Click here to load reader
Upload
david-yu
View
341
Download
87
Embed Size (px)
DESCRIPTION
Contoh Ucinet
Citation preview
BEBERAPA CONTOH PEMAKAIAN UCINET DALAM ANALISIS JARINGAN 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 : What’s 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
2
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: Path distances, Closeness: Reach, Closeness: Eigenvector of geodesic
distances, dan Closeness: Hubbell, Katz, Taylor, Stephenson and Zelen influence,
Betweenness Centrality : Betweenness: Freeman's approach to binary relations,
Betweenness: Flow centrality, Summary, dan Study questions.
Bab 11 adalah bab mengenai Cliques and sub-groups. Pembahasan dalam bab ini mencakup
pembahasan mengenai Introduction: Groups and sub-structures, Bottom-up approaches :
Cliques, N-cliques, N-clans, K-plexes, K-cores, dan F-groups, Top-down approaches :
Components, Blocks, cut-points, Lambda sets, bridges, dan Factions, Summary, Study dan
Questions
Bab 12 adalah bab mengenai Positions and roles : The idea of equivalence. Pembahasan
dalam bab ini mencakup pembahasan mengenai Introduction, Approaches to network
positions and social roles, Defining equivalence or similarity : Structural equivalence,
Automorphic equivalence, dan Regular equivalence, Summary, dan Study questions.
Bab 13 adalah bab mengenai Measures of similarity and structural equivalence. Pembahasan
dalam bab ini mencakup pembahasan mengenai Introduction, Measuring
similarity/dissimilarity, Valued relations : Pearson correlations covariances and cross-
products Euclidean, Manhattan, and squared distances, Binary relations, Matches : Exact,
Jaccard, Hamming, Visualizing similarity and distance ; Clustering tools dan Multi-
dimensional scaling tools, Describing structural equivalence sets, Clustering similarities or
distances profiles, CONCOR, Optimization by Tabu search , dan Summary.
Babn 14 adalah bab mengenai Automorphic equivalence. Pembahasan dalam bab ini
mencakup pembahasan mengenai Defining automorphic equivalence, Uses of the concept,
Finding equivalence Sets : All permutations (i.e. brute force), Optimization by tabu search,
Equivalence of distances: Maxsim, dan Summary.
3
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 Two-
mode 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 simpul-
simpul 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 lingkaran-
lingkatan 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. Apakah yang dimaksud dengan betweenness itu?
