaringan sosial telah ditulis oleh Linton
Freeman dalam bukunya yang berjudul The Development of Social Network Analysis.
Beberapa Pertanyaan Tentang Ukuran dalam Teori dan Analisis Jaringan Sosial
Beberapa pertanyaan pokok sering diajukan dalam teori jaringan sosial dan analisis jaringan
sosial. Pertanyaan-pertanyaan ini adalah sebagai berikut :
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
Pertanyaan-pertanyaan di atas secara langsung atau tidak langsung akan terkandung dalam
teori dan analisis jaringan sosial karena pertanyaan-pertanyaan di atas berhubungan dengan
ukuran-ukuran yang biasa dipakai dalam teori dan analisis jaringan sosial. Hasil jaringan
sosial berbentuk diagram jaringan merupakan hasil secara kualitatif mengenai para aktor dan
hubungan antara para aktor. Interpretasi dilakukan secara kuantitatif dengan memakai
ukuran-ukuran tersebut di atas misalkan outdegree sebagai ukuran dari pengaruh dan
indegree sebagai ukuran dari kekuasaan.
Studi dan penghayatan isi buku tersebut mengungkap bahwa Ucinet dapat dipakai untuk
mengolah data hasil penelitian kualitatif, data hasil penelitian kuantitatif, dan data hasil
penelitian kombinasi. Penyajian hasil penelitian kualitatif tidak akan bermakna dan sangat
sulit diinterpretasikan tanpa bantuan dari hasil pengolahan secara kuantitatif. Hal ini dapat
diungkap dari contoh data di bawah ini :
6
Finland, Honduras, Indonesia, Israel, Japan, Liberia, Madagascar, New Zeland, Pakistan,
Spain, Switzerland, Syria, Thailand, United Kingdom, United State, dan Yugoslavia.
Dapatkah diagram jaringan di atas diinterpretasikan secara benar dan tepat? Negara manakah
yang berkuasa dan yang tidak berkuasa dalam hubungan perdagangan internasional tersebut,
negara manakah yang mempunyai pengaruh terbesar dan pengaruh terkecil? Banyak
pertanyaan lain dapat diajukan dalam hubungannya dengan hasil penelitian kualitatif yang
telah digambarkan dalam bentuk diagram jalur di atas.
Freeman Degree Centrality Measures mengenai hubungan perdagangan barang-barang
manufaktur, pangan, crude minarals, mineerals, dan diplomatic exchange dapat disajikan
secara kuantitatif sebagai berikut :
FREEMAN'S DEGREE CENTRALITY MEASURES
-------------------------------------------------------------------------------Diagonal valid?
NO
Model:
ASYMMETRIC
Input dataset:
6\DataFiles\Trade)
Relation 1: MANUFACTURED_GOODS
1
OutDegree
InDegree NrmOutDeg
NrmInDeg
ALGERIA
ARGENTINA
4.000
13.000
13.000
17.391
10.000
56.522
56.522
43.478
BRAZIL
21.000
11.000
91.304
47.826
CHINA
21.000
15.000
91.304
65.217
5 CZECHOSLOVAKIA
6
ECUADOR
21.000
2.000
9.000
13.000
8.696
91.304
56.522
39.130
8
EGYPT
9.000
12.000
39.130
ETHIOPIA
2.000
FINLAND
21.000
10
HONDURAS
11
INDONESIA
12
ISRAEL
11.000
10.000
47.826
43.478
13
JAPAN
23.000
17.000
100.000
73.913
14
LIBERIA
0.000
9.000
0.000
10.000
8.696
15.000
9.000
