ANALISIS JARINGAN

KOMUNIKASI
(COMMUNICATION NETWORKS
ANALYSIS)
SOFTWARE ALAMAT DOWNLOAD
UCINET https://sites.google.com/site/ucinet
software/downloads
NODEXL https://www.nodexlgraphgallery.org/
Pages/Registration.aspx
NETLYTIC https://netlytic.org/
https://sites.google.com/site/ucinetsoftware/downloads
UCINET adalah salah satu program pengolah
UCINET NodeXL GEPHI
(software) analisis jaringan yanhg paling populer
dan banyak dipakai. Selain UCINET, terdapat User friendly - ++ ++
tidak kurang 100 software lain. Program ini Bisa menganalisis data dalam jumlah - + ++
besar
pertama kali diperkenalkan oleh Lin Freeman,
Martin Everett dan Steve Borgatti pada tahun Kekayaan analisis ++ - -
1980 dengan format bahasa pemrograman Kompatibilitas dengan software lain + ++ +
(SPSS, Exel dsb)
BASIC. Pada tahun 2002, muncul versi yang lebih
user friendly, dalam versi UCINET 5.0. Acceptabilitas komunitas ilmiah ++ - +
Mengolah data dari media sosial - ++ +
(Twitter, Facebook, Youtube dsb)
Kelebihan UCINET adalah penerimaan yang
tinggi di komunitas ilmiah, mengingat pembuat
software ini sekaligus juga dikenal sebagai ahli
jaringan. UCINET juga sangat kaya dengan
analisis data. Sementara kelemahan program ini
adalah kurang bisa bekerja pada data besar.
Program ini (menurut pengakuan) maksimal
bisa mengolah node (aktor) sebanyak 32.767
buah. Dalam prakteknya, penggunaan node di
atas 5.000, kerapkali membuat program berjalan
lambat dan data tidak bisa diolah secara cepat.
• UCINET menyajikan analisis data yang sangat
kaya. Berbagai aspek dari jaringan bisa
dianalisis. Untuk tutorial ini, tidak semua
analisis data akan dibahas. Tutorial hanya
akan membahas mengenai analisis data yang
utama, yang banyak dipakai dalam
perhitungan jaringan.
• Pembaca yang menginginkan informasi
penggunaan UCINET untuk perhitungan lebih
rumit dan kompleks, bisa membaca buku: (1)
Borgatti, Stephen P, Martin G. Everett and
Jeffrey C. Johnson. 2013. Analyzing Social
Networks. London: Sage Publications. (2)
Hanneman, Robert A and Mark Riddle.
(2004). Introduction to Social Network
Methods. Riverside, California: University of
California Press.
Data untuk Selamat pagi/siang/sore, saya dari......sedang mengadakan penelitian tentang jaringan komunikasi. Yang menjadi sampel
penelitian ini adalah peserta workshop Metode Penelitian Komunikasi yang diadakan oleh Universitas Atmajaya Jakarta.

Simulasi
Penelitian ini untuk kepentingan ilmiah. Meskipun pertanyaan dalam kuesioner ini meminta Anda menyebut nama-nama,
kami tidak akan mencantumkan nama dalam laporan penelitian. Nama-nama Anda kami jamin tidak akan tercantum dalam
laporan. SEMUA JAWABAN ANDA DIJAMIN KERAHASIAANNYA OLEH KAMI.

(Latihan) Nama responden …………………………………..

Jenis kelamin 1. Laki-laki 2. Perempuan

Asal lembaga …………………………………..

Dari peserta workshop ini, siapa 1

orang yang pernah Anda hubungi 2
DALAM SATU TAHUN INI untuk 3
membicarakan masalah pekerjaan? 4
5
(Cukup tuliskan nama-nama di 6
daftar, tidak perlu diurutkan baik 7
8
berdasar abjad ataupun frekuensi
9
bertemu)
10
11
12
13
14
 Andi Yudi Sisi Indah Bayu Mika Lili Zainal Nur Nanang Imran Iskak Hidayat Fikri Taufik
Andi 0 1 1 1 1 1 0 1 1 0 0 0 0 0 1
Yudi 1 0 0 1 0 1 1 0 0 0 0 0 0 0 0
Sisi 1 0 0 1 1 1 0 1 1 0 0 0 0 1 1
Indah 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1
Bayu 1 0 1 1 0 1 0 1 1 0 0 0 0 0 1
Mika 1 1 1 1 1 0 1 1 1 0 0 0 0 0 1
Lili 0 1 0 1 0 1 0 0 0 0 0 1 0 0 0
Zainal 1 0 1 1 1 1 0 0 1 0 0 0 1 0 1
Nur 1 0 1 1 1 1 1 1 0 0 0 0 0 1 1
Nanang 0 0 0 1 0 1 0 0 0 0 1 1 1 1 0
Imran 0 0 0 1 0 0 0 1 0 1 0 1 1 1 0
Iskak 0 0 0 1 0 0 1 0 0 1 1 0 1 1 0
Hidayat 0 0 0 1 0 0 0 0 0 1 1 1 0 1 0
Fikri 0 0 0 1 0 1 0 0 0 1 1 1 1 0 1
Taufik 1 0 1 1 1 1 0 1 1 0 0 0 0 0 0
KONSEP DASAR
JARINGAN
KOMUNIKASI
 Trend Studi Jaringan
Studi jaringan sosial (termasuk komunikasi di dalamnya) adalah
salah satu metode yang banyak dipakai saat ini. Metode ini sudah 600
dikenal di tahun 1970-an, tetapi pertumbuhan dan penggunaannya
sangat sedikit. Popularitas metode ini baru muncul awal tahun 2000-
an. Antara tahun 1080-an hingga 2000-an, studi dengan 500

menggunakan metode jaringan naik hampir 5 x lipat.