2. Apakah yang dimaksud dengan bridge itu?
3. Apakah yang dimaksud dengan centrality itu?
4. Apakah yang dimaksud dengan centralization itu?
5. Apakah yang dimaksd dengan closeness itu?
5
6. Apakah yang dimaksud dengan clustering coefficient itu?
7. Apakah yang dimaksud dengan cohesion itu?h
8. Apakah yang dimaksud dengan degree itu?
9. Apakah yang dimaksud dengan density itu?
10. Apakah yang dimaksud dengan flow betweenness centrality itu?
11. Apakah yang dimaksud dengan eigenvector centrality itu?
12. Apakah yang dimaksud dengan path length itu?
13. Apakah yang dimaksud dengan local bridge itu?
14. Apakah yang dimaksud dengan prestige itu?
15. Apakah yang dimaksud dengan radiality itu?
16. Apakah yang dimaksud dengan reach itu?
17. Apakah yang dimaksud dengan structural cohesion itu?
18. Apakah yang dimaksud dengan structural equivalence itu?
19. Apakah yang dimaksud dengan structural hole itu?
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
Data di atas mencerminkan hubungan perdagangan barang-barang manufaktur, pangan, crude
minerals, minerals, dan pertukaran diplomatik. Diagram jaringan dapat disusun sebagai
berikut
Diagram jaringan di atas mewakili hubungan perdagangan internasional antara beberapa
negara yaitu Algeria, Argentina, Brazil, China, Czechoslovakia, Ecuador, Egypt, Ethopia,
7
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: Trade (C:\Program Files\Analytic Technologies\Ucinet 6\DataFiles\
Trade)
Relation 1: MANUFACTURED_GOODS
1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
1 ALGERIA 4.000 13.000 17.391 56.522
2 ARGENTINA 13.000 10.000 56.522 43.478
3 BRAZIL 21.000 11.000 91.304 47.826
4 CHINA 21.000 15.000 91.304 65.217
5 CZECHOSLOVAKIA 21.000 13.000 91.304 56.522
6 ECUADOR 2.000 9.000 8.696 39.130
8
7 EGYPT 9.000 12.000 39.130 52.174
8 ETHIOPIA 2.000 10.000 8.696 43.478
9 FINLAND 21.000 15.000 91.304 65.217
10 HONDURAS 1.000 9.000 4.348 39.130
11 INDONESIA 14.000 14.000 60.870 60.870
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 39.130
15 MADAGASCAR 1.000 6.000 4.348 26.087
16 NEW_ZEALAND 11.000 14.000 47.826 60.870
17 PAKISTAN 13.000 14.000 56.522 60.870
18 SPAIN 22.000 17.000 95.652 73.913
19 SWITZERLAND 23.000 15.000 100.000 65.217
20 SYRIA 0.000 12.000 0.000 52.174
21 THAILAND 14.000 15.000 60.870 65.217
22 UNITED_KINGDOM 22.000 17.000 95.652 73.913
23 UNITED_STATES 23.000 18.000 100.000 78.261
24 YUGOSLAVIA 18.000 15.000 78.261 65.217
DESCRIPTIVE STATISTICS
1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
1 Mean 12.917 12.917 56.159 56.159
9
2 Std Dev 8.460 3.068 36.784 13.337
3 Sum 310.000 310.000 1347.826 1347.826
4 Variance 71.576 9.410 1353.051 177.878
5 SSQ 5722.000 4230.000 108166.352 79962.195
6 MCSSQ 1717.833 225.833 32473.219 4269.061
7 Euc Norm 75.644 65.038 328.887 282.776
8 Minimum 0.000 6.000 0.000 26.087
9 Maximum 23.000 18.000 100.000 78.261
10 N of Obs 24.000 24.000 24.000 24.000
Network Centralization (Outdegree) = 45.747%
Network Centralization (Indegree) = 23.062%
Relation 2: FOODS
1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
1 ALGERIA 1.000 15.000 4.348 65.217
2 ARGENTINA 17.000 6.000 73.913 26.087