4.348
14.000
14.000
60.870
1.000
6.000
16
NEW_ZEALAND
11.000
14.000
18
SPAIN
19
20
21
13.000
SWITZERLAND
23.000
0.000
THAILAND
23 UNITED_STATES
YUGOSLAVIA
18.000
26.087
47.826
60.870
60.870
73.913
100.000
0.000
15.000
23.000
39.130
4.348
15.000
22.000
60.870
95.652
12.000
14.000
39.130
56.522
17.000
22 UNITED_KINGDOM
24
14.000
22.000
SYRIA
65.217
1.000
MADAGASCAR
PAKISTAN
43.478
91.304
15
17
52.174
52.174
60.870
17.000
18.000
15.000
65.217
65.217
95.652
73.913
100.000
78.261
78.261
65.217
DESCRIPTIVE STATISTICS
1
OutDegree
InDegree NrmOutDeg
NrmInDeg
Mean
12.917
12.917
56.159
56.159
9
2 Std Dev
3
8.460
Sum
3.068
310.000
4 Variance
310.000
71.576
SSQ
MCSSQ
36.784
1347.826
9.410
5722.000
13.337
1353.051
177.878
4230.000 108166.352
1717.833
32473.219
75.644
65.038
328.887
8 Minimum
0.000
6.000
0.000
9 Maximum
23.000
18.000
100.000
24.000
79962.195
225.833
7 Euc Norm
10 N of Obs
1347.826
24.000
4269.061
282.776
26.087
24.000
78.261
24.000
OutDegree
InDegree NrmOutDeg
NrmInDeg
ALGERIA
ARGENTINA
1.000
15.000
17.000
4.348
6.000
65.217
73.913
26.087
BRAZIL
19.000
9.000
82.609
39.130
CHINA
15.000
10.000
65.217
43.478
5 CZECHOSLOVAKIA
6
ECUADOR
EGYPT
ETHIOPIA
11.000
11.000
8.000
8.000
17.000
5.000
17.000
3.000
47.826
47.826
34.783
34.783
73.913
21.739
73.913
13.043
10
FINLAND
13.000
20.000
10
HONDURAS
11
INDONESIA
12
ISRAEL
12.000
13.000
52.174
56.522
13
JAPAN
17.000
19.000
73.913
82.609
14
LIBERIA
3.000
7.000
13.043
30.435
11.000
14.000
56.522
5.000
47.826
21.739
13.000
60.870
56.522
15
MADAGASCAR
5.000
5.000
16
NEW_ZEALAND
15.000
13.000
17
PAKISTAN
18
SPAIN
19
20
21
9.000
SWITZERLAND
SYRIA
21.000
3.000
THAILAND
23 UNITED_STATES
21.000
23.000
YUGOSLAVIA
20.000
13.000
56.522
52.174
86.957
91.304
13.043
13.000
21.739
65.217
86.957
14.000
17.000
21.739
39.130
20.000
22 UNITED_KINGDOM
24
12.000
20.000
86.957
60.870
73.913
18.000
21.000
12.000
86.957
56.522
91.304
78.261
100.000
56.522
91.304
52.174
DESCRIPTIVE STATISTICS
1
OutDegree
InDegree NrmOutDeg
NrmInDeg
Mean
12.792
12.792
55.616
55.616
2 Std Dev
5.972
5.447
25.965
23.681
Sum
307.000
307.000
1334.783
1334.783
11
4 Variance
35.665
29.665
4783.000
674.195
SSQ
MCSSQ
855.958
711.958
16180.686
7 Euc Norm
69.159
68.110
300.692
8 Minimum
1.000
3.000
4.348
9 Maximum
23.000
21.000
100.000
10 N of Obs
4639.000
560.774
24.000
90415.875
24.000
87693.758
13458.569
296.131
13.043
24.000
91.304
24.000
OutDegree
InDegree NrmOutDeg
NrmInDeg
ALGERIA
ARGENTINA
6.000
13.000
14.000
26.087
9.000
56.522
60.870
39.130
BRAZIL
19.000
6.000
82.609
26.087
CHINA
15.000
15.000
65.217
65.217
5 CZECHOSLOVAKIA
6
ECUADOR
7.000
3.000
14.000
18.000
9.000
EGYPT
ETHIOPIA
10.000
5.000
FINLAND
17.000
16.000
10
HONDURAS
7.000
14.000
2.000
30.435
13.043
60.870
43.478
73.913
30.435
78.261
39.130
60.870
21.739
69.565
8.696
12
11
INDONESIA
12.000
14.000
12
ISRAEL
8.000
14.000
34.783
60.870
13