400
Mengapa studi jaringan komunikasi saat ini (kembali) populer?
Pertama, munculnya media sosial, terutama twitter dan facebook.
300
Kehadiran media sosial ini seakan menjadi justrifikasi pentingnya
jaringan sosial. Bagaimana ratusan juta orang bisa terhubung satu
sama lain. Kedua, yang paling utama, kehadiran perangkat lunak 200
(software). Dulu, studi jaringan komunikasi jarang dilakukan karena
memetakan jaringan dilakukan secara manual. Ini menyulitkan kalau 100
0.134x
penelitian menyertakan ratusan aktor (node). Perhitungan secara y = 0.001e
2
computerized terbatas di laboratorium di kampus, yang sulit diakses. R = 0.917

Sejak tahun 2000-an, perangkat lunak jaringan komunikasi bisa 0

1960 1970 1980 1990 2000 2010
didapatkan dengan mudah. Saat ini ada ratusan perangkat lunak
untuk analisis jaringan komunikasi yang hampir seluruhnya bisa
diunduh secara gratis (free).
Sumber: Borgatti & Foster (2003)
 Mengapa Studi Jaringan
Menarik Dilakukan?
• Jaringan komunikasi menggambarkan
proses, sehingga bisa menjelaskan
terbentuknya fenomena atau peristiwa
komunikasi. Secara praktis, analisis jaringan
bisa menjawab pertanyaan seperti ”dari
mana perubahan dilakukan” atau “dari siapa
perubahan dimulai”.
• Studi jaringan komunikasi menekankan
pada posisi aktor dan kekuatan aktor dalam
struktur sosial. Pendekatan semacam ini
akan membantu menjelaskan menjelaskan
kondisi yang muncul, konflik dan dinamika.
• Studi jaringan komunikasi memungkinkan
kita melakukan perbandingan aktor dalam
jaringan atau perbandingan antar struktur
jaringan yang berbeda
• Kita tidak mungkin tidak
berkomunikasi (cannot
not communicate). Kita
juga tidak mungkin tidak
menjalin relasi dengan
orang lain. Dari mulai di Jaringan dalam Keluarga
rumah bersama anggota Jaringan Pertemanan
keluarga, di kampus atau
tempat kerja dengan
teman, di kampung
dimana kita tinggal dan
sebagainya. Pada
dasarnya kita adalah
anggota dari suatu
jaringan, terhubung
dengan orang lain, baik
kecil ataupun besar.

Jaringan komunikasi dari 436 Jaringan komunikasi blog politik

karyawan Hawlett pada Pemilu Amerika 2004
• Metode analisis jaringan
komunikasi secara sederhana bisa
didefinisikan sebagai metode yang
berusaha menggambarkan dan
menjelaskan jaringan sosial dan
struktur jaringan. Apa itu jaringan?
Jaringan adalah seperangkat aktor
yang mempunyai relasi dengan
aktor lain dalam tipe relasi
tertentu. Studi jaringan komunikasi
menggambarkan relasi aktor (bisa
orang, lembaga, perusahaan,
negara dsb) satu dengan lainnya
dalam struktur sosial tertentu. Ada
dua kata kunci utama dari jaringan
komunikasi.
A set of socially relevant node connected by one or
more relations. Node, or network members, are units
that are connected by the relation whose patterns we
study.
(Marin and Wellman, 2011:11).
Representation of organisational relationships as a
system of node or actors linked by precisely classified
connections.
(Pryke, 2012:78).
A set of actors or node along with a set of ties of
specified type (such as friendship) that link them.
Borgatti and Halgin (2009: 1157).
 (a) Relasi, Bukan Atribusi
• Penelitian jaringan memusatkan perhatian pada relasi. Metode ini
bisa dipakai untuk meneliti berbagai bentuk aktor (orang/individu,
lembaga, negara dsb). Tetapi yang diteliti adalah relasi, bukan
atribut dari aktor.
• Sebagai misal, pemerintah mengeluarkan kebijakan kredit murah
bagi para nelayan. Penelitian ingin melihat respon komunitas
kampung nelayan atas kebijakan tersebut (difusi inovasi). Survei
akan menggali data atribusi, seperti bagaimana pendapat nelayan
atas program kredit murah, berapa banyak yang tahu program,
berapa banyak (persen) yang berniat untuk mengambil kredit
tersebut, dan seterusnya. Studi jaringan komunikasi tidak
memfokuskan diri pada data atributif, tetapi relasional. Jika di
kampung nelayan tersebut ada 100 orang, studi jaringan akan
memetakan relasi antara 1 aktor (nelayan) dengan 99 aktor
(nelayan) lain. Siapa aktor di komunitas nelayan tersebut yang
mendapatkan informasi terlebih dahulu mengenai kredit murah.
Apakah aktor yang mendapatkan informasi itu menyebarkan
informasi ke nelayan lain atau menahan informasi itu untuk dirinya
sendiri. Jika informasi itu disebarkan bagaimana persebaran itu
terjadi, dari aktor mana ke aktor mana saja, dan seterusnya. Intinya,
studi jaringan komunikasi tidak melihat opini, sikap atau perilaku
tetapi pada relasi antar aktor.
 (b) Relasi dan Struktur
• Aktor dan relasi aktor pada analisis jaringan dilihat dalam perspektif
struktural. Posisi aktor ditentukan oleh posisi aktor lain dalam
struktur. Aktor bisa menempati posisi yang berbeda jika berada dalam
suatu struktur tertentu. Analisis jaringan bersifat struktural,
mengaitkan aktor dengan aktor lain, aktor dengan kelompok dan
pada akhirnya aktor dengan sistem secara keseluruhan
 Istilah dan Konsep Dasar
• Node dan Edge
Aktor (node) tidak selalu berupa
individu (orang). Aktor juga bisa
organisasi, negara, institusi,
perusahaan, dan sebagainya.
Sementara link (edge) adalah relasi
di antara aktor. Link dilambangkan
dalam sebuah garis yang
menghubungkan antara aktor yang
satu dengan aktor lain.
• Directed vs Undirected
Relasi antar aktor (node) bisa
mempunyai arah (directed) dan tidak
mempunyai arah (undirected). Pada
relasi yang mempunyai arah (directed)
ada pengirim dan penerima, ada
subjek dan objek. Sementara dalam
relasi yang tidak mempunyai arah
(undirected), tidak ada pengirim dan
penerima, kedua aktor sama-sama
mempunyai peran yang sama. Relasi
yang mempunyai arah (directed)
ditandai oleh garis dengan tanda
panah, sebaliknya relasi yang tidak
mempunyai arah (undirected) ditandai
oleh garis tanpa tanda panah.
• Weighted (Valued) vs
Unvalued
Relasi antar aktor juga bisa
dibedakan berdasarkan
intensitas relasinya. Peneliti
bisa menyajikan relasi dengan
menyertakan nilai intensitas
(valued), dan tidak (unvalued).
DESAIN PENELITIAN
 Eksploratif
• Penelitian yang dimaksudkan untuk melakukan penjajakan atas
suatu topik atau fenomena yang sebelumnya tidak pernah diteliti.
Karena bersifat eksploratif, studi ini umumnya tidak dalam. Arti
penting dari studi eksploratif diukur dari kebaruan topik yang
sebelumnya belum pernah diteliti atau bisa menjawab pertanyaan,
asumsi atau dugaan yang berkembang dalam masyarakat. Dalam
studi jaringan, tipe penelitian eksploratif mengeksplorasi pola
jaringan tertentu yang belum pernah diteliti.
 Deskriptif
• Penelitian yang dimaksudkan untuk menggambarkan secara detil
struktur dan aktor-aktor dalam jaringan. Penelitian tipe ini menjawab
pertanyaan “bagaimana” (how) dan “siapa” (who).
• Sebagai misal, penelitian mengenai jaringan komunikasi suatu
komunitas nelayan di Indramayu. Penelitian deskriptif
menggambarkan secara detil bagaimana struktur jaringan dari
komunitas tersebut, siapa saja aktor-aktor dalam jaringan, dan
bagaimana posisi dari masing-masing aktor ----seperti siapa aktor
dalam jaringan yang paling banyak dipilih, siapa aktor yang menjadi
pemuka pendapat dari jaringan tersebut, dan seterusnya.
 Eksplanatif
• Penelitian tipe eksplanatif dalam studi jaringan menjawab pertanyaan
“mengapa” (why). Kita tidak lagi melakukan penjajakan (eksploratif),
menggambarkan secara detil struktur jaringan dari suatu objek
(deskriptif), tetapi lebih jauh bisa menjelaskan penyebab munculnya
suatu struktur jaringan tertentu, atau apa akibat dari struktur jaringan
tertentu tersebut pada komunitas atau masyarakat.
• Karena ingin menjawab pertanyaan “mengapa” (why), atau
pertanyaan “sebab akibat” penelitian eksplanatif memasukkan
beberapa variabel, bukan hanya variabel jaringan komunikasi tetapi
juga variabel non jaringan komunikasi.
 Akibat (Variabel Terikat / Dependent
Variable)