3 BRAZIL 19.000 9.000 82.609 39.130
4 CHINA 15.000 10.000 65.217 43.478
5 CZECHOSLOVAKIA 11.000 17.000 47.826 73.913
6 ECUADOR 11.000 5.000 47.826 21.739
7 EGYPT 8.000 17.000 34.783 73.913
8 ETHIOPIA 8.000 3.000 34.783 13.043
10
9 FINLAND 13.000 20.000 56.522 86.957
10 HONDURAS 11.000 5.000 47.826 21.739
11 INDONESIA 14.000 13.000 60.870 56.522
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
15 MADAGASCAR 5.000 5.000 21.739 21.739
16 NEW_ZEALAND 15.000 13.000 65.217 56.522
17 PAKISTAN 9.000 12.000 39.130 52.174
18 SPAIN 20.000 20.000 86.957 86.957
19 SWITZERLAND 21.000 20.000 91.304 86.957
20 SYRIA 3.000 14.000 13.043 60.870
21 THAILAND 17.000 13.000 73.913 56.522
22 UNITED_KINGDOM 21.000 18.000 91.304 78.261
23 UNITED_STATES 23.000 21.000 100.000 91.304
24 YUGOSLAVIA 13.000 12.000 56.522 52.174
DESCRIPTIVE STATISTICS
1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
1 Mean 12.792 12.792 55.616 55.616
2 Std Dev 5.972 5.447 25.965 23.681
3 Sum 307.000 307.000 1334.783 1334.783
11
4 Variance 35.665 29.665 674.195 560.774
5 SSQ 4783.000 4639.000 90415.875 87693.758
6 MCSSQ 855.958 711.958 16180.686 13458.569
7 Euc Norm 69.159 68.110 300.692 296.131
8 Minimum 1.000 3.000 4.348 13.043
9 Maximum 23.000 21.000 100.000 91.304
10 N of Obs 24.000 24.000 24.000 24.000
Network Centralization (Outdegree) = 46.314%
Network Centralization (Indegree) = 37.240%
Relation 3: CRUDE_MATERIALS
1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
1 ALGERIA 6.000 13.000 26.087 56.522
2 ARGENTINA 14.000 9.000 60.870 39.130
3 BRAZIL 19.000 6.000 82.609 26.087
4 CHINA 15.000 15.000 65.217 65.217
5 CZECHOSLOVAKIA 7.000 18.000 30.435 78.261
6 ECUADOR 3.000 9.000 13.043 39.130
7 EGYPT 14.000 14.000 60.870 60.870
8 ETHIOPIA 10.000 5.000 43.478 21.739
9 FINLAND 17.000 16.000 73.913 69.565
10 HONDURAS 7.000 2.000 30.435 8.696
12
11 INDONESIA 12.000 14.000 52.174 60.870
12 ISRAEL 8.000 14.000 34.783 60.870
13 JAPAN 20.000 19.000 86.957 82.609
14 LIBERIA 10.000 2.000 43.478 8.696
15 MADAGASCAR 4.000 2.000 17.391 8.696
16 NEW_ZEALAND 17.000 10.000 73.913 43.478
17 PAKISTAN 9.000 14.000 39.130 60.870
18 SPAIN 19.000 22.000 82.609 95.652
19 SWITZERLAND 19.000 19.000 82.609 82.609
20 SYRIA 6.000 10.000 26.087 43.478
21 THAILAND 14.000 14.000 60.870 60.870
22 UNITED_KINGDOM 20.000 21.000 86.957 91.304
23 UNITED_STATES 23.000 20.000 100.000 86.957
24 YUGOSLAVIA 14.000 19.000 60.870 82.609
DESCRIPTIVE STATISTICS
1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
1 Mean 12.792 12.792 55.616 55.616
2 Std Dev 5.612 6.021 24.401 26.177
3 Sum 307.000 307.000 1334.783 1334.783
4 Variance 31.498 36.248 595.430 685.222
5 SSQ 4683.000 4797.000 88525.516 90680.531
13
6 MCSSQ 755.958 869.958 14290.327 16445.338
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 22.000 100.000 95.652
10 N of Obs 24.000 24.000 24.000 24.000
Network Centralization (Outdegree) = 46.314%
Network Centralization (Indegree) = 41.777%
Relation 4: MINERALS
1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
1 ALGERIA 9.000 6.000 39.130 26.087
2 ARGENTINA 3.000 4.000 13.043 17.391
3 BRAZIL 6.000 6.000 26.087 26.087
4 CHINA 11.000 3.000 47.826 13.043
