Selamat datang di tutorial ini memperkenalkan Teori Jaringan Sosial dan Analisis Jaringan

Sosial (SNA) lebih lanjut

umumnya. Studi tentang jaringan tidak terbatas pada sosiologi atau bahkan ilmu sosial;
hubungan
antar entitas dapat dipelajari dalam ilmu saraf (Neves et al., 2008), fisika (Newman, 2003),
ilmu politik (Fowler, 2006; Cranmer dan Desmarais, 2011; Kirkland, 2011), ekonomi
(D’Exelle dan
Holvoet, 2011; Sundararajan et al., 2012; Jackson dan Lopez-Pintado ,́ 2013), antropologi
(Zachary,
1977), ilmu manajemen (Levin dan Cross, 2004; Aral dan Alstyne, 2011; Aral et al., 2013),
statistik,
(Hoff et al., 2002; Raftery et al., 2012), ilmu komputer (Gomez Rodriguez et al., 2010; Krafft
et al.,
2012), psikologi (Moreno, 1934; Aral dan Walker, 2012), teknik (Lubin et al., 2013) dan tentu
saja
sosiologi (Marwell et al., 1988; Stackman dan Pinder, 1999; McPherson et al., 2001; Watts
et al., 2002).
Tutorial ini akan memperkenalkan sejumlah konsep dasar dalam teori dan analisis jaringan,
dengan a
fokus pada bagaimana perspektif jaringan mungkin berguna untuk mempelajari berbagai
fenomena. Kami akan
fokus pada definisi umum dan sifat individu, hubungan dan jaringan mereka secara
keseluruhan.
Sepanjang tutorial ini saya akan memasukkan kutipan ke artikel dan sumber daya yang
relevan, silakan gunakan sebagai
titik awal untuk eksplorasi lebih lanjut dan menyadari bahwa teori jaringan sangat sering
salah diterapkan, jadi ambil
waktu untuk benar-benar memahami konsep-konsep ini sebelum menerapkannya!
Luangkan waktu untuk membaca sebanyak Anda
dapat dan jika mungkin mengejar kursus lebih lanjut dalam analisis jaringan; ini baru
permulaan - Anda akan
sangat senang.
Analisis jaringan masih merupakan bidang yang berkembang dengan banyak peluang untuk
yang baru dan transformatif
kontribusi, tetapi sejarahnya kembali setidaknya 80 tahun (Moreno, 1934). Penting untuk
membangun ini
tubuh teori dan hasil empiris yang ada sebelum menyerang Anda sendiri, bahkan jika Anda
bekerja
sebuah area di mana analisis jaringan baru mulai menangkap.
Sementara teori jejaring sosial dapat dengan mudah diterapkan dalam penelitian teoretis
dan kualitatif empiris
Studi, ada penekanan umum pada penggunaan perangkat lunak untuk menganalisis dan
memvisualisasikan data jaringan sekali
mereka telah dikumpulkan. Ada sejumlah paket perangkat lunak berbeda yang tersedia
untuk tujuan ini,
tetapi dua paket R (Statnet dan iGraph) mungkin menjadi alat yang paling fleksibel dan kuat
untuk
melakukan analisis jaringan. Saat Anda mempertimbangkan untuk masuk ke analisis
jaringan, harap pertimbangkan untuk mendaftar masuk
kelas atau bengkel yang menggunakan R sebagai bahasa komputasi utamanya. Jika Anda
meluangkan waktu dan upaya untuk mendapatkan
kemahiran dalam R untuk manajemen data itu akan membayar dividen besar ketika Anda
mulai melakukan lebih banyak
analisis jaringan lanjutan menggunakan R. Anda dapat mengetahui lebih lanjut tentang R
dan mengakses sejumlah instruksi
materi di situs web berikut:
1. R adalah bahasa komputasi statistik sumber bebas dan terbuka dengan komunitas
kontributor yang bersemangat
yang terus memperbarui fungsinya melalui pembuatan paket tambahan yang ditentukan
pengguna.
Untuk memulai, lihat situs web ini: http://www.r-project.org/.
2. Quick-R adalah sumber favorit saya untuk mempelajari perintah R dasar dan juga
tersedia dalam bentuk buku.
Lihatlah situs webnya: http://www.statmethods.net/
3. RStudio adalah lingkungan pengembangan terintegrasi untuk R yang menyediakan
banyak fitur berguna untuk
pengguna R pemula dan alat yang kuat untuk pengguna tingkat lanjut juga (saya terutama
menggunakannya). Lihat
situs web dan unduh programnya secara gratis di sini: https://www.rstudio.com/
Sisa dari tutorial ini tidak akan fokus pada komputasi atau metode statistik untuk analisis
jaringan
apa yang disediakan di atas sebagai titik awal. Sisa tutorial ini akan fokus pada intuisi dan
visual
pengantar teori jaringan sosial.
1 Beberapa Definisi
Sebelum kita mulai, kita perlu mendefinisikan beberapa terminologi sehingga kita dapat
menggunakan bahasa yang konsisten kapan
berbicara tentang jejaring sosial:
1. Aktor: juga disebut node atau vertex, rujukan ke topi individu dapat memiliki hubungan
dengan
individu lain dan dalam hal ini, individu atau kelompok individu yang kami pilih untuk belajar.