JAPAN
20.000
19.000
86.957
82.609
14
LIBERIA
2.000
43.478
8.696
10.000
52.174
15
MADAGASCAR
4.000
2.000
16
NEW_ZEALAND
17.000
10.000
17
PAKISTAN
18
SPAIN
19
20
21
9.000
19.000
SWITZERLAND
SYRIA
19.000
6.000
THAILAND
23 UNITED_STATES
20.000
23.000
YUGOSLAVIA
19.000
14.000
43.478
60.870
95.652
82.609
26.087
14.000
8.696
73.913
82.609
10.000
14.000
17.391
39.130
22.000
22 UNITED_KINGDOM
24
14.000
60.870
43.478
60.870
21.000
60.870
86.957
20.000
19.000
82.609
91.304
100.000
60.870
86.957
82.609
DESCRIPTIVE STATISTICS
1
OutDegree
InDegree NrmOutDeg
NrmInDeg
Mean
12.792
12.792
55.616
55.616
2 Std Dev
5.612
6.021
24.401
26.177
Sum
4 Variance
5
SSQ
307.000
307.000
1334.783
1334.783
31.498
36.248
595.430
685.222
4683.000
4797.000
88525.516
90680.531
13
MCSSQ
755.958
869.958
14290.327
7 Euc Norm
68.432
69.260
297.532
301.132
8 Minimum
3.000
2.000
13.043
8.696
9 Maximum
23.000
22.000
10 N of Obs
24.000
16445.338
100.000
24.000
24.000
95.652
24.000
OutDegree
InDegree NrmOutDeg
NrmInDeg
ALGERIA
ARGENTINA
9.000
6.000
3.000
39.130
4.000
26.087
13.043
17.391
BRAZIL
6.000
6.000
26.087
26.087
CHINA
11.000
3.000
47.826
13.043
5 CZECHOSLOVAKIA
6
ECUADOR
2.000
1.000
5.000
3.000
4.000
4.348
17.391
EGYPT
ETHIOPIA
0.000
2.000
0.000
8.696
FINLAND
4.000
4.000
17.391
17.391
10
HONDURAS
11
INDONESIA
12
ISRAEL
6.000
1.000
21.739
13.043
0.000
8.000
8.696
2.000
5.000
5.000
34.783
0.000
8.696
26.087
21.739
4.348
21.739
14
13
JAPAN
14
LIBERIA
14.000
6.000
60.870
26.087
2.000
5.000
8.696
21.739
15
MADAGASCAR
0.000
4.000
0.000
17.391
16
NEW_ZEALAND
1.000
5.000
4.348
21.739
17
PAKISTAN
18
SPAIN
19
20
21
1.000
11.000
11.000
SWITZERLAND
SYRIA
6.000
2.000
THAILAND
2.000
23 UNITED_STATES
5.000
19.000
47.826
26.087
8.696
10.000
8.000
21.739
21.739
26.087
82.609
13.000
7.000
21.739
8.696
6.000
22.000
YUGOSLAVIA
4.348
47.826
5.000
22 UNITED_KINGDOM
24
5.000
95.652
30.435
43.478
56.522
34.783
DESCRIPTIVE STATISTICS
1
OutDegree
InDegree NrmOutDeg
NrmInDeg
Mean
5.625
5.625
24.457
24.457
2 Std Dev
5.887
2.643
25.594
11.490
Sum
4 Variance
135.000
34.651
1591.000
135.000
6.984
927.000
586.957
655.029
586.957
132.030
SSQ
30075.615
MCSSQ
831.625
167.625
15720.700
7 Euc Norm
39.887
30.447
173.423
17523.629
3168.715
132.377
15
8 Minimum
0.000
2.000
9 Maximum
22.000
13.000
10 N of Obs
24.000
0.000
8.696
95.652
24.000
24.000
56.522
24.000
OutDegree
InDegree NrmOutDeg
NrmInDeg
ALGERIA
ARGENTINA
16.000
15.000
19.000
69.565
17.000
65.217
82.609
73.913
BRAZIL
19.000
19.000
82.609
82.609
CHINA
21.000
20.000
91.304
86.957
5 CZECHOSLOVAKIA
6
ECUADOR
18.000
12.000
19.000
15.000
13.000
18.000
78.261
52.174
56.522
EGYPT
ETHIOPIA
7.000
FINLAND
16.000
10
HONDURAS
11
INDONESIA
12
ISRAEL
13.000
8.000
56.522
34.783
13
JAPAN
23.000
23.000
100.000
100.000
14
LIBERIA
6.000
10.000
26.087
43.478
14.000
13.000
82.609
30.435
69.565
65.217
78.261
60.870
56.522
7.000
9.000
