KELOMPOK 5

Metode Penelitian Administrasi

Dosen Pegampu : Dr. Rina Herlina Haryanti, S.Sos, M.Si.

Anggota:
1. Natasya Mantika (D0119082)
2. Nur Zulfa Laily (D0119088)
3. Oktri Setianingsih (D0119089)
4. Rohmatul Chasanah (D0119101)
5. Rolland Sukma G (D0119102)
6. Ryanza Ridho (D0119104)
7. Shefrin Nur Pawestri (D0119110)
8. Sonya Indah Lestari (D0119114)
9. Virginia Dwi Cahyani (D0119121)

A. Soal
1. Apa itu SNA?
Jawab:
Social Network Analysis (SNA) merupakan visualisasi dari hubungan antar node yang
ada dalam sebuah jaringan. Hubungan tersebut didapat dari media sosial seperti
facebook, twitter, flicker, youtube, dan lain sebagainya. Aliran informasi tersebut bisa
diperoleh dengan mengukur hubungan pertemanan dari seorang individu, organisasi,
dan grup serta informasi yang dibagi di antara mereka seperti pola jaringan organisasi
dan ide-ide dalam sebuah lingkungan dengan teknik grafik. SNA merupakan salah
satu metode analisis dalam sebuah penelitian yang memiliki konsentrasi pada
relationship research untuk mengetahui hubungan antar node.
Dengan kata lain SNA merupakan abstraksi sosial yang menggambarkan berbagai
hubungan atau koneksi menggunakan teknik analisis grafik (Selisker, 2017), dimana
SNA ini dapat digunakan untuk mengungkap struktur dan konten dari sebuah
informasi dengan menggambarkannya sebagai hubungan interkoneksi, objek, atau
entitas yang terhubung. SNA ini sering digunakan untuk menentukan aktor sentral di
dalam sebuah jaringan dengan menghitung nilai centrality. Dengan siapa aktor
terhubung, seberapa kuat hubungan terjadi, seperti apa hubungan terjadi, apakah
hubungan terjadi satu arah atau dua arah, bagaimana hubungan difasilitasi, melalui
 media apa hubungan terjadi hingga ke aplikasi lainnya. Dalam menentukan individu
(node) yang paling penting, paling berperan dan berpengaruh di dalam jaringan, kita
bisa menggunakan analisis SNA dengan beberapa pengukuran yaitu: Degree
centrality, Closeness centrality, Betweenness centrality, dan Eigenvector centrality.
SNA juga dapat digunakan dalam aktivitas media sosial, khususnya dalam melihat
pemodelan interaksi yang digunakan dalam menganalisis jaringan hubungan interaksi
pada media sosial. Lebih detailnya adalah untuk melihat interaksi terhadap pengguna
atau user yang dilambangkan dengan titik (nodes) dan interaksi antar user tersebut
yang dilambangkan dengan garis (edges). Hal ini diperlukan analisis, dikarenakan
dapat membawa kesempatan baru untuk memahami individu atau masyarakat terkait
pola interaksi sosial mereka.