2. Dasi: juga disebut relasi atau tepi, menggambarkan hubungan tertentu yang ditentukan
dengan baik antara keduanya
Aktor. Ini bisa merujuk ke hubungan seperti "pergi ke sekolah yang sama" atau "suka keripik
kentang" atau
sesuatu seperti "suka" atau "berdagang dengan". Ikatan bisa tidak diarahkan (seperti pergi
ke sekolah yang sama),
ketika hubungan memiliki arti yang sama bagi kedua aktor:
3. Jaringan: juga disebut Grafik, khususnya dalam literatur fisika dan CS, referensi ke
koleksi
Aktor dan Dasi di antara mereka. Gambar 2 menunjukkan serangkaian hubungan
pertemanan yang tidak terarah
antara anggota klub Karate.

4. Jaringan multipleks: adalah jaringan di mana ada lebih dari satu jenis dasi. Misalnya,
kalau kita
adalah untuk mengumpulkan informasi tentang beberapa jenis hubungan antara manajer
bank
(pergi ke untuk saran, berteman dengan, bekerja untuk, dll.) pada dasarnya kita berakhir
dengan jaringan yang mengandung
beberapa jenis dasi antar aktor.
5. Dasi Tertimbang: sama seperti jaringan dapat mengandung berbagai jenis sisi yang
berbeda antara aktor, mereka
bisa juga mengandung hubungan kekuatan yang berbeda-beda. Misalnya A mungkin suka B
banyak, tetapi B dan
C hanya saling menyukai.
6. Grup: Grup dalam jaringan hanyalah sebagian dari aktor yang memiliki beberapa
karakteristik di dalamnya
umum. Jika kita melihat jaringan organisasi, satu kelompok dapat terdiri dari semua aktor
yang bekerja di departemen sumber daya manusia. Definisi kelompok sebagai kesamaan
pada beberapa
sifat yang menonjol memungkinkan kita untuk memeriksa sejumlah hipotesis jaringan dan
menentukan langkah-langkah yang bermanfaat itu
tergantung pada mengetahui keanggotaan kelompok aktor. Misalnya kita mungkin ingin
menguji
sebuah hipotesis tentang jumlah ikatan persahabatan antara pekerja di perusahaan yang
menjadi bagiannya
departemen yang berbeda dibandingkan dengan departemen yang sama.
7. Geodesic Distance: didefinisikan sebagai jumlah paling sedikit koneksi (ikatan) yang
harus dilalui untuk mendapatkan
antara dua node. Misalnya, dalam jaringan yang digambarkan di bawah ini, jarak geodesik
antara
aktor A dan aktor D adalah 3, sedangkan jarak antara aktor B dan C hanya 1.

Data Jaringan Sosial

Ada dua jenis utama data jaringan sosial: daftar tepi dan sosiomatrik. Masing-masing data
ini
format memiliki kelebihan dan kelemahannya sendiri, terutama berkaitan dengan pertukaran
antara kemudahan
memasukkan dan menyimpan data dan kemudahan menggunakan data untuk analisis.