Variabel non Variabel jaringan

jaringan sebagai sebagai hasil
hasil
Variabel non
jaringan sebagai I III
penyebab (Bukan Penelitian
Penyebab (Variabel (anteseden) Jaringan)
Bebas / Independent
Variable)
Variabel jaringan II IV
sebagai penyebab
(anteseden)
 Akibat (Variabel Terikat / Dependent Variable)

Variabel non jaringan Variabel jaringan sebagai

hasil
Adopsi (penerimaan)
terhadap alat kontrasepsi Keanggotaan dalam klik
menurut penerimaan pada
alat kontrasepsi
Variabel non jaringan
 Karakteristik individu Mis. pengaruh Mis. pengaruh religiusitas
(Pendidikan, status sosial pendidikan dan status terhadap keanggotaan
ekonomi, status pernikahan, perkawinan pada pada klik berdasar
umur dsb) penerimaan alat penerimaan alat
 Religiusitas kontrasepsi. kontrasepsi.
(Kepercayaan pada nilai-nilai
agama, frekuensi menjalankan
ibadah, dan acara keagamaan dsb)
Penyebab (Variabel Bebas /
Independent Variable) Variabel jaringan Mis. pengaruh kepadatan Mis. pengaruh kepadatan
 Kepadatan jaringan jaringan di dusun jaringan terhadap
(Seberapa anggota jaringan terhadap penerimaan alat keanggotaan pada klik
terhubung satu sama lain) kontrasepsi. berdasar penerimaan alat
 Sentralitas kontrasepsi.
(Bagaimana posisi aktor dalam
jaringan. Apakah aktor/individu
berposisi sebagai penghubung
ataukah tidak)
POPULASI DAN
SAMPEL
• Penarikan sampel selalu dimulai dari populasi, di mana hasil penelitian kita
akan digeneralisasikan. Titik kesulitannya adalah karena pada penelitian
jaringan tidak ada batas (boudaries) yang tegas. Ini berbeda dengan
penelitian kuantitatif lain (survei, eksperimen atau analisis isi), di mana ada
batas yang tegas, di mana batas-batas tersebut akan menjadi populasi
penelitian. Jika Anda membuat survei mengenai eksposure acara televisi di
desa X. Batas (boudaries) dari penelitian itu adalah penduduk dewasa
(misalnya usia 15 tahun ke atas) di desa X. Batas tersebut menjadi populasi
penelitian, dan sampel diambil dari populasi tersebut.
• Bagaimana dengan penelitian jaringan? Batas seperti pada survei, analisis
isi atau eksperimen tidak bisa diterapkan dengan mudah. Sebagai misal,
jika Anda ingin meneliti struktur jaringan komunikasi di desa X tersebut.
Populasi tidak bisa secara sederhana dirumuskan sebagai penduduk
dewasa (misalnya usia 15 tahun ke atas) di desa X. Hal ini karena jaringan
pada dasarnya bisa melintasi batas wilayah. Warga di desa X tersebut,
mempunyai jaringan dengan warga lain di desa Y dan Z. Padahal warga di
desa selain X tersebut bukan populasi penelitian.
 Realis vs Nominalis
Laumann (et.al, 1983: 18-34)
Pendekatan realis
• Pendekatan ini melihat jaringan komunikasi
harus dilihat dari perspektif informan. Peneliti
tidak boleh menggunakan asumsi subjektif
dalam menentukan jaringan dari aktor. Peneliti
sebaliknya membiarkan aktor menentukan
dan mendefinsikan jaringan. Peneliti tinggal
menggambarkan jaringan yang dibentuk oleh
aktor
Pendekatan nominalis
• Pendekatan ini melihat bahwa jaringan dan
definisinya bisa ditentukan berdasarkan
kerangka konseptual dari peneliti. Peneliti bisa
mendefinisikan jaringan dan batas-batasanya
sesuai dengan tujuan dan kerangka penelitian
yang dipakai.
 Pendekatan Realis Pendekatan
Kedua pendekatan Nominalis
tersebut mempunyai Pembatasan Ditentukan oleh informan Ditentukan oleh
perbedaan yang (specification sendiri teori
mendasar. Sebagai boundaries)
ilustrasi, Anda misalnya Populasi Aktor ditentukan oleh Aktor dibatasi oleh
membuat penelitian informan. Populasi dari teori. Populasi
mengenai jaringan semua aktor yang disebut dibatasi menjadi
politik di desa, dari oleh informan, tidak terbatas semua warga yang
mana penduduk desa hanya di desa penelitian dan tinggal di desa
memperoleh warga (penduduk). penelitian. Aktor
pengetahuan mengenai yang diteliti hanya
politik. penduduk di desa
penelitian.
Jaringan yang Jaringan tidak hanya Jaringan dari warga
diteliti menyertakan penduduk di /penduduk di desa
desa penelitian, tetapi semua penelitian.
aktor yang disebut oleh
informan.
 Teknik Penarikan Sampel
• Penelitian kuantitatif (seperti survei, analisis isi) umumnya
menggunakan sampel acak (random sampling) guna
menjamin bahwa sampel yang diambil mewakili populasi.
Sampel acak kurang bisa diterapkan dalam penelitian
jaringan komunikasi. Mengapa? Menurut Valente (2010),
hal ini karena penelitian jaringan bermaksud
menggambarkan jaringan secara utuh dari objek yang
diteliti. Dalam penelitian jaringan, antara satu aktor
dengan aktor lain terhubung, sehingga sebaiknya semua
aktor diteliti. Penarikan sampel (meskipun dilakukan Sampel acak
secara acak) akan membuat jaringan utuh tidak akan
tergambar. Sebagai misal, aktor A terpilih secara acak
sebagai sampel, dan aktor A tersebut mempunyai relasi
dengan aktor B. Tetapi karena aktor B lewat proses
pemilihan sampel acak tidak terpilih, sebagai akibatnya
jaringan dari aktor A tidak bisa tergambar dengan baik.
Penarikan sampel acak cenderung membuat aktor-aktor
yang terpilih tidak terhubung satu sama lain. Anggota
jaringan dari suatu aktor kemungkinan tidak tergambar
akibat tidak terpilih sebagai sampel.