2. Apa manfaat dan tujuan menggunakan SNA?

Jawab:
Social Network Analysis (SNA) berpendapat bahwa hubungan antar nodes
merupakan sesuatu yang penting. Oleh sebab itu, adapun manfaat dari SNA adalah
untuk mengetahui actors/nodes yang terlibat dan bagaimana hubungan itu terjadi.
Dengan siapa aktor terhubung, seberapa kuat hubungan terjadi, seperti apa hubungan
terjadi, apakah hubungan terjadi satu arah atau dua arah, bagaimana hubungan
difasilitasi, melalui media apa hubungan terjadi hingga ke aplikasi lainnya. (Fitriani,
dkk., 2020).
Social Network Analysis (SNA) dapat digunakan dalam aktivitas media sosial,
khususnya dalam melihat pemodelan interaksi yang digunakan dalam menganalisis
jaringan hubungan interaksi pada media sosial. Lebih detail tujuan dari SNA adalah
untuk melihat interaksi terhadap pengguna atau user, hal ini diperlukan analisis
dikarenakan membawa kesempatan baru untuk memahami individu atau masyarakat
terkait pola interaksi sosial mereka. SNA dapat digunakan untuk mempelajari pola
jaringan organisasi, ide-ide, dan orang-orang yang terhubung melalui berbagai cara
dalam sebuah lingkungan. (Azmi, dkk., 2021). Social Network Analysis (SNA)
dengan tools Ucinet Draw dapat digunakan untuk mengetahui bagaimana pola
hubungan yang terjalin antar aktor dan bagaimana interaksi yang terbentuk dalam
jaringan. (Fitriani, dkk., 2020).
3. Bagaimana langkah-langkah melakukan SNA?
Jawab :
Langkah-langkah dalam melakukan Social Network Analysis (SNA) adalah sebagai
berikut:
a. Pengumpulan Data
Pengambilan data dilakukan dengan cara crawling (mengambil) data percakapan
online dari media sosial Twitter. Tahapan ini dilakukan dengan menggunakan
aplikasi berbasis bahasa R yaitu R Studio yang terhubung dengan Twitter API.
Untuk dapat mengambil (crawling) data percakapan online di Twitter diperlukan
consumer key, consumer secret, access token, dan access token secret terlebih
dahulu, sehingga tweet yang diambil sesuai dengan kata kunci yang dicari.
b. Preprocessing Data
Setelah mendapatkan kumpulan tweet, mention, reply dan retweet yang ingin
dicari, kemudian dilakukan proses cleaning data untuk menyaring dan menghapus
data twitter yang tidak relevan supaya lebih mudah untuk dilakukan proses
analisis. Lalu tentukan aktor yang berinteraksi pada setiap tweet untuk dijadikan
sebagai node dalam social network.
c. Pembuatan Model Jaringan
Data yang sudah melalui preprocessing kemudian diproses kembali menggunakan
aplikasi Gephi untuk dibuat visualisasi model jaringannya dengan menggunakan
undirected graph yaitu jaringan yang tidak memperhitungkan arah hubungan.
d. Identifikasi Properti Jaringan
Setiap model jaringan yang sudah diproses dengan aplikasi Gephi memiliki
beberapa properti yang akan dihitung nilainya. Adapun properti jaringan yang
akan dihitung nilainya adalah nodes, edges, average degree, diameter, dan
average path length.
Berikut penjelasan dari masing-masing properti jaringan:
1.) Nodes dalam data twitter merujuk pada seseorang individu pengguna twitter.
2.) Edges merefleksikan hubungan antar aktor atau entitas yang terjadi dalam
network (Hanneman dan Riddle, 2005). Edges menunjukkan aktivitas
retweet yang direpresentasikan menjadi cabang atau garis-garis dari nodes.
3.) Average degree dapat ditentukan dengan jumlah hubungan pada satu node
dibagi jumlah hubungan yang terjadi pada satu jaringan sosial (Alhajj dan
Rokne, 2014).
 4.) Diameter adalah jarak terjauh antara dua node yang berdekatan (Jackson,
2008).
5.) Average path length adalah rata-rata jarak geodesi, atau rata-rata jalur yang
dilewati oleh tiap node ke node lainnya (Jackson, 2008).
e. Analisis Centrality
Untuk menentukan aktor utama dalam jaringan sosial, maka dilakukan analisis
centrality (skoring). Analisis centrality dilakukan dengan menggunakan aplikasi
Gephi untuk melihat nilai dari masing-masing centrality untuk setiap aktor dalam
jaringan sosial. Perhitungan centrality yang dilakukan yaitu degree centrality,
betweenness centrality, closeness centrality, dan eigenvector centrality.