30.435
39.130
18.000
16.000
78.261
69.565
16
15
MADAGASCAR
4.000
8.000
16
NEW_ZEALAND
6.000
11.000
17
PAKISTAN
18
SPAIN
19
20
21
14.000
20.000
SWITZERLAND
SYRIA
22.000
12.000
THAILAND
13.000
23 UNITED_STATES
17.000
22.000
23.000
YUGOSLAVIA
19.000
78.261
95.652
52.174
15.000
47.826
65.217
86.957
13.000
34.783
26.087
60.870
18.000
22 UNITED_KINGDOM
24
15.000
17.391
56.522
56.522
21.000
23.000
18.000
73.913
65.217
95.652
91.304
100.000
82.609
100.000
78.261
DESCRIPTIVE STATISTICS
1
OutDegree
InDegree NrmOutDeg
NrmInDeg
Mean
15.375
15.375
2 Std Dev
5.794
4.211
Sum
4 Variance
66.848
25.190
66.848
18.310
369.000
369.000
1604.348
1604.348
33.568
17.734
634.550
335.243
SSQ
6479.000
MCSSQ
805.625
425.625
15229.206
7 Euc Norm
80.492
78.096
349.966
8 Minimum
4.000
8.000
17.391
9 Maximum
23.000
23.000
100.000
8045.841
339.548
34.783
100.000
17
10 N of Obs
24.000
24.000
24.000
24.000
18
Data ini terdiri dari data KNOKI yaitu data tentang pertukaran pesan di antara 10 organisasi
dan data KNOKMM yaitu data tentang pertukaran uang atau dana di antara 10 organisasi.
Data di atas adalah data mengenai pertukaran pesan atau informasi. Data di bawah ini adalah
data mengenai pertukaran uang.
19
Aktor 6 mencerminkan aktor yang terisolasi dalam hubungannya dengan pertukaran uang di
antara 10 organisasi. Aktor 6 tidak ikur dalam kegiatan pertukaran uang atau dana. Kekuasaan
dan pengaruh dapat juga diungkap dalam hubungannya dengan pertukaran uang ini.
Dua contoh di atas mengungkap bahwa Ucinet dapat dipakai untuk menampung beberapa
jenis data yang mencerminkan para aktor dan hubungan antara para aktor dalam satu arsip
data. Dua contoh di atas disajikan dari arsip data yang terkandung dalam Ucinet.
20
Ukuran Jaringan
Ukuran jaringan adalah suatu jumlah dari para aktor (simpul) dalam suatu jaringan, biasanya
dinyatakan sebagai k atau n. Ukuran jaringan adalah penting untuk hubungan-hubungan
struktur sosial karena keterbatasan kapasitas dari seorang aktor untuk memelihara ikatanikatan. Para aktor, dalam jaringan kecil, adalah sangat terkoneksi satu dengan lainnya,
sedangkan dalam suatu jaringan besar mencerminkan bahwa koneksi pada tiap aktor menjadi
sangat sulit. Jumlah ikatan untuk jaringan terarah (asymmetric) adalah k*(k-1) sedangkan
untuk jaringan tidak terarah (symmetric) adalah k*(k-1)/2. Jumlah hubungan yang mungkin
itu mengami pertumbuhan secara eksponensial jika jumlah aktor meningkat secara garis lurus
sehingga jaringan mencerminkan kompleksitas.
Contoh
Tiga aktor saling berhubungan. Hal ini dapat digambarkan dalam matriks sebagai berikut :
21
Ukuran jaringan di atas adalah 3. N dari semua ikatan yang mungkin adalah 6.
Contoh
Ukuran jaringan di atas adalah 6. N dari semua ikatan yang mungkin adalah 30. Grafik dari
data di atas adalah sebagai berikut :
22
Contoh
Contoh data di bawah ini terdiri dari enam aktor.