Sensus
 (a) Sampel Snowball
• Sesuai dengan namanya (snowball = bola salju), penarikan sampel
dimulai dari aktor (kecil), yang kemudian terus menerus membesar
hingga jumlah sampel mencukupi. Peneliti mulai dari seorang aktor
(A) dan menanyakan jaringan dari aktor tersebut. Aktor A tersebut
misalnya menyebut nama B dan C. Peneliti kemudian mewawancarai
aktor B dan C dan menanyakan hal serupa seperti ditanyakan kepada
aktor A. Aktor yang disebut oleh B dan C kemudian ditelusuri lebih
lanjut, dan begitu seterusnya hingga jumlah sampel terpenuhi.
• Kapan saat peneliti bisa menentukan sampel terakhir? Menurut
Knoke and Kuklinski (1982:23-24), peneliti bisa menghentikan
penarikan sampel ketika terjadi informasi yang berulang dan
mencapai titik jenuh.
 (b) Sampel Kelompok Kecil
• Penarikan sampel lain yang banyak dipakai dalam studi jaringan
adalah sampel kelompok kecil (Wasserman and Faust, 1994: 34).
Peneliti mengambil satu kelompok, dan mengambil semua anggota
dari kelompok tersebut. Peneliti kemudian menggambarkan secara
lengkap jaringan yang terbentuk dari kelompok tersebut. Kelompok
kecil ini bisa berupa dusun atau desa, unit tertentu dalam
perusahaan, rumah sakit, klinik, dan sebagainya. Sebagai misal,
peneliti melakukan studi mengenai jaringan komunikasi di
perusahaan. Peneliti bisa mengambil sampel perusahaan atau unit
(departemen) di perusahaan. Dengan mengambil komunitas atau
kelompok kecil, semua anggota jaringan bisa digambarkan dan
disertakan.
PENGUMPULAN DATA:
WAWANCARA
MENGGUNAKAN
KUESIONER
Fokus dari penelitian jaringan
adalah menggambarkan
relasi di antara aktor. Karena
itu data yang dibutuhkan
dalam studi jaringan
komunikasi adalah data
mengenai relasi. Peneliti bisa
menggunakan berbagai
macam sumber data, asalkan
dalam data tersebut tersedia
informasi mengenai aktor
(node) dan relasi (link) di
antara aktor.
• Kuesioner dalam metode penelitian jaringan
komunikasi berbeda dengan kuesioner pada
penelitian survei.
• Yang membedakan, dalam penelitian jaringan
terdapat pertanyaan mengenai relasi di antara
aktor. Penelitian jaringan fokus pada pertanyaan
mengenai aktor, dan relasi di antara aktor.
 (a) Name Generator
• Pertanyaan name generator adalah pertanyaan inti dan terpenting
dalam analisis jaringan. Pertanyaan ini berisi tentang siapa saja aktor
yang menjalin relasi dengan informan. Pertanyaan mengenai relasi
dibuat dengan meminta kepada responden untuk menyebut nama-
nama aktor. Pertanyaan mengenai relasi bisa ditanyakan hanya 1
buah, dan jawabannya kemudian dipakai untuk menggambarkan
jaringan. Pilihan lain, kita bisa membuat sejumlah pertanyaan dengan
konteks yang berbeda. Pada tahap analisis, kita akan mempunyai
beberapa pola jaringan yang berbeda sesuai dengan konteks yang
ditanyakan.
 Q1: Dalam SATU Q2: Dalam SATU Q3: Dalam SATU Q4: Siapa nama siswa di
BULAN ini, siapa siswa BULAN ini, siapa siswa BULAN ini, siapa siswa sekolah ini yang paling
di sekolah ini yang di sekolah ini yang di sekolah ini yang Anda inginkan menjadi
paling sering Anda paling sering Anda pernah menjadi teman teman dekat (pacar)
mintai bantuan ketika mintai informasi Anda selama di SLTP? Anda?
Anda mempunyai mengenai sekolah
kesulitan dengan (misalnya informasi soal
pelajaran di kelas? guru, kelas libur dsb)?