1. Sociomatrix (juga dikenal sebagai Adjacency Matrix): adalah cara untuk mewakili
diarahkan atau tidak
ikatan terarah antara aktor menggunakan matriks numerik. Ada satu kolom untuk masing-
masing aktor dan satu
baris untuk setiap aktor. Secara umum, elemen diagonal dari matriks ini (mis. Baris kedua,
kolom kedua)
selalu sama, menandakan bahwa para aktor tidak mengikat diri mereka sendiri. Untuk
menentukan entri mana dalam matriks
kita berbicara tentang kita selalu menggunakan konvensi yang sama: [baris i, kolom j]
sehingga jika kita mau
katakanlah entri [3,5] dalam sociomatrix kita akan berbicara tentang baris ketiga dan kelima.
Setiap baris dalam sociomatrix mewakili ikatan yang dikirim Aktor kepada semua aktor lain
(j). Seperti yang kita
perhatikan pada gambar 3, manajer satu mengirimkan dasi persahabatan diarahkan ke
manajer dua, seperti yang ditunjukkan oleh
nilai 1 dalam entri [1,2] dari somatomatrix. Kelebihan dari mengambil pendekatan ini untuk
menyimpan data
tentang jaringan adalah bahwa ia secara alami mengkodekan fakta bahwa beberapa aktor
mungkin tidak mengirim atau menerima apa pun
ties (sesuatu yang kita sebut sebagai isolat jaringan) dan formatnya sangat siap untuk
banyak statistik
analisis. Kelemahan dari menggunakan format data ini adalah dapat memakan banyak
ruang dan sulit
untuk memasukkan data ke tangan.

2. Edgelist adalah bentuk utama lain dari penyimpanan data untuk analisis jejaring sosial. Ini
hanya menangkap
informasi tentang ikatan yang ada sehingga perlu dilengkapi dengan pengetahuan tentang
jumlah total
aktor dalam jaringan (bahkan jika mereka tidak memiliki ikatan apa pun). Dalam contoh
edgelist pada Gambar 4,
hubungan pertemanan yang diarahkan untuk jaringan yang ditunjukkan pada Gambar 2
disajikan dalam bentuk edgelist di mana
angka pertama pada setiap baris menunjukkan aktor yang mengirim dasi ke aktor kedua
berturut-turut.
Bentuk entri data ini adalah yang terbaik untuk menyimpan informasi tentang data yang
dikumpulkan dengan tangan sebagai
sangat efisien untuk menyimpan dan relatif mudah untuk masuk, tetapi orang harus berhati-
hati untuk menggunakan yang umum
sistem penamaan dan melacak semua node yang tidak memiliki ikatan dengan mereka.
2 Properti Nodes
Sekarang setelah kita memiliki beberapa terminologi dasar, kita bisa masuk ke jantung
properti tingkat aktor itu
berfungsi sebagai bahasa untuk analisis jejaring sosial. Saya akan menghabiskan sebagian
besar waktu saya dalam hal ini
bagian yang menjelaskan bagaimana membuat konsep fenomena sosial dan hipotesis
dalam kerangka kerja jaringan
tanpa terlalu banyak merinci pada teori substantif dari fenomena relasional. Tujuannya
adalah untuk membantu
Anda cukup melek untuk berinteraksi dengan dan memahami teori-teori yang diajukan
dalam literatur menggunakan sosial
jaringan / kerangka kerja relasional.
1. Derajat Sentralitas: adalah ukuran jaringan paling dasar dan menangkap jumlah ikatan
yang diberikan
aktor. Untuk ikatan yang tidak terarah, ini hanyalah hitungan jumlah ikatan untuk setiap
aktor. Untuk diarahkan
jaringan, aktor dapat memiliki skor sentralitas indegree dan outdegree. Seperti namanya,
sentralitas mengukur seberapa sentral atau terhubung dengan baik aktor dalam suatu
jaringan. Ini secara teoritis memberi sinyal
kepentingan atau kekuatan dan peningkatan akses ke informasi atau hanya tingkat aktivitas
umum dan tinggi
Gelar sentralitas umumnya dianggap sebagai aset bagi seorang aktor. Tingkat sentralitas
digambarkan untuk
jaringan klub Karate pada Gambar 5 di mana setiap aktor sekarang diberi label dengan gelar
mereka yang tidak diarahkan
skor sentralitas.
2. Betweenness Centrality: secara kasar didefinisikan sebagai jumlah jalur terpendek antara
perubahan yang terjadi
melalui aktor tertentu. Lebih tepatnya, itu adalah jumlah [panjang jalur terpendek di antara
setiap
set perubahan di mana jalan melewati aktor kita menghitung ukuran untuk dibagi dengan
panjang jalur terpendek (tidak harus melalui aktor target) antara aktor-aktor itu]. Ini secara
intuitif
mengukur sejauh mana informasi atau hubungan harus mengalir melalui aktor tertentu
dan kepentingan relatif mereka sebagai perantara dalam jaringan. Skor antara untuk
Zachary
Jaringan klub Karate ditampilkan pada gambar 6.