5 CZECHOSLOVAKIA 2.000 3.000 8.696 13.043
6 ECUADOR 1.000 4.000 4.348 17.391
7 EGYPT 5.000 8.000 21.739 34.783
8 ETHIOPIA 0.000 2.000 0.000 8.696
9 FINLAND 4.000 4.000 17.391 17.391
10 HONDURAS 0.000 2.000 0.000 8.696
11 INDONESIA 6.000 5.000 26.087 21.739
12 ISRAEL 1.000 5.000 4.348 21.739
14
13 JAPAN 14.000 6.000 60.870 26.087
14 LIBERIA 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 1.000 5.000 4.348 21.739
18 SPAIN 11.000 11.000 47.826 47.826
19 SWITZERLAND 6.000 5.000 26.087 21.739
20 SYRIA 2.000 5.000 8.696 21.739
21 THAILAND 2.000 6.000 8.696 26.087
22 UNITED_KINGDOM 19.000 10.000 82.609 43.478
23 UNITED_STATES 22.000 13.000 95.652 56.522
24 YUGOSLAVIA 7.000 8.000 30.435 34.783
DESCRIPTIVE STATISTICS
1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
1 Mean 5.625 5.625 24.457 24.457
2 Std Dev 5.887 2.643 25.594 11.490
3 Sum 135.000 135.000 586.957 586.957
4 Variance 34.651 6.984 655.029 132.030
5 SSQ 1591.000 927.000 30075.615 17523.629
6 MCSSQ 831.625 167.625 15720.700 3168.715
7 Euc Norm 39.887 30.447 173.423 132.377
15
8 Minimum 0.000 2.000 0.000 8.696
9 Maximum 22.000 13.000 95.652 56.522
10 N of Obs 24.000 24.000 24.000 24.000
Network Centralization (Outdegree) = 74.291%
Network Centralization (Indegree) = 33.459%
Relation 5: DIPLOMATIC_EXCHANGE
1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
1 ALGERIA 16.000 15.000 69.565 65.217
2 ARGENTINA 19.000 17.000 82.609 73.913
3 BRAZIL 19.000 19.000 82.609 82.609
4 CHINA 21.000 20.000 91.304 86.957
5 CZECHOSLOVAKIA 18.000 15.000 78.261 65.217
6 ECUADOR 12.000 13.000 52.174 56.522
7 EGYPT 19.000 18.000 82.609 78.261
8 ETHIOPIA 7.000 14.000 30.435 60.870
9 FINLAND 16.000 13.000 69.565 56.522
10 HONDURAS 7.000 9.000 30.435 39.130
11 INDONESIA 18.000 16.000 78.261 69.565
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
16
15 MADAGASCAR 4.000 8.000 17.391 34.783
16 NEW_ZEALAND 6.000 11.000 26.087 47.826
17 PAKISTAN 14.000 15.000 60.870 65.217
18 SPAIN 20.000 18.000 86.957 78.261
19 SWITZERLAND 22.000 17.000 95.652 73.913
20 SYRIA 12.000 13.000 52.174 56.522
21 THAILAND 13.000 15.000 56.522 65.217
22 UNITED_KINGDOM 22.000 21.000 95.652 91.304
23 UNITED_STATES 23.000 23.000 100.000 100.000
24 YUGOSLAVIA 19.000 18.000 82.609 78.261
DESCRIPTIVE STATISTICS
1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
1 Mean 15.375 15.375 66.848 66.848
2 Std Dev 5.794 4.211 25.190 18.310
3 Sum 369.000 369.000 1604.348 1604.348
4 Variance 33.568 17.734 634.550 335.243
5 SSQ 6479.000 6099.000 122476.367 115293.008
6 MCSSQ 805.625 425.625 15229.206 8045.841
7 Euc Norm 80.492 78.096 349.966 339.548
8 Minimum 4.000 8.000 17.391 34.783
9 Maximum 23.000 23.000 100.000 100.000
17
10 N of Obs 24.000 24.000 24.000 24.000
Network Centralization (Outdegree) = 34.594%
Network Centralization (Indegree) = 34.594%
Actor-by-centrality matrix saved as dataset FreemanDegree
Penelitian di atas mungkin bermanfaat bagi para pengajar dan para mahasiswa program studi
hubungan internasional. Arsip yang dipakai tersedia dalam paket program Ucinet. Indegree
mewakili kekuasaan dan ourdegree mewakili pengaruh. Konsep sentralitas dibedakan dari
konsep sentralisasi.