Nama 1 ...................... ...................... ...................... ......................

Nama 2 ...................... ...................... ...................... ......................
Nama 3 ...................... ...................... ...................... ......................
Nama 4 ...................... ...................... ...................... ......................
Nama 5 ...................... ...................... ...................... ......................
 (b) Name Interpreter
• Pertanyaan mengenai name Nama Nama Nama Nomor 3 Nama
interpreter hanya bisa Nomor 1 Nomor 2 ................. Nomor 4
................. ................. .................
ditanyakan kalau kita sudah
mendapat sejumlah nama-
Q1. Dalam satu 1-2 kali 1 1-2 kali 1 1-2 kali 1 1-2 kali 1
nama (name generator). Kita minggu ini, 3-4 kali 2 3-4 kali 2 3-4 kali 2 3-4 kali 2
bisa menanyakan kepada berapa kali Anda 5-6 kali
7 kali
3
4
5-6 kali
7 kali
3
4
5-6 kali
7 kali
3
4
5-6 kali
7 kali
3
4
bertemu
informan, bentuk dan jenis dengan.....
hubungan dari setiap nama
yang disebut. Q2. Rata-rata 0-15 menit 1 0-15 menit 1 0-15 menit 1 0-15 menit 1
setiap kali 16-30 meni 2 16-30 meni 2 16-30 meni 2 16-30 meni 2
a) Keeratan Relasi bertemu, berapa 31-45 meni 3 31-45 meni 3 31-45 meni 3 31-45 meni 3
menit Anda > 45 menit 4 > 45 menit 4 > 45 menit 4 > 45 menit 4
• Pertanyaan ini ingin menggali habiskan untuk
berbicara dengan
seberapa dekat hubungan ......
antara aktor dengan aktor lain
dalam jaringan. Aspek ini akan Q3. Dalam satu Tidak pernah 1 Tidak pernah 1 Tidak pernah 1 Tidak pernah 1
menggali kuantitas atau derajat bulan ini,
seberapa sering
Jarang
Cukup sering
2
3
Jarang
Cukup sering
2
3
Jarang /
Cukup sering
2
3
Jarang /
Cukup sering
2
3
keeratan suatu relasi antara Anda menginap di Sangat sering 4 Sangat sering 4 Sangat sering 4 Sangat sering 4
aktor dalam jaringan (Monge, rumah ......

1987:243).
b) Identitas Aktor Nama Nama Nama Nomor 3 Nama
• Pertanyaan lain yang Nomor 1 Nomor 2 ................. Nomor 4
................. ................. .................
ditanyakan dalam
jaringan adalah
identitas aktor. Ada Q1. Hubungan Teman satu 1 Teman satu 1 Teman satu 1 Teman satu 1
beberapa jenis pertemanan kelas kelas kelas kelas
pertanyaan mengenai dengan ..... Teman
organisasi
2 Teman
organisasi
2 Teman
organisasi
2 Teman
organisasi
2
identitas responden. (Bacakan setiap
Saudara 3 Saudara 3 Saudara 3 Saudara 3
Pertama, sosiologis pertanyaan)
Teman main 4 Teman main 4 Teman main 4 Teman main 4
demografis. Misalnya
pertanyaan mengenai Q2. Jenis Laki-laki 1 Laki-laki 1 Laki-laki 1 Laki-laki 1
pendidikan, kelamin..... Perempuan 2 Perempuan 2 Perempuan 2 Perempuan 2
penghasilan, jenis (Bacakan setiap
kelamin, etnis, asal, pertanyaan)
agama, dan
sebagainya. Kedua,
Q3. Agama dari Islam 1 Islam 1 Islam 1 Islam 1
pertanyaan mengenai teman ...... Kristen 2 Kristen 2 Kristen 2 Kristen 2
psikografis. Misalnya Hindu 3 Hindu 3 Hindu 3 Hindu 3
pertanyaan mengenai Budha 4 Budha 4 Budha 4 Budha 4
sikap, orientasi nilai
dan sebagainya.
 Format Pertanyaan
• Pertanyaan mengenai relasi
antara satu aktor dengan aktor
lain, bisa disajikan dalam
berbagai format.
Nama Aktor: Roster vs Free
Recall
Free recall Roster
Q: Dalam SATU BULAN ini, siapa siswa di
kelasAnda yang paling sering Anda ajak untuk
Q: Berikut adalah nama-nama teman sekelas Anda.
Sebutkan nama teman sekelas Anda yang paling
mengerjakan bersama-sama Pekerjaan Rumah (PR) sering Anda ajak untuk mengerjakan bersama-sama
sekolah? Pekerjaan Rumah (PR) sekolah? (Catatan: Anda
tinggal memberi tanda Ѵ untuk nama teman kelas
Nama 1
Nama 2
...................................
...................................
Anda di nomor yang disediakan)

Ada dua alternatif ketika Nama 3

Nama 4
...................................
...................................
1 Rudi 6 Sebastian
responden diminta untuk Nama 5 ...................................
2 Rizki 7 Yusuf
menyebutkan nama aktor (node), 3 Amalia 8 Anita
yakni responden bebas 4 Agus 9 Riki
menentukan nama siapa saja 5 Hani 10 Rani

aktor (free recall) atau peneliti

sudah menentukan nama-nama
aktor dan responden tinggal
memilih nama yang sudah
disediakan (roster).
Jumlah Aktor: Pilihan Bebas (Free Choice) vs Ditetapkan (Fixed Choice)
Aspek lain yang perlu dipikirkan oleh peneliti ketika menyusun pertanyaan adalah mengenai jumlah aktor
(node) jaringan. Berapa banyak nama aktor yang disediakan oleh peneliti untuk dijawab oleh responden.
Apakah jumlah anggota jaringan dari aktor ditetapkan jumlahnya (fixed) ataukah tidak ditentukan (free),
responden bisa menjawab berapapun anggota jaringan. Kedua format ini mempunyai kelebihan sekaligus
kelemahan masing-masing