4. Apa saja unsur-unsur yang harus diperhatikan dalam SNA?

Jawab:
Social Network Analysis (SNA) menunjukkan bahwa hubungan antar nodes
merupakan sesuatu yang penting. Fokus SNA adalah untuk mengetahui actors/nodes
yang terlibat dan bagaimana hubungan itu terjadi. Dengan siapa aktor terhubung,
seberapa kuat hubungan terjadi, seperti apa hubungan terjadi, apakah hubungan terjadi
satu arah atau dua arah, bagaimana hubungan difasilitasi, melalui media apa
hubungan terjadi hingga ke aplikasi lainnya. Dalam menentukan individu (node) yang
paling penting, paling berperan dan berpengaruh di dalam jaringan, maka unsur-unsur
yang harus diperhatikan dalam menggunakan analisis SNA yaitu dengan beberapa
pengukuran di antaranya:
1) Degree centrality (Sentralitas Kepusatan), tingkatan yang menunjukkan
popularitas aktor dalam jaringan yang ditunjukkan dengan jumlah link dari dan
ke aktor. Degree dapat berupa indegree yang berarti aktor dihubungi aktor
lain dan outdegree artinya aktor menghubungi aktor lain.
2) Closeness centrality (Sentralitas Kedekatan), menggambarkan seberapa dekat
aktor dengan semua aktor dalam jaringan. Sentralitas ini mengukur aktor mana
yang paling cepat dalam menjangkau semua aktor dalam jaringan. Kedekatan
disini diukur dari berapa langkah seorang aktor dapat menghubungi atau
dihubungi. Semakin kecil nilai sentralitas kedekatannya maka semakin baik
karena merupakan jarak kedekatan dengan aktor lain. Angka sentralitas
kedekatan adalah 0 sampai 1.
 3) Betweenness centrality (Sentralitas Keperantaraan) adalah pengukuran yang
memperlihatkan posisi seorang aktor sebagai perantara dari hubungan aktor
dengan aktor lain dalam jaringan. Pendekatan betweenness centrality
berpandangan bahwa aktor yang lebih sentral/ lebih penting jika ia sebagai:
a. Perantara informasi dalam jaringan,
b. Seberapa banyak arus informasi yang terganggu karena seseorang
berhenti menyampaikan informasi atau menghilang dari jaringan,
c. Sampai sejauh mana mungkin seseorang dalam mengontrol arus
informasi karena kedudukannya dalam jaringan
4) Eigenvector centrality (Sentralitas Kepadatan) adalah perbandingan jumlah
link (ties) yang ada dalam jaringan dengan jumlah link yang mungkin muncul.
Kepadatan memperlihatkan intensitas antar-anggota jaringan dalam
berkomunikasi.

5. Aplikasi apa saja yang digunakan untuk melakukan SNA?

Jawab:
Jurnal Implementasi Social Network Analysis dalam Penyebaran Informasi
Virus Corona (Covid-19) di Twitter (Inayah & Fredy, 2020), disebutkan bahwa dalam
pengolahan data untuk Social Network Analysis (SNA) dimulai dengan tahap
pengumpulan data dan baru dilanjutkan ke analisis data untuk menghasilkan
visualisasi yang diharapkan. Software yang digunakan dalam proses pengolahan data
adalah R studio 4.0.2, Microsoft Excel 2013, serta Gephi 0.9.2. R studio digunakan
dalam proses pengambilan dan pembersihan data tweet, pembuatan wordcloud, serta
analisis sentimen. Sedangkan Gephi digunakan untuk melakukan SNA.
Jurnal “Konsep Visualisasi Data menggunakan Social Network Analysis
(SNA)” (Aan Erlansari, 2018), memanfaatkan media-media sosial yang daat diakses
dengan perangkat mobile ataupun menggunakan komputer sebagai media perangkat
keras. SNA menggunakan data yang diperoleh melalui facebook, twitter, flickr,
youtube, dan wikipedia menghasilkan teknik baru dalam memvisualisasikan data yang
dibutuhkan. Akan tetapi, SNA sendiri tidak cukup untuk mencapai pemahaman
penuh. Kerumitan proses interaksi dan berbagai sumber media data menyulitkan
untuk memberikan analisis mendalam, serta kompleksitas data terkadang menyulitkan
peneliti dalam menyimpulkan graph sehingga dibutuhkan metode dan tools lain untuk
dapat menyempurnakan proses SNA.
 Jurnal “Evaluasi Jaringan dan Interaksi Tim Sukses Pileg Tahun 2019 Melalui
Social Network Analysis (SNA)” (Fitriani, Irwan, dan Kristoko, 2019), melakukan
analisis SNA dengan memanfaatkan tools Ucinetdraw untuk mengetahui bagaimana
pola hubungan yang terjalin antar aktor dan bagaimana interaksi yang terbentuk
dalam jaringan. Selain itu, jurnal ini juga memanfaatkan tools UCINET (digunakan
untuk mengolah data) yang dapat memberikan visualisasi data bagaimana pola
jaringan yang terbentuk dan bagaimana hubungan aktor dengan aktor lain dalam
menyebarkan informasi.
Jurnal " Ekstrasi Knowlende Tentang Penyebaran #RATNAMILIKSIAPA
Pada Jejaring Sosial (Twitter) Menggunakan Social Network Analysis (SNA)"
menyebutkan bahwa penelitian SNA ini memanfaatkan secara langsung data twitter
yang selanjutnya diolah dengan knowlande management (KM) dengan memanfaatkan
tools atau enebler dengan melakukan perhitungan DC dan BC dalam metode SNA.
KM disini merupakan pendekatan transdisipliner untuk memaksimalkan pengunaan
knowledge untuk mengetahui hubungan antar pengguna twiter dan potensi hoax yang
mungkin muncul atas suatu tagar.
Dalam jurnal “Social Media Network Analysis (SNA): Identifikasi
Komunikasi dan Penyebaran Informasi Melalui Media Sosial Twitter” (Azmi, dkk.,
2021), disebutkan jika pengambilan data melalui akun twitter dapat dilakukan dengan
extension N-Capture pada google chrome, data yang diambil berupa tweet dan re-
tweet. Import data selanjutnya dapat dilakukan ke aplikasi NVIVO 12+ guna
dilakukan koding otomatis dan koding manual untuk melakukan screening dan
filtering data. Sedangkan untuk visualisasi data akhir menggunakan aplikasi microsoft
word dan excel agar visualisasi yang sajikan lebih jelas dan dapat dipahami oleh
pembaca.