Beberapa Contoh
Contoh terkenal dalam Ucinet adalah arsip data Knokbur sebagai singkatan dari birokrasi
menurut hasil penelitian dari David Knoke. Contoh ini terdiri dari sepuluh organisasi yang
melakukan pertukaran pesan dan pertukaran dana. Pembahasan ini akan mencakup
pembahasan mengenai ukuran dari jaringan (network size), kepadatan jaringan (network
density), komponen yang lemah dan komponen yang kuat, pencapaian (reachability), jarak
geodesik, Cutpoints, block, bridge, sentralitas, degree centrality, closeness centrality,
betweenness centrality, sentralitas dan sentralisasi, degree centralization, closeness
centralization, dan pembahasan mengenai betweenness centralization. Paket program Ucinet
akan dipakai di sini.
Data Knokbur
Data Knokbur dapat disajikan sebagai berikut :
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
Grafik dari KNOKI adalah sebagai berikut :
Grafik dari data KNOKMM adalah sebagai berikut :
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.
20
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.
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 ikatan-
ikatan. 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
22
Ukuran jaringan di atas adalah 6. N dari semua ikatan yang mungkin adalah 30. Grafik dari
data di atas adalah sebagai berikut :
Contoh
Contoh data di bawah ini terdiri dari enam aktor.
23
Diagram jaringan yang dihasilkan dari data di atas adalah sebagai berikut :
Ukuran jaringan adalah 6 dan ikatan yang mungkin adalah 30.
Network Density
Perintah yang dipakai dalam Ucinet adalah Network>Cohesion>Density. Density adalah
proporsi dari semua ikatan yang mungkin yang sesungguhnya terdapat. Jumlah dari ikatan
24
yang terdapat dibagi dengan jumlah dari semua ikatan yang mungkin. Contoh di atas adalah
sebagai berikut :
A B C D E F JumlahA 0 1 1 0 0 0 2B 1 0 1 0 0 0 2C 1 1 0 1 1 1 5D 0 0 1 0 1 1 3E 0 0 1 1 0 1 3F 0 0 1 1 1 0 3
Jumlah 18
Density mengandung informasi tentang kecepatan di mana informasi atau sumberdaya
disebar di antara simpul-simpul dan sejauh mana para aktor itu mempunyai tingkat-tingkat
tinggi dari modal sosial atau kendala-kendala sosial.
Density adalah 0.6
25
Density adalah 1.0
Komponen
Komponen adalah sebagian dari suatu jaringan yang dihubungkan di dalam tetapi tidak
dihubungan dari bagian-bagian lain dari suatu jaringan. Isolate adalah aktor tunggal yang
tidak dihubungkan dengan jaringan. Aktor nomor 6 dalam contoh KNOKMM merupakan
isolate. Dua jenis komponen terdapat untuk grafik terarah yaitu komponen lemah dan
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.
26
Diagram jaringan di atas terdiri dari tiga komponen yaitu (A,B, C. dan D), (E, F, G, dan H)
dan komponen (I).
Reachability
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 :
27
Diagram jaringan yang dihasilkan dari data di atas adalah sebagai berikut:
A hanya dicapai oleh C dan D. B hanya dicapai oleh A, C, dan D.
28
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.
29
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.
30
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
31
menyenangkan? Bagaimanakah pembagian sentralitas dalam ketiga diagram jaringan
tersebut?
32
Diagram jaringan dari data di atas adalah sebagai berikut :
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
Diagram jaringan dari data di atas adalah sebagai berikut :
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
Data lain adalah sebagai berikut :
Data ini akan menghasilkan diagram jaringan sebagai berikut :
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
centralization. Sentralisasi dapat dikelompokkan ke dalam kelompok simetris dan kelompok
asimentris.
Pemakaian Ucinet
Pemakaian Ucinet akan menyajikan layar penampil sebagai berikut :
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), Emily’s 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
Menu Transform mengandung peluang-peluang pilihan mengenai Node attribute editor,
Simmelian ties, Symmetrize [binry ties only], Reverse Direction of ties, Reverse values,
Create New Relation, Atribute->Relation, Collapse Nodes by attribute, dan Restore/delete.