Free Choice Fixed Choice

Q: Dalam SATU BULAN ini, siapa teman satu kelas
yang paling sering Anda ajak untuk mengerjakan
bersama-sama Pekerjaan Rumah (PR) sekolah? Anda
bisa bebas menyebut nama semua teman sekelas yang
pernah Anda ajak mengerjakan PR sekolah.
Nomor Nama
.... ...................................
.... ...................................
.... ...................................
.... ...................................
.... ...................................
Q: Dalam SATU BULAN ini, sebutkan 5 nama
teman satu kelas yang paling sering Anda ajak untuk
mengerjakan bersama-sama Pekerjaan Rumah (PR)
sekolah? Jika Anda pernah belajar bersama dengan
lebih dari 5 teman, sebutkan 5 nama saja yang paling
sering belajar bersama Anda
1 ......................................
2 ......................................
3 ......................................
4 ......................................
5 ......................................
PENGUMPULAN DATA:
ARSIP / DOKUMEN
• Tidak semua dokumen atau arsip bisa digunakan sebagai sumber data dalam
analisis jaringan komunikasi. Analisis jaringan komunikasi, membutuhkan data
mengenai aktor (node) dan relasi antar aktor. Sepanjang dokumen atau arsip
terdapat aktor (bisa berupa orang, lembaga, negara, dan sebagainya) dan relasi di
antara aktor tersebut, maka dokumen tersebut bisa dianalisis menggunakan
analisis jaringan komunikasi.
• Peneliti harus memeriksa, apakah dokumen atau arsip yang akan digunakan
sebagai sumber data mempunyai data mengenai aktor dan relasi atau aktor.
Sebagai misal, dokumen putusan pengadilan. Dokumen ini terdapat aktor-aktor
(nama-nama orang atau lembaga) dan relasi di antara nama-nama tersebut,
sehingga bisa dimanfaatkan sebagai sumber data. Bandingkan dengan dokumen
berupa data statistik, misalnya buku “Jakarta Dalam Angka” yang menghimpun
profil statistik provinsi DKI Jakarta. Dokumen ini tidak bisa dimanfaatkan sebagai
sumber data, karena dalam dokumen ini tidak terdapat aktor (nama-nama orang
atau lembaga) dan relasi aktor.
Dokumen Kemudahan Kelengkapan Verifikasi Relevansi Aktualitas
akses (Apakah data (Apakah nama (Apakah data (Apakah data
(Apakah data menghimpun dan relasi, sesuai dengan bisa
bisa semua aktor keterangan kebutuhan menggambarkan
didapatkan dan jaringan telah penelitian) kmondisi saat ini
dengan secara diperiksa, cek atau hanya bisa
mudah) lengkap) ricek) dimanfaatkan
untuk
menggambarkan
jaringan di masa
lalu)
Biografi /otobiografi +++ + + + +
Catatan harian + + + + +
Putusan pengadilan ++ ++ +++ ++ +
Risalah rapat + ++ + + +
Dokumen penyelidikan + + ++ + +
Prospektus / laporan + + +++ + +
perusahaan
Berita media +++ ++ ++ ++ +++
Sumber elektronik +++ + + + ++
INPUT DAN ANALISISI DATA
 Gambar
• Input data bisa sosiometri • Pilih analisis data
dilakukan di UCINET sesuai dengan
atau program lain • Gambar dibuat kebutuhan dan
(Pajek, MS Exel) lewat NetDraw, tujuan penelitian.
yang terintegrasi
dengan UCINET.

Input Data Analisis Data

• Pada level aktor (tunggal), yang
menjadi pusat perhatian adalah
aktor (node) dari suatu jaringan.
Level kelompok (group),
memusatkan perhatian pada
jaringan yang terbentuk dari 2
atau lebih aktor yang sifatnya
kohesif.
• Sementara level analisis jaringan
keseluruhan, fokus penelitian
pada jaringan yang terbentuk
dari populasi sasaran penelitian.
Peneliti tidak lagi melihat aktor
atau kelompok tetapi lebih pada
struktur jaringan secara
keseluruhan.
Aktor (tunggal)  Sentralitas Tingkatan (Degree centrality)
 Sentralitas Kedekatan (Closeness Centrality)
 Sentralitas Keperantaraan (Betweenness Centrality)
 Sentralitas Eigenvector (Eigenvector Centrality)

Kelompok (Group)  Komponen

 Klik

Jaringan  Kepadatan (Density)

keseluruhan  Diameter dan Jarak (Distance)
 Sentralisasi (Centralization)
 Kepadatan (Density)
• Kepadatan merujuk kepada kerapatan hubungan antara aktor (node) dalam
jaringan. Kepadatan memperlihatkan intensitas antar anggota jaringan dalam
berkomunikasi. Jaringan dengan kepadatan tinggi adalah jaringan di mana
anggotanya saling berinteraksi satu sama lain. Sebaliknya, jaringan dengan
kepadatan rendah ditandai oleh minimnya interaksi antar anggota jaringan.
• Kepadatan (densitas) adalah perbandingan jumlah link / edge (ties) yang ada
dalam jaringan dengan jumlah link yang mungkin muncul. Angka dalam
kepadatan (densitas) ini adalah 0 hingga 1, di mana makin besar nilai
menunjukkan makin tingginya kepadatan (densitas) dari suatu jaringan. Densitas
membantu menggambarkan seberapa dekat aktor (akun / node) dalam suatu
jaringan. Jika angka densitas mendekati angka 1, semakin erat hubungan /
percakapan, yang menunjukkan peserta sedang berbicara dengan banyak orang
lain. Di sisi lain jika nilainya mendekati 0, ini menunjukkan hampir tidak ada yang
terhubung ke orang lain (aktor /node/ akun media sosial) dalam jaringan.
 A B

Kepadatan
= Jumlah link (aktual) ÷ jumlah
link yang mungkin muncul

= 3÷6
C D
= 0.5
A B

Kepadatan
= Jumlah link (aktual) ÷ jumlah
link yang mungkin muncul

= 4÷6
C D = 0.67
 Diameter dan Jarak (Distance)
• Diamater adalah jarak terjauh antara satu aktor dengan aktor lain
dalam suatu jaringan. Misalnya, sebuah jaringan, mempunyai
diameter 2, berarti jarak terjauh seorang aktor dengan aktor lain
adalah sebanyak 2 langkah. Jika diameter 3, maka jarak terjauh di
antara aktor dalam jaringan adalah sebanyak 3 langkah, dan
seterusnya.
• Diameter menggambarkan seberapa mudah seorang aktor dalam
jaringan dijangkau oleh aktor lain. Jaringan pertama, dimeter adalah
3, sementara jaringan kedua diameternya adalah 2. Jaringan dengan
diameter yang lebih rendah, menggambarkan makin mudah seorang
aktor dijangkau oleh aktor lain dalamjaringan.
 A B