3. Sentralitas kedekatan: mengukur berapa banyak langkah (ikatan) yang diperlukan untuk
diakses oleh aktor tertentu
setiap aktor lain dalam jaringan. Ini diukur sebagai 1 dibagi dengan jumlah jarak geodesi
dari aktor ke semua perubahan dalam jaringan. Ukuran akan mencapai maksimum untuk
jaringan yang diberikan
ukuran ketika seorang aktor terhubung langsung ke semua orang lain dalam jaringan dan
minimumnya ketika seorang aktor
tidak terhubung ke yang lain. Ini menangkap intuisi yang panjang jalur pendek antara aktor
menandakan bahwa mereka lebih dekat satu sama lain. Perhatikan bahwa ukuran ini sensitif
terhadap ukuran jaringan dan
penurunan jumlah aktor dalam jaringan. Ini masuk akal secara intuitif dalam banyak situasi
karena semakin sulit untuk mempertahankan hubungan dekat dengan semua anggota
jaringan sebagai
jaringan tumbuh tetapi juga dapat diperbaiki dengan mengalikannya dengan jumlah aktor
dalam jaringan.
Skor kedekatan untuk jaringan klub Karate Zachary ditampilkan pada Gambar 7.

4. Sentralitas eigen: mengukur sejauh mana seorang aktor terhubung dengan orang lain
yang terhubung dengan baik

aktor. Ini mengambil keuntungan dari properti matematika dari jaringan (direpresentasikan
sebagai
tricies) yang memungkinkan perhitungan yang mudah tentang seberapa baik seorang aktor
terhubung dengan aktor lain yang terhubung dengan baik
aktor. Meskipun kami tidak akan masuk ke detail perhitungannya, ukuran ini menangkap
nilainya
memiliki banyak teman di tempat tinggi. Skor vektor eigen untuk jaringan klub Karate
Zachary adalah
ditampilkan pada gambar 8.

5. Pialang: menggambarkan posisi aktor sehingga mereka menempati posisi yang

menguntungkan di mana
mereka dapat menengahi interaksi antara aktor-aktor lain dalam jaringan. Brokerage
Centrality adalah a
ukuran sejauh mana aktor menempati posisi pialang di semua pasangan alter. ini
dimaksudkan untuk menangkap intuisi bahwa broker berfungsi sebagai perantara dan
dengan demikian dapat memperoleh manfaat dari
posisi mereka sebagai perantara. Ada lima jenis hubungan pialang, masing-masing dari kita
akan membahas secara singkat di bawah ini:
(A) Koordinator adalah Aktor dalam kelompok yang sama dengan dua alter yang
menghubungkan dua node. Sebuah
Contohnya mungkin seorang mahasiswa pascasarjana yang memastikan bahwa semua
kohort mereka dibuat
mengetahui pihak-pihak yang di-host oleh siapa pun dalam kelompok mereka.
(B) Pialang keliling adalah anggota dari kelompok luar yang menghubungkan dua orang lain
yang berbagi kelompok
keanggotaan.
(c) Seorang Gatekeeper adalah anggota dari kelompok yang sama dengan target yang
diharapkan oleh anggota dari kelompok lain
untuk terhubung dengan yang dapat mengontrol apakah aktor luar itu dapat memperoleh
akses ke
di anggota grup. Contohnya mungkin seorang sekretaris atau manajer kantor.
(D) Perwakilan adalah anggota dari kelompok yang sama dengan Aktor yang ingin
terhubung dengan seorang
aktor di luar grup tetapi harus melalui perantara. Contohnya adalah Duta Besar
untuk suatu negara.
(e) A Liason adalah anggota kelompok yang jauh dari dua aktor yang ingin terhubung tetapi
melakukannya
tidak berbagi keanggotaan grup sendiri. Pengemudi truk pengiriman adalah contoh yang
bagus.
3 Hubungan dan Struktur Jaringan
1. Timbal balik: adalah kecenderungan ikatan terarah dari aktor i ke aktor j akan dibalas dan
dikirim
kembali dari aktor j ke aktor i. Ini menangkap temuan klasik yang cenderung dimiliki
perasaan dan tindakan
dibalas.