Diagram jaringan yang dihasilkan dari data di atas adalah sebagai berikut :
23
A
A
B
C
D
E
F
B
0
1
1
0
0
0
C
1
0
1
0
0
0
D
1
1
0
1
1
1
E
0
0
1
0
1
1
F
0
0
1
1
0
1
0
0
1
1
1
0
Jumlah
Jumlah
2
2
5
3
3
3
18
24
komponen kuat. Komponen lemah adalah serangkaian aktor yang berhubungan tanpa
mempertimbangkan arah dari ikatan dan komponen kuat membutuhkan bahwa jalur terarah
dari A ke B agar kedua aktor itu terdapat dalam komponen yang sama. Perintah Ucinet yang
dipakai adalah Network>Regions>Components>Valued Graph.
Diagram jaringan di atas terdiri dari tiga komponen yaitu (A,B, C. dan D), (E, F, G, dan H)
dan komponen (I).
Reachability
26
Reachability mengandung arti apakah dua aktor terkoneksi atau tidak dengan cara jika
beberapa aktor dalam suatu jaringan itu tidak dapat mencapai para aktor lain maka potensi
gangguan terdapat atas aliran informasi dan sumberdaya. Hal ini mungkin mengindikasikan
bahwa populasi yang sedang diteliti itu terdiri dari lebih daripada satu sub-populasi. Perintah
yang dipakai dalam Ucinet adalah Network> Cohesion>Reachability.
Contoh
Contoh data adalah sebagai berikut :
Diagram jaringan yang dihasilkan dari data di atas adalah sebagai berikut:
27
F tidak dapat dicapai.oleh para aktor dalam komponen yang lebih besar. Para aktor yang
terhubung dapat saling mencapai satu dengan lainnya.
Geodesic Distance
Suatu walk adalah urutan dari para aktor dan hubungan-hubungan yang dimulai dan diakhiri
dengan para aktor itu. Geodesic distance adalah jumlah dari hubungan dalam walk sependek
mungin dari satu aktor ke aktor lain. Geodesic path (path) dapat lebih daripada satu. Path
adalah optimal atau koneksi yang paling efisien antara dua aktor. Perintah yang dipakai
adalah Network>Cohesion>Geodesic Distance.
28
Rata-rata geodesic di antara pasangan yang dapat dicapai adalah 19/13 = 1.462.
Cutpoints, Block, dan Bridge
Suatu cutpoints adalah suatu simpul, peniadaan simpul ini akan menghancurkan jaringan ke
dalam beberapa bagian. Block adalah bagian-bagian ke dalam mana cutpoints membagi suatu
jaringan. Bridge adalah suatu ikatan antara dua simpul, peniadaan simpul ini akan
menghancurkan jaringan ke dalam beberapa bagian yang tidak terkoneksi. Cutpoints
mungkin bertindak sebagai broker di antara kelompok-kelompok yang tidak terkoneksi.
Cutpoints dan bridge merupakan tanda dari kelemahan jaringan akan menghancurkan aliran
informasi, sumberdaya, dan pengaruh.
29
Diagram jaringan di atas tidak mengandung cutpoints dan tidak mengandung bridge.
Diagram jaringan di atas mencerminkan bahwa C merupakan cutpoint dan bridge tidak
terdapat.
Diagam jaringan di atas mencerminkan bahwa A dan B adalah cutpoints dan bridge.
Sentralitas dan Sentralisasi
Para pakar administrasi publik, para pakar ilmu politik telah banyak mencurahkan pemikiran
mereka pada konsep sentralitas dan sentralisasi. Para pakar sosiologi kemudian
mengembangkan konsep sentralitas dan sentralisasi. Para pakar sosiologi ini telah
mengembangkan konsep jaringan sosial yang dapat dipakai untuk meneliti sentralitas dan
sentralisasi, termasuk kekuasaan dan pengaruh.
Posisi dapat menentukan sentralitas. Aktor A dalam diagram jaringan di bintang, diagram
jaringan baris, dan diagram jaringan lingkaran di bawah ini mempunyai kedudukan atau
posisi berbeda-beda. Diagram jaringan manakah yang mecerminkan posisi A adalah
menyenangkan dan diagram jaringan manakah yang mencerminkan posisi A adalah tidak
30
31
32
Sentralitas dan pengaruh tercermin dalam aktor A sebagaimana disajikan di bawah ini :
Outdegree dan Indegree dari aktor A adalah terbesar. Hal ini berarti bahwa pengaruh dan
kekuasaan dimiliki oleh aktor A.
