BEBERAPA CONTOH PEMAKAIAN UCINET DALAM ANALISIS JARINGAN SOSIAL

Oleh :

Abdullah M. Jaubah

Pendahuluan

Ucinet merupakan perangkat lunak untuk melakukan analisis jaringan sosial. Pembahasan mengenai
pemakaian Ucinet masih jarang ditemukan di Indonesia. Pembahasan ini akan menyajikan beberapa
contoh pemakaian Ucinet dalam usaha memperkenalkan analisis jaringan sosial yang dapat dipakai
sebagai salah satu metodologi penelitian.

Tulisan ini dipengaruhi, secara langsung atau tidak langsung, oleh gagasan-gagasan dan konsep-
konsep dari para pakar antara lain dari J. A. Barnes, S. D. Berkowits, Stephen P. Borgatti, Ronald
Burt, Kathleen Carley, Martin Everett, Kathlerine Faust, Linton C. Freeman, Mark Granovetter, David
Knoke, David M. Krackhardt, Peter Marsden, Nicholas Mullins, Anatol Rappaport, Stanley
Wasserman, Barry Wellman, Douglas R.White, Harrizon White, Kate Ehrlich, Inga Carboni, Luis
Pinzon Salcedo, Ricardo Barros, Roberto Zarama, Margarita de Meza, Cristina Carulla, Astrid
Bejarano, Kyumars Sheykh Esmaili, Daniel S. Halgin, Paul McLean, Sytse Strijbos, Jason Owen
Smith, Manuel Castells, Daniel J. Brass, J. L. Moreno, Noah E. Friedkin, Eugene C. Johnsen, Charles
Kadushin, Nathalie Henry, Robert A. Hanneman, Mark Ridder, Paola Tubaru, Luis R. Izquierdo, dan
sebagainya. Tulisan ini mengacu pada buku yang ditulis oleh Robert A. Hanneman dan Mark Riddle
(2005) berjudul H Introduction to social network methods yang dapat diunduh melalui alamat
http://faculty.ucr.edu/~hanneman/ Beberapa tulisan dari Stephen P. Borgatti juga diacu di sini
sehingga gagasan-gagasan mereka akan tercermin pula dalam tulisan ini. Banyak diagram
jalur yang disajikan oleh mereka dipakai di sini dengan cara mencipta sendiri hubungan-
hubungan dalam diagram jalur tersebut karena hubungan-hubungan yang terkandung dalam
diagram jalur tersebut tidak jelas sebagai akibat dari anak panah tidak disajikan.

Beberapa konsep terkandung dalam analisis jaringan sosial. Konsep-konsep itu antara lain adalah
Betweenness, Bridge, Local Bridge, Centrality, Centralization, Closeness, Clustering Coefficient,
Cohesion, Degree, Density, Flow betweenness centrality, Eugenvector centrality, Path length,
Prestige, Radiality, Reach, Structural Cohesion, Structural equivalence, Structural hole, Path, Walk,
dan sebagainya. Contoh-contoh yang disajikan merupakan contoh-contoh yang sangat sederhana
hingga contoh-contoh yang sangat rumit. Pembahasan akan menyajikan langkah-langkah pemakaian
Ucinet. [1]

Beberapa Contoh

1
Data

Pengumpulan data dapat dilakukan dengan berbagai cara pengumpulan data sebagaimana biasa
disajikan dalam pembahasan mengenai metodologi penelitian. Data yang dikumpulkan dapat
dimasukkan ke dalam Microsoft Excel. Contoh data sederhana adalah sebagai berikut :

Andi Badu Citra Dewi

Andi 0 0 0 0
Badu 0 0 0 0
Citra 0 0 0 0
Dewi 0 0 0 0

Data yang telah diketik ke dalam microsoft Excel ini kemudian digandakan dan dialihkan ke dalam
Ucinet.

Pemakaian Ucinet

Paket program Ucinet diaktifkan. Langkah ini akan menyajikan kotak dialog UCINET 6 for
Windows.. Version 6.289 sebagaimana disajikan di bawah ini :

Tombol ditekan. Langkah ini akan menyajikan kotak dialog UCINET Spreadsheet Untitled
sebgai berikut :

2
Perintah Edit>Paste dipakai. Langkah ini akan menyajikan kotak dialog UCINET Spreadsheet
Untitled sebgai berikut :

Data tersebut disimpan dengan cara memakai File> Save as. Langkah ini akan menyajikan kotak
dialog Save As sebagai berikut :

3
Contoh1 diketik dan tombok Save ditekan. Langkah ini akan menyimpan arsip data dalam arsip

Contoh1. Menu Visualize atau tombol ditekan. Langkah ini akan menyajikan kotak dialog
sebagai berikut :

Perintah File>Open>Ucinet dataset>Network ditekan. Langkah ini akan menyajikan kotak dialog
Open Data File sebagai berikut :

Tombol ditekan. Langkah ini akan menyajikan kotak dialog Open sebagai berikut :

4
Arsip Contoh1 dipilih dan tombol Open ditekan. Langkah ini akan menyajikan kotak dialog Open
Data File sebagai berikut :

Tombol OK ditekan sehingga langkah ini akan menyajikan hasil sebagai berikut :

5
Analisis Hasil

Data tersebut terdiri dari empat aktor yaitu Andi, Badu, Citra, dan Dewi. Keempat aktor ini tidak
mempunyai ikatan atau hubungan.