Menu Properties mengandung peluang-peluang pilihan mengenai Nodes, Lines, Background,
dan General.
Menu Options mengandung peluang-peluang pilihan mengenai Display Options, Printer
setup, dan Properties.
Menu Help mengandung peluang-peluang pilihan mengenai About.
Peluang pilihan Matrix Spreadsheet Editor mencakup File, Edit, Transform, Fill, Labels,
Options, dan Help sebagaimana disajikan di bawah ini.
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
Isi Menu Options mengandung peluang-peluang pilihan mengenai Font, Spreadsheet
capabilities, dan Sort Descending.
Isi Menu Help mengandung peluang pilihan mengenai About.
Informasi tentang Ucinet di atas memungkinkan pemakaian Ucinet untuk melakukan
penelitian kualitatif, penelitian kuantitatif, dan penelitian kombinasi. Ucinet juga
mengandung arsip data yang dapat dipakai sebagai bahan studi dan penghayatan mengenai
pemakaian Ucinet.
Beberapa Arsip Data Ucinet
Dua arsip data Ucinet telah dipakai di atas yaitu arsip data trade dan arsip data knokbur.
Beberapa arsip data lain akan dipakai di sini.
Arsip Camp92
Diagram jaringan dari arsip Camp92 dapat disajikan sebagai berikut :
Delapan belas aktor melakukan hubungan-hubungan atau ikatan-ikatan. Diagram jaringan di
atas merupakan hasil penyajian dari data kualitatif. Dapatkah diagram tersebut
diinterpretasikan hanya berpedoman pada buku Pokoknya Kualitatif?
41
Beberapa pertanyaan dapat disusun sebagai berikut :
1. Apakah analisis Cohesion dapat dilakukan atas diagram jaringan di atas?
2. Apakah analisis Regions dapat dilakukan atas diagram jaringan di atas?
3. Apakah analisis Subgroups dapat dilakukan atas diagram jaringan di atas?
4. Apakah analisis Paths dapat dilakukan atas diagram jaringan di atas?
5. Apakah analisis Ego Networks dapat dilakukan atas diagram jaringan di atas?
6. Apakah analisis Centrality dapat dilakukan atas diagram jaringan di atas?
7. Apakah analisis Group Centrality dapat dilakukan atas diagram jaringan di atas?
8. Apakah analisis Core/Periphery dapat dilakukan atas diagram jaringan di atas?
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. Apakah analisis P1 dapat dilakukan atas diagram jaringan di atas?
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. Apakah analisis Trajectories dapat dilakukan atas diagram jaringan di atas?
17. Apakah analisis Extras dapat dilakukan atas diagram jaringan di atas?
Diagram jaringan dapat pula disajikan sebagai berikut :
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 :
Beberapa pertanyaan serupa dapat disusun sebagai berikut :
44
1. Apakah analisis Cohesion dapat dilakukan atas diagram jaringan di atas?
2. Apakah analisis Regions dapat dilakukan atas diagram jaringan di atas?
3. Apakah analisis Subgroups dapat dilakukan atas diagram jaringan di atas?
4. Apakah analisis Paths dapat dilakukan atas diagram jaringan di atas?
5. Apakah analisis Ego Networks dapat dilakukan atas diagram jaringan di atas?
6. Apakah analisis Centrality dapat dilakukan atas diagram jaringan di atas?
7. Apakah analisis Group Centrality dapat dilakukan atas diagram jaringan di atas?
8. Apakah analisis Core/Periphery dapat dilakukan atas diagram jaringan di atas?
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. Apakah analisis P1 dapat dilakukan atas diagram jaringan di atas?
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. Apakah analisis Trajectories dapat dilakukan atas diagram jaringan di atas?
17. Apakah analisis Extras dapat dilakukan atas diagram jaringan di atas?
18. Mengapakah interpretasi atas kedua diagram jaringan di atas adalah sama?
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 bangsa-
bangsa. 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.
Permata Depok Regency, 27 September 2015.
46