Konsep Dasar SNA

 

cr: pinterest

Halo, temen-temen! Balik lagi sama aku di minggu ke-3. Oh iya, aku minta maaf karena updatenya di ujung minggu ya ╥﹏╥ akhir akhir ini lumayan numpuk tugasnya... Maklum semester 5. Kalo kata anak twitter, sih ‘‘Tuhan dan alam semesta bersama mahasiswa semester 5’’ HAHAHAHAHA.

Oke baik, kembali ke laptop. Jadi di sini aku tentunya masih membahas topik tentang Social Network Analysis (SNA) ya temen-temen! Semoga pembahasan di minggu kemarin ngga lupa ya XD.

Kali ini, yang akan kita bahas adalah ‘‘Konsep Dasar Metode SNA dan Pengenalan Software SNA’’. Kita mulai dari ‘‘Konsep Dasar Jaringan’’

Kalian tau ngga sih kalo jejaring sosial mempunyai dua elemen dasar dan satu opsional? Kalo temen-temen belum tau, biar aku jelasin ya!

- Yang pertama, ada satu set node (titik/simpul) yang merupakan objek di dalam jaringan

- Yang kedua, ada satu set atau dua set hubungan yang merupakan relasi, koneksi, edge, arc, -ties yang bisa diarahkan ataupun tidak.

- Yang ketiga, ada opsional, yang merupakan sekumpulan atribut bertujuan untuk membeti informasi tambahan yan kita miliki tentang ‘‘node’’

Mungkin diantara temen-temen masih ada yang masih bingung bagaimana caranya mempresentasikan berbagai jaringan sosial.

Jadi, kita dapat mempresentasikannya dari Matriks untuk membuat grafik (atau dikenal sebagai diagram jaringan, sosiogram). Dalam ruang lingkup SNA dipetakan seluruhnya dalam koneksi.

 

Selanjutnya ada penjelasan tentang Ego Network nih, temen-temen! Bagi temen-temen yang belum tau, Ego Network akan berpusat pada node tertentu. Untuk selengkapnya coba perhatikan gambar di bawah ini ya!

Lalu, temen-temen tau ngga bagaimana cara mengidentifikasi kuat atau lemahnya ikatan? Kalo belum tau, mari kita bahas!

☆ Sebuah ikatan menggambarkan suatu interaksi, aliran informasi, ataupun barang, dll.

☆ Besaran dari sebuah ikatan (ntah itu tebal atau tipisnya) dapat mengindikasikan kekuatan dari interaksi atau frekuensinya.

pas banget nih aku udah buatin grafik dan tabelnya!

 

Temen-temen pasti bingung ya gimana caranya mengidentifikasi actor utama dalam jaringan? Nah kita bisa menggunakan ‘‘Pengukuran Centrality - Level Actor’’

- Menurut V Latora dan M Marchiori (2007) Degree Centrality: untuk mengukur sentralitas dalam suatu jaringan yang fokus terhadap seberapa banyak suatu node berikatan (terhubung) dengan node lainnya.

- Betweenness Centrality: untuk mengukur sentralitas pada suatu jaringan yang berfokus terhadap seberapa banyak suatu node menghubungkan (menjembatani) antara node yang satu ke node lainnya.

- Closeness Centrality adalah: untuk mengukur centrality dalam suatu jaringan sosial yang fokus terhadap seberapa dekat suatu aktor dengan semua aktor lainnya.

- Eigenvector Centrality: ukuran yang memberikan bobot yang lebih tinggi pada node yang terhubung dengan node yang juga memiliki keterhubungan tinggi. Dapat dikatakan versi rekursif dari Degree Centrality.

Nah, ini ada contoh matrik yang aku buat dari komunitas yang aku miliki, Kouga.id. Tentang jaringan event cosplay yang diadakan di Tamini Square.

Software atau program untuk mengolah data jaringan komunikasi diantaranya ada: Ucinet, Netlytic, NodeXL dan Gephi.

Nah, segini dulu ya pembahasan minggu ini! semoga dapat  dimengerti ya, sampai ketemu minggu depan!