2. Transitivitas: adalah kecenderungan teman menjadi teman dan musuh menjadi musuh
musuh. Secara umum, hubungan transitif adalah hubungan di mana dua simpul
dihubungkan ke yang ketiga
meningkatkan kemungkinan bahwa mereka akan menghubungkan diri mereka sendiri (Hoff
et al., 2002; Carpenter et al., 2004).

3. Preferential Attachment (Popularitas): mengekspresikan kecenderungan node yang sudah

terpusat
untuk mendapatkan lebih banyak koneksi pada tingkat yang lebih besar daripada mereka
yang belum pusat. Ini sering kasus di dunia akademis di mana sebagai peneliti menjadi lebih
aktif dan berkolaborasi lebih banyak dalam penerbitan,
mereka lebih cenderung menarik kolaborator baru yang ingin bekerja bersama mereka.
4. Kesetaraan Struktural: adalah konsep yang menggambarkan aktor yang menempati
posisi yang sama di
jaringan relatif terhadap semua aktor lain (Lorrain dan White, 1971). Pada contoh gambar di
bawah ini, masing-masing
lingkaran abu-abu berisi sekumpulan aktor yang secara struktural setara dengan yang
lainnya. Konsep ini adalah
penting dalam membuat perbandingan antara node tentang kepentingan relatif dan posisi
mereka dalam
jaringan. Lihatlah sumber daya web berikut untuk informasi lebih lanjut: Halaman Robert A.
Hanneman
tentang Kesetaraan Struktural, Tom Schnijders Ceramah tentang Kesetaraan Struktural.

5. A Clique: adalah subset aktor dalam jaringan sehingga setiap dua aktor dalam subset
terhubung
dengan dasi. Definisi ini mengikuti penggunaan bahasa Inggris yang umum dari kata yang
bermakna a
grup yang terhubung. Contoh besar klik berwarna merah pada Gambar 10.
6. A Star: adalah struktur jaringan di mana semua ikatan terhubung ke satu simpul pusat,
membuat bentuk bintang.
4 Properti Jaringan
Semua properti yang dibahas di atas mengacu pada aktor individu atau himpunan bagian
aktor dalam jaringan. Sementara
ini adalah karakteristik penting untuk diukur, kita juga dapat memikirkan properti yang dimiliki
jaringan
seluruh pameran. Properti ini penting karena mereka memberikan struktur pada seluruh
ruang
interaksi dan hubungan dan dapat memiliki efek agregat mendalam pada bagaimana aktor
dalam jaringan
berperilaku dan berfungsi secara keseluruhan.

1. Sentralisasi (Derajat, Antara, Kedekatan, vektor Eigen, dll.): Adalah ukuran dari
nilai sentralitas aktor dalam suatu jaringan. Itu berkisar dari nol, ketika setiap aktor sama