6. Komponen penting apa saja yang harus ada dalam SNA?

Jawab:
Komponen-Komponen SNA yang harus ada dalam SNA meliputi:
● Node atau titik, menggambarkan sekumpulan orang, objek, atau kejadian yang
dilambangkan dengan titik, atau dengan kata lain yang disebut “aktor”. Nodes ini
menunjukan jumlah aktor yang terdapat dalam suatu jaringan/dataset.
● Edges atau garis, penghubung antara satu titik dengan titik lainnya dalam jaringan
yang dilambangkan dengan garis. Edges ini menunjukan jumlah hubungan/interaksi
antar pengguna (user)
● Arus, dalam sebuah diagram arus digambarkan dengan anak panah, yang
menggambarkan sesuatu yang mengalir dari satu titik ke titik lainnya melalui ikatan
menghubungkan masing-masing titik dalam sebuah jaringan.
● Average Degree, merupakan rata-rata jumlah hubungan suatu node ke node lain.
● Network Diameter, merupakan jarak grafik terpanjang antar node dalam suatu
jaringan. Semakin besar diameter artinya semakin tidak diinginkan.
● Average Path Length, menunjukan angka rata-rata apabila suatu node ingin
berhubungan dengan node lainnya, maka harus melewati “x node” terlebih dahulu.
● Graph Density, merupakan ukuran kepadatan dalam suatu jaringan sosial dengan
skala 0-1. Semakin rapat maka semakin dekat jaraknya dan mendekati angka.
● Modularity, untuk mengukur seberapa baik jaringan terbagi menjadi komunitas
modular
● Connected Component, terbagi menjadi 2 : Komponen terhubung dan Komponen
terhubung kuat.
Selain itu, untuk melengkapi komponen yang terdapat didalam SNA maka
dalam mengukur nodes dan edges juga diperlukan model untuk mengukur tingkat
kepusatan data lingkaran jaringan sosial, hal ini disebut dengan centrality.
Pengukuran centrality digunakan untuk menentukan aktor yang berperan paling
penting dalam suatu jaringan sosial, karena hal ini menunjukkan derajat pusat
seseorang. Terdapat empat pengukuran dalam centrality yaitu: degree centrality,
betweenness centrality, closeness centrality, dan eigenvector centrality.

Referensi
Bratawisnu, M. K., & Alamsyah, A. (2018). Social Network Analysis Untuk Analisa
Interaksi User Dimedia Sosial Mengenai Bisnis E-Commerce (Studi Kasus: Lazada,
Tokopedia dan Elevenia). Almana: Jurnal Manajemen dan Bisnis, 2(2), 107-115.
B. Instal Aplikasi Gephi

C. Judul Penlitian
“Social Network Analysis (SNA): Identifikasi Kontrol Sosial dalam Pengawalan Isu Mafia
Minyak Goreng”