33
Kekuasaan dan pengaruh terkecil dimiliki oleh aktor A dan G, dan kekuasaan dan pih engaruh
yang lebih besar dari aktor A dan G dimiliki oleh aktor B, C, D, E, dan F.
34
Kekuasaan dan pengaruh dari para aktor di atas adalah sama seperti disajikan dalam Freeman
Degree Centrality Measures di bawah ini :
35
Pengaruh (outdegree) dan kekuasaan (Indegree) dari tiap aktor adalah sama.
Degree Centrality
Peluang-peluang pilihan atau laternatif-alternatif jika makin banyak maka kesempatan adalah
makin besar dan ketergantungan atau kendala adalah makin kecil. Aktor yang lebih banyak
mempunyai ikatan maka kekuasaan yang dimiliki oleh aktor tersebut akan makin besar.
Derajat sentralitas adalah jumlah dari koneksi yang dimiliki oleh seorang aktor. Perhitungan
jumlah ikatan, jika ikatan adalah terarah (directed), adalah outdegree (misalkan pengiriman
pesan) dan Indegree (misalkan penerimaan pesan). Outdegree biasanya mengindikasikan
pengaruh dan indegree biasanya mengindikasikan prestige atau popularitas atau kekuasaan.
Closeness Centrality
Closeness centrality menekankan pada jarak dari aktor pada semua aktor lain dalam jaringan.
Aktor adalah makin dekat pada para aktor lain dalam jaringan jika aktor itu mempunyai
posisi yang makin menyenangkan Kejauhan (farness) adalah jumlah dari jarak geodesik dari
tiap ego terhadap para aktor lain dalam jaringan. Kedekatan adalah kebalikan dari kejauhan
atau 1/kejauhan. nCloseness adalah kedekatan dikali dengan jumlah alter. Derajat sentralitas
36
dipakai untuk mengukur posisi lokal aktor sedangkan closeness centrality dipakai untuk
mengukur posisi secara global. Closeness hanya bermakna untuk jaringan terkoneksi.
Betweenness Centrality
Betweenness centrality mencerminkan bahwa jika makin banyak aktor yang tergantung pada
aktor lain untuk melakukan koneksi dengan para aktor lain, maka aktor itu mempunyai
kekuasaan makin besar. Betweenness centrality adalah sejauh mana seorang aktor terletak
pada jalur geodesik antara pasangan-pasangan lain dari para aktor dalam jaringan.
Centrality dan Centralization
Sentralitas adalah suatu karakteristik dari suatu posisi aktor dalam suatu jaringan. Sentralisasi
adalah suatu karakteristik dari suatu jaringan. Sentralisasi mengindikasikan ketidaksamaan
distribusi sentralitas dalam suatu jaringan atau besar varians yang terkandung dalam
distribusi sentralitas dalam suatu jaringan. Sentralitas merupakan suatu ukuran mikro.
Sentralisasi merupakan suatu ukuran makro. Hasil Ucinet mencakup hasil mengenai
sentralitas dan sentralisasi outdegree dan sentralisasi indegree. Sentralisasi, seperti sentralitas,
dalam
berjenis
degree
centralization,
closeness
centralization,
dan
betweenness
Ucinet mengandung menu File, Data, Transform, Tools, Networks, Window, Options, dan
menu Help. Tujuh tombol terdapat di bawah menu yaitu tombol untuk Exit, tombol Matrix
Speadsheet Editor, tombol DL Editor Import text data frorm Speadsheet, tombol Edit text
file, tombol Display Ucinet Dataset, tombol Matrix Algebra, dan tombol Visualize network
with NetDraw.
Isi Menu File
37
Menu File Ucinet mengandung peluang-peluang pilihan Change Default Folder, Create New
Folder, Copy Uninet Dataset, Rename Ucinet Dataset, Delete Ucinet Dataset, Print Setup,
Text Editor, View Previous Outputs, Launch Mage, Launch Pajek, dan peluang Exit.
Isi Menu Data
Isi menu data mengandung peluang-peluang pilihan Data Editors, Random, Import Text File,
Export, CSS, Browse, Display, Decribe, Extract, Remove, Unpack, Join, Match Net and
Attribute Datasets, Match Multiple Datasets, Sort Alpabetically, Sort by Attribute, Permute,
Transpose, Attribute to Matrix, Affiliation (2 Mode to 1 Mode), Subgraphs from partitions,
Partitions to Sets, Create Nodes Sets, dan Reshape matrix.