pusat untuk skor apa pun yang kami tertarik, ke 1, ketika satu simpul secara maksimal pusat
dan semua
yang lain minimal di pusat. Ukuran ini adalah cara yang baik untuk mengekspresikan ide
bahwa ada pasangan
aktor yang sangat kuat atau penting dalam jaringan atau yang kekuatan / pentingnya
tersebar secara merata di
satu ukuran sederhana (Ward et al., 2011).
2. Koefisien Clustering jaringan: mengukur sejauh mana para pelaku membentuk ikatan
dalam bentuk padat,
kelompok (antar kelompok) yang relatif tidak terhubung. Ukuran ini agnostik tentang
mengapa jaringan itu
berkerumun. Tingkat pengelompokan dalam suatu jaringan terkait dengan efisiensi informasi
dapat berdifusi melalui jaringan, serta ketahanannya terhadap gangguan. (Latora dan
Marchiori, 2001;
Newman, 2003; Suri dan Watts, 2011; Mason and Watts, 2012)
3. Homophily: adalah proses di mana aktor yang serupa pada sifat tertentu lebih mungkin
terbentuk
ikatan. Ini telah dikonfirmasi dalam lebih dari 100 studi empiris, dengan beberapa contoh
termasuk: (Ibarra,
1992; Straits, 1996; McPherson et al., 2001; Centola et al., 2007; Goodreau et al., 2009;
Kossinets
dan Watts, 2009; McDonald, 2011). Proses ini adalah dasar untuk frasa “burung” yang
umum digunakan
dari bulu, berkumpul bersama ”. Contoh klasik dari studi sosiologis homofili (berdasarkan
ras) adalah
disediakan pada Gambar 13. Kebalikan dari homophily adalah Heterophily, yang mengacu
pada proses dimana
aktor yang berbeda satu sama lain lebih cenderung membentuk ikatan. Contoh dari
heterophily
mungkin hubungan penasihat akademik formal, dengan siswa yang lebih mungkin untuk
membentuk ikatan
ke fakultas untuk memberi nasihat daripada kepada siswa lain.
4. Modularitas: adalah ukuran sejauh mana suatu jaringan menampilkan Struktur Komunitas,
dengan
cluster yang tidak terkoneksi ke orang lain tetapi terkoneksi dalam cluster. Ukuran ini
sangat sulit untuk dihitung, tetapi menyediakan cara untuk mengidentifikasi struktur
komunitas pada jaringan
di mana di mana seseorang tidak yakin jika struktur seperti itu ada (Newman, 2006; Zhang
et al., 2008; Karrer
dan Newman, 2011). Namun, ukuran ini tidak konsisten di seluruh jaringan dengan ukuran
dan ukuran yang berbeda
ukuran kelompok. Kompartementalisasi Grafik - ukuran terkait - memungkinkan
perbandingan antara
jaringan ukuran dan struktur sewenang-wenang, tetapi tidak dirancang untuk mendeteksi
komunitas (Denny,
2014). Contoh struktur komunitas antara penulis makalah tentang analisis jaringan adalah
disajikan pada Gambar 14.
5. Diameter: dari suatu jaringan didefinisikan sebagai yang terpanjang dari semua jalur
terpendek yang dihitung di antara keduanya
aktor. Diameter jaringan memberi kita gambaran tentang seberapa mudah Aktor dapat
dijangkau dalam jaringan. SEBUAH
diameter yang sangat besar berarti bahwa meskipun secara teoritis ada cara untuk mengikat
untuk menghubungkan dua
aktor melalui serangkaian perantara, tidak ada jaminan bahwa mereka benar-benar akan
terhubung.
Dengan demikian diameter adalah sinyal tentang kemampuan informasi atau penyakit untuk
berdifusi pada jaringan. Itu
diameter jaringan Zachary's Karate club ditampilkan secara grafik pada Gambar 15.

6. Ada beberapa Tipe Jaringan klasik yang dapat digunakan untuk mengkarakterisasi
stereotip
struktur sosial dalam situasi yang berbeda. Jaringan reguler dicirikan oleh semua aktor
yang memiliki
tingkat yang sama dan seringkali merupakan titik awal untuk studi simulasi jaringan (Centola
et al.,
2007). Jaringan dunia kecil sangat efisien untuk transfer informasi karena sebagian besar
node tidak
terhubung (jadi tingkat tinggi pengelompokan) tetapi juga memiliki panjang jalur rata-rata
yang relatif pendek
antar aktor (Travers dan Milgram, 1969; Watts dan Strogatz, 1998). Jaringan acak sangat
kuat terhadap gangguan (Latora dan Marchiori, 2001; Callaway et al., 2000) tetapi mungkin
sulit untuk
orang untuk mempertahankan, terutama jika ikatan jarak jauh (Dodds et al., 2003; Aral et al.,
2012).
Contoh tipe jaringan yang awalnya dibahas dalam Watts dan Strogatz (1998) ditunjukkan
pada Gambar
16.