Diameter = 3

Jarak terjauh adalah C ke D. Aktor C untuk

bisa menjangkau D, membutuhkan tiga
langkah (C ke A, A ke B dan terakhir B ke D)

C D

A B

Diameter = 2

Jarak terjauh adalah A ke D atau C ke

D. Di mana dibutuhkan dua langkah
aktor untuk bisa menjangkau aktor D.
C D
 Sentralisasi
• Sentralisasi merujuk kepada tingkat pemusatan jaringan pada aktor (node.
Akun media sosial) tertentu. Jaringan disebut tersentral jikalau ada seorang
aktor (akun media sosial) yang dominan, di mana semua aktor (node)
dalam jaringan mengarah pada aktor tersebut. Sebaliknya, jaringan disebut
terdesentralisasi jikalau tidak ada aktor (akun media sosial) yang dominan.
Aktor-aktor dalam jaringan tidak memusat pada aktor tertentu.
• Angka sentralisasi ditunjukkan dengan nilai 0 hingga 1. Nilai 0, artinya
jaringan mempunyai desentralisasi penuh, sementara nilai 1 artinya
jaringan mempunyai sentraliasi yang sempurna. Sentralisasi mengukur
sentralitas derajat rata-rata semua node dalam jaringan. Ketika sebuah
jaringan memiliki nilai sentralisasi tinggi, menunjukkan ada beberapa akun
media sosial sentral yang mendominasi aliran informasi dalam jaringan.
Sementara jaringan dengan pengukuran sentralisasi rendah, informasi
mengalir lebih bebas di antara banyak akun media sosail.
 Sentralisasi = 0

Dari 4 aktor (A.B.C, dan D) tidak ada satupun yang

menempati posisi sentral. Aliran informasi menyebar ke
semua node (aktor), sama rata. Semua aktor mempunyai
posisi yang sama.

A B
Sentralisasi = 1

Semua node (aktor) memusat ke satu aktor (B).

C D
 Resiprositas
• Resiprositas menggambarkan relasi dua arah yang terjadi di antara
anggota atau aktor (node) dalam jaringan. Resiprositas dihitung
dengan melihat proporsi berapa banyak akun media sosial dalam
percakapan online yang berlangsung timbal balik dibandingkan
dengan jumlah seluruh percakapan.
• Nilai resiprositas adalah 1 ketika aktor saling berkomunikasi timbal
balik, sementara nilai 0 jika komunikasi yang terjadi bersifat searah.
Semakin tinggi nilai resiprositas (mendekati 1), menunjukkan banyak
peserta memiliki percakapan dua arah, sedangkan nilai timbal balik
yang rendah menunjukkan percakapan lebih banyak satu arah.
Resiprositas =
Jumlah hubungan timbal (aktual) ÷
jumlah link hubungan timbal balik yang
mungkin
=4÷4
=1

Resiprositas =
Jumlah hubungan timbal (aktual) ÷
jumlah link hubungan timbal balik yang
mungkin
=1÷4
= 0.25
Aktor (tunggal)  Sentralitas Tingkatan (Degree centrality)
 Sentralitas Kedekatan (Closeness Centrality)
 Sentralitas Keperantaraan (Betweenness Centrality)
 Sentralitas Eigenvector (Eigenvector Centrality)

Kelompok (Group)  Komponen

 Klik

Jaringan  Kepadatan (Density)

keseluruhan  Diameter dan Jarak (Distance)
 Sentralisasi (Centralization)
 (a) Komponen
• Komponen merupakan pengelompokan
yang lebih luas dan longgar dari pada klik.
Secara sederhana, komponen adalah
pengelompokan yang memasukkan semua
aktor (node) asalkan aktor tersebut
mempunyai link (edges) dengan jaringan
(Valente, 2010: 101). Dasar dari komponen
adalah aktor yang mempunyai link dengan
jaringan, bisa dikategorikan sebagai
kelompok karena aktor tersebut bisa
dijangkau oleh aktor lain meski dengan
tahapan yang panjang.
• Lawan dari komponen adalah isolate yakni
aktor yang tidak terhubung atau tidak
mempunyai link dengan jaringan. Aktor
yang tidak mempunyai link tidak bisa
dijangkau oleh aktor lain dalam kelompok.
 (b) Klik (Clique)
• Klik adalah pengelompokan aktor (node) di dalam suatu jaringan di
mana memasukkan (maksimal) semua bentuk hubungan di antara
aktor, dan aktor-aktor (node) tersebut saling berinteraksi satu sama
lain dengan semua anggota. Dengan demikian ada dua ciri dari klik
(lihat Hanneman and Riddle, 2004; Borgatti, Everett and Johnson,
2013: 183). Pertama, saling keterhubungan di antara sesama aktor.
Kedua, memasukkan semua hubungan atau interaksi (maksimal).
Dalam ilustrasi ini, terdapat 4 klik
dalam jaringan. Klik pertama
dengan anggota aktor A, B,C dan
D. Klik kedua adalah klik dengan
anggota C,D dan E. Klik ketiga
adalah klik dengan anggota G, H
dan J. Sementara klik keempat
adalah klik dengan anggota G,J
dan I.