Isi Menu Transform
Isi menu transform adalah Block, Colapse, CSS, Dichotomize, Dichotomize interactive,
Symmetrize, Transpose, Normalize, Matc Marginals, Recode, Reverse, Diagonal, Double,
Rewire, Matrix Operations, Union, Time Slack, Intersection, Bipartite, Incedence, Linegraph,
Multigraph, Multiplex, dan Semigroup.
Isi Menu Tools
Isi menu tools mengandung peluang-peluang pilihan mengenai Profit, Conensus Analysis,
Cluster Analysis, Scaling/Decomposition, Correlate column across datasets, Similarities,
Dissimilarities, Univariate Stats, Count Combination, Frequencies, Testing Hypothesis,
Matrix Algebra, Scatterplot, Dendogram, dan Tree Diagram.
Isi Menu Networks
Isi menu networks mencakup peluang-peluang pilihan mengenai Cohesion, Regions,
Subgroups, Paths, Ego Networks, Centrality, Group Centrality, Core/Periphery, Position &
Role, Triad Census, P1, Balance counter, Compare densities, Compare aggregate proximity
matrices, 2-Mode networks, Trajectories, dan Extras.
Isi Menu Visualize
Isi menu visualize mencakup peluang-peluang pilihan mengenai NetDraw, Mage, dan Pajek.
Isi Menu Options
38
Isi menu options mencakup peluang-peluang pilihan mengenai Data Checking, Display
Graphical Dendograms, Displalsy Full Pathnames, Smart Default Names, Long Labels,
Decimal places, Width of columns, Page Size, Scratch Folder, Output Folder, Helper
Application test, dan Repeated command.
Isi Menu Help
Isi menu help mencakup peluang-peluang pilihan mengenai Register, Help Topics, Hanneman
Tutorial, Techical Support, dan About.
Pemakaian NetDraw
Pemakaian NetDraw dilakukan dengan cara menekan tombol NetDraw. Langkah ini akan
menyajikan layar penampil yang mengandung peluang pilihan menu File, Edit, Layout,
Analysis, Transform, Properties, Options, dan menu Help.
Menu File mengandung peluang-peluang pilihan mengenai New (Blank), Open, Random,
Save Diagram As, Save Data As, Launch Mage, Launch Pajek, Print, Print Setup, Default
Folder, Batch, dan Exit.
Menu Edit mengandung peluang-peluang pilihan mengenai Copy.
Menu Layout mengandung peluang-peluang pilihan mengenai Graph-Theoretic layout,
Scaling/Ordination, Attribs as coordinates, Group by Attribute, Circle, Random, Ego
Networks (New), Ego Networks (simpile), Emilys Chart, Move/Rotate, Resize, Recenter,
dan Refresh.
Menu Analysis mengandung peluang-peluang pilihan mengenai Isolate, Components, Blocks
& Cutpoints, K-cores, Subgroups, Centrality measures, Prospects and Levers, KeyPlayer
metrics, Structural Holes, PRE measures, dan Reciprocal ties.
39
Isi Menu File mengandung peluang-peluang pilihan mengenai New, Insert columns from file,
Open, Save, Save As, Close, Print, Print setup, dan Close.
Isi Menu Edit mengandung peluang-peluang pilihan mengenai Cut, Copy, Paste, Select
Columns, Select rows, Select all, Find, Find and Replace, Insert columns, Insert rows, Insert
sheet, Delete columns, Delete rows, Delete sheet, Sort rows, Rename sheet, dan Copy sheet.
Isi Menu Transform mengandung peluang-peluang pilihan mengenai Block, Collapse, CSS,
Dichotomize, Dichotomize interactive, Symmetrize, Transpose, Normalize, Match Marginals,
Recode, Reverse, Diagonal, Double, Resize, Matrix Operations, Union, Time Stack,
Interaction, Bipartite, Incidence, Linegraph, Multigraph, Multiplex, dan Semigroup.
Isi Menu Fill mengandung peluang-peluang pilihan mengenai Blank w/0s dan Missings with
symmetric counterparts.
Isi Menu Labels mengandung peluang-peluang pilihan mengenai Import, Copy rows to
columns, dan Copy columns to rows.
40
2.
3.
4.
5.
Apakah analisis Ego Networks dapat dilakukan atas diagram jaringan di atas?
6.
7.
Apakah analisis Group Centrality dapat dilakukan atas diagram jaringan di atas?
8.
9.
Apakah analisis Position dan Role dapat dilakukan atas diagram jaringan di atas?
10.
Apakah analisis Triad Census dapat dilakukan atas diagram jaringan di atas?
11.
12.
Apakah analisis Balance counter dapat dilakukan atas diagram jaringan di atas?
13.
Apakah analisis Compare densities dapat dilakukan atas diagram jaringan di atas?
14.
Apakah analisis Compare aggregate proximity matrices dapat dilakukan atas diagram
jaringan di atas?
15.
Apakah analisis 2-Mode networks dapat dilakukan atas diagram jaringan di atas?
16.
17.
42
18.
Mengapakah interpretasi atas diagram jaringan ini adalah sama dengan interpretasi
atas diagram jaringan di atas?
Arsip Trade-Attribute
Arsip data ini adalah sebagai berikut :
43
Penyajian diagram jaringan atas trade attributes ini adalah sebagai berikut :
44
1.
2.
3.
4.
5.
Apakah analisis Ego Networks dapat dilakukan atas diagram jaringan di atas?
6.
7.
Apakah analisis Group Centrality dapat dilakukan atas diagram jaringan di atas?
8.
9.
Apakah analisis Position dan Role dapat dilakukan atas diagram jaringan di atas?
10.
Apakah analisis Triad Census dapat dilakukan atas diagram jaringan di atas?
11.
12.
Apakah analisis Balance counter dapat dilakukan atas diagram jaringan di atas?
13.
Apakah analisis Compare densities dapat dilakukan atas diagram jaringan di atas?
14.
Apakah analisis Compare aggregate proximity matrices dapat dilakukan atas diagram
jaringan di atas?
15.
Apakah analisis 2-Mode networks dapat dilakukan atas diagram jaringan di atas?
16.
17.
18.
Banyak pertanyaan lain dapat diajukan atas diagram jaringan akan tetapi di sini dibatasi
hanya pada pertanyaan-pertanyaan pokok saja.
Rangkuman
Ucinet sebagai perangkat dari analisis jaringan sosial dapat dipakai untuk menganalisis para
aktor dan hubungan-hubungan atau ikatan-ikatan mereka. Para aktor dapat mencakup
45
individu-individu, kelompok-kelompok, organisasi-organisasi, negara-negara, atau bangsabangsa. Hubungan dapat mencakup hubungan persahabatan, hubungan kekeluargaan,
hubungan internasional, hubungan masyarakat, hubungan diplomatik, hubungan politik,
hubungan pelayanan publik, dan sebagainya.
Banyak pakar ilmu sosial di Indonesia belum memanfaatkan perkembangan dalam analisis
jaringan sosial sebagaimana tercermin dalam para pakar administrasi publik, para pakar
hubungan internasional, para pakar ekonomi, para pakar sosiologi, para pakar antropologi,
para pakar politik, para pakar kesehatan masyarakat, dan para pakar komunikasi walau
mereka sering memakai konsep jaringan secara tidak bermakna karena tidak dianalisis secara
lebih rinci dan lebih mendalam sejalan dengan pertanyaan-pertanyaan di atas.
Pembahasan ini telah mengacu pada beberapa sumber sebagaimana tercermin dalam daftar
kepustakaan. Penulis akhirnya mengharap kritik dari para pakar sebagaimana dikemukakan di
atas.
Daftar Kepustakaan
Freeman, L. C. 2006. The Development of Social Network Analysis Vancouver: Empirical
Press.
Hanneman, Robert A. dan Mark Riddle. Buku ini berjudul Introduction to Social Network
Methods.
Scott, John. 1991. Social Network Analysis. London: Sage.
-------------. 2000. Social Network Analysis: A Handbook. 2nd Ed. Newberry Park, CA: Sage.
Wasserman, Stanley dan Katherine Faust. 1994. Social Networks Analysis: Methods and
Applications. Cambridge: Cambridge University Press.
Wellman, Barry dan S.D. Berkowitz, eds., 1988. Social Structures: A Network Approach.
Cambridge: Cambridge University Press.
46