Aktor bisa menjadi anggota dari

beberapa klik. Dalam ilustrasi ini,
aktor C, D, G dan J mempunyai
keanggotaan di dua klik.
Sebaliknya, ada juga aktor yang
tidak menjadi anggota dari klik
manapun. Dalam ilustrasi ini
adalah aktor F.
Aktor (tunggal)  Sentralitas Tingkatan (Degree centrality)
 Sentralitas Kedekatan (Closeness Centrality)
 Sentralitas Keperantaraan (Betweenness Centrality)
 Sentralitas Eigenvector (Eigenvector Centrality)

Kelompok (Group)  Komponen

 Klik

Jaringan  Kepadatan (Density)

keseluruhan  Diameter dan Jarak (Distance)
 Sentralisasi (Centralization)
 Tingkatan (Degree Centrality)
• Degree merujuk pada jumlah relasi (hubungan / link) satu aktor
(dalam hal ini akun media sosial) degan aktor lain dalam jaringan.
Degree menunjukkan popularitas dari aktor (node). Aktor dengan
degree tinggi menunjukkan aktor tersebut mempunyai banyak relasi
dengan aktor lain. Dalam media sosial, relasi ini bisa beberapa
macam, di antaranya: reply, mention, retwett dan sebagainya. Aktor
(akun media sosial) dengan jumlah degree = 5, artinya, akun media
sosial tersebut mempunyai link (bisa berbentuk mention, replay,
retwett ) dengan akun media sosial lain sebanyak 5.
 A B C D E F G Tot
al

A 1 1 1 1 1 0 5
B 1 1 0 1 0 0 3
C 1 1 0 1 0 0 3
D 1 0 0 0 0 1 2
E 1 1 1 0 1 1 5
F 1 0 0 0 1 1 2
G 0 0 0 1 1 1 3
 Kedekatan (Closeness Centrality)
• Sentralitas kedekatan menggambarkan seberapa dekat aktor (node,
akun media sosial) dengan semua aktor lain di dalam jaringan.
Kedekatan di sini diukur dari berapa langkah (jalur/path) seorang
aktor bisa menghubungi atau dihubungi oleh aktor lain dalam
jaringan. Angka yang kecil, menunjukkan seorang aktor bisa
menghubungi aktor lain dalam jaringan pada beberapa tahap atau
langkah saja.
 Jarak Terdekat
Total Rata-
A B C D E F G
Jarak Rata
A 1 1 1 1 1 2 7 1.17
B 1 1 2 1 2 3 10 1.67
C 1 1 2 1 2 2 9 1.50
D 1 2 2 2 2 1 10 1.67
E 1 1 1 2 1 1 7 1.17
F 1 2 2 2 1 1 9 1.50
G 2 2 2 1 1 1 9 1.50
 Perantara (Betweenness Centrality)
• Sentralitas keperantaraan memperlihatkan posisi seorang aktor
sebagai perantara (betweenness) dari hubungan aktor satu dengan
aktor lain dalam suatu jaringan. Apakah aktor (node) untuk
menghubungi aktor lain, bisa langsung ataukah harus melawati aktor
tertentu.
• Sentralitas keperantaraan penting karena berkaitan dengan kontrol
dan manipulasi informasi. Aktor (akun media sosial) yang mempunyai
posisi sebagai perantara aktor lain bisa menentukan keanggotaan
aktor dalam jaringan.
 Perantara Relasi
Relasi
Antara A B C D E F G
A-B 0 0 0 0 0 0 0
A-C 0 0 0 0 0 0 0
A-D 0 0 0 0 0 0 0
A-E 0 0 0 0 0 0 0
A-F 0 0 0 0 0 0 0
A-G 0 0 0 0.33 0.33 0.33 0
B-C 0 0 0 0 0 0 0
B-D 1 0 0 0 0 0 0
B-E 0 0 0 0 0 0 0
B-F 0.5 0 0 0 0.5 0 0
B-G 0 0 0 0 1 0 0
C-D 1 0 0 0 0 0 0
C-E 0 0 0 0 0 0 0
C-F 0.5 0 0 0 0.5 0 0
C-G 0 0 0 1 0 0 0
D-E 0.5 0 0 0 0 0 0.5
D-F 0.5 0 0 0 0 0 0.5
D-G 0 0 0 0 0 0 0
E-F 0 0 0 0 0 0 0
E-G 0 0 0 0 0 0 0
F-G 0 0 0 0 0 0 0
Total 4 0 0 1.33 2.33 0.33 1
 Eigenvektor (Eigenvector Centrality)
• Eigenvektor bisa digambarkan sebagai seberapa penting orang yang
mempunyai jaringan dengan aktor. Seberapa penting ini digambarkan
sebagai seberapa banyak jaringan yang dipunyai oleh orang
/organisasi/institusi yang mempunyai relasi dengan aktor. Berbeda
dengan sentralitas tingkatan (degree centrality) yang menghitung
berapa banyak aktor (node) yang mempunyai relasi dengan aktor,
eigenvektor berbicara mengenai seberapa penting atau seberapa
populer node yang berjaringan dengan aktor. Ukuran ini bukan
berbicara mengenai “berapa banyak orang yang Anda kenal”, tetapi
“siapa orang yang Anda kenal”.
Ortiz-Arroyo (2010)
 Daftar Pustaka
• Borgatti, Stephen and Daniel Halgin. (2009). On Network Theory. Organization Science, Vol, 22, pp. 1157-1167.
• Degene, Alain and Michel Forse. (1999). Introducing Social Networks. London: Sage Publications.
• Hanneman, Robert A and Mark Riddle. (2004). Introduction to Social Network Methods. Riverside, California: University of California Press.
• Kadushin, Charles. (2012). Understanding Social Networks: Theories, Concept and Finding. New York: Oxford University Press.
• Knoke, David and Son Yang. (2002). Social Network Analysis. Second Edition. Thousand Oaks, California: Sage Publications.
• Lauman, Edward, Peter V. Marsden and David Prensky. (1983). The Boundary-Specification Problem in Network Analysis. Ronald Burt and
Michael Minor (ed), Applied Network Analysis. Baverly Hills, California: Sage Publications, pp. 18-34.
• Marin, Alexandra and Barry Wellman. (2011). Social Network Analysis: An Introduction. John Scott and Peter J. Carrington (ed), The Sage
Handbook of Social Network Analysis. London: Sage Publications, pp. 11-24.
• Monge, Peter R and Noshir S. Contractor. (2003). Theories of Communication Networks. Oxford: Oxford University Press.
• Prell, Christina. (2012). Social Network Analysis: History, Theory and Methodology. London: Sage Publications.
• Pryke, Stephen. (2012). Social Network Analysis in Construction. West Sussex: Wiley- Blacwell.
• Rogers, Everett M and D. Lawrence Kincaid. (1981). Communication Networks: Toward a New Paradigm for Research. New York: The Free
Press.
• Scott, John P. (2000). Social Network Analysis: A Handbook. Second Edition. Thousand Oaks, California: Sage Publications.
• Valente, Thomas W. (2010). Social Networks and Health: Models, Methods and Applications. New York: Oxford University Press.
TERIMA KASIH