Data

Data lain tersedia sebagai berikut :

Pemakaian Ucinet

Langkah-langkah serupa dengan langkah-langkah yang telah dijelaskan di atas dipakai di sini,

Pemakaian langkah-langkah tersebut akan menghasilkan informasi sebagai berikut :

Analisis Hasil

6
Hasil di atas mencerminkan bahwa Andi menghubungi Citra akan tetapi Citra tidak menghubungi
Andi. Badu menghubungi Dewi akan tetapi Dewi tidak menghubungan Badu. Andi, Badu, Citra, dan
Dewi merupakan para aktor sedangkan garis dengan satu anak panah mencerminkan hubungan atau
ikatan. Lingkaran atau titik mewakili aktor dan garis mewakili ikatan atau hubungan.

Data

Andi Badu Citra Dewi

Andi 0 0 1 0
Badu 0 0 0 1
Citra 1 0 0 0
Dewi 0 1 0 0

Pemakaian Ucinet

Analisis Hasil

Diagram jaringan di atas mencerminkan hubungan dua arah antara Andi dan Citra dan hubungan dua
arah antara Badu dan Dewi. Andi dan Citra tidak mempunyai hubungan dengan Badu dan Dewi.

Data

7
Data ini terdiri dari empat aktor dan mengandung hubungan-hubungan tertentu. Data ini adalah
sebagai berikut :

Andi Badu Citra Dewi

Andi 0 1 1 0
Badu 1 0 1 1
Citra 1 1 0 0
Dewi 0 1 0 0

Pemakaian Ucinet

Diagram jaringan yang dihasilkan adalah sebagai berikut :

Analisis Hasil

Andi mempunyai dua hubungan dua arah. Citra mempunyai dua hubungan dua arah. Dewi
mempunyai satu hubungan dua arah. Badu mempunyai tiga hubungan dua arah. Analisis lebih lanjut
membutuhkan langkah memakai perintah Network>Centrality>Degree. Langkah ini akan menyajikan
kotak dialog sebagai berikut :

8
Tombol ditekan. Langkah ini akan menyajikan kotak dialog Open sebagai berikut :

Contoh4 dipilih dan tombol Open ditekan. Tombol OK ditekan sehingga menghasilkan informasi
sebagai berikut :

9
Hasil ini mencerminkan OutDegree dan InDegree dari aktor Badu adalah terbesar yaitu 3. Hal ini
berarti pengaruh dari Badu (OutDegree) terhadap para aktor lain adalah paling besar dan kekuasaan
(InDegree) dari aktor Badu adalah terbesar dibanding dengan para aktor lain.

Data

Data di bawah ini terdiri dari lima aktor dan hubungan dua arah antara kelima aktor ini hanya dengan
aktor A saja.

A B C D E
A 0 1 1 1 1
B 1 0 0 0 0
C 1 0 0 0 0
D 1 0 0 0 0
E 1 0 0 0 0

Pemakaian Ucinet

Pelaksanaan NetDraw akan menghasilkan diagram jaringan sebagai berikut :

Analisis Hasil

10
Diagram jaringan di atas dinamakan diagram jaringan roda. Aktor A mempunyai hubungan dua arah
dengan aktor B. Aktor A mempunyai hubungan dua arah dengan aktor C. Aktor A mempunyai
hubungan dua arah dengan aktor D. Aktor A mempunyai huungan dua arah dengan aktor E. Aktor B,
C, D, dan E tidak mempunyai hubungan. Analisis sentralitas menghasilkan informasi sebagai berikut:

Aktor A mempunyai OutDegree adalah 4 dan InDegree adalah 4. Nilai ini adalah lebih besar daripada
nilai OutDegree dan InDegree dari para aktor lain. Hal ini berarti bahwa Aktor A mempunyai
pengaruh yang sangat besar atas para aktor lain dan mempunyai kekuasaan yang sangat besar atas
para aktor lain. Sentralisasi jaringan diukur dari sudut OutDegree adalah 75% dan sentralisasi jaringan
diukur dari sudut InDegree adalah 75%. Hal ini berarti bahwa sentralitas berbeda dengan sentralisasi,
sentralitas OutDegree berbeda dengan sentralisasi OutDegree, dan sentralitas InDegree bebeda dengan
sentralisasi InDegree. Diagram jaringan di atas dapat juga disajikan sebagai berikut :

11
Diagram jaringan ini disajikan secara berbeda dari diagram jaringan di atas akan tetapi makna yang
terkandung adalah sama.

Data

Data di bawah ini mengandung lima aktor dan hubungan-hubungan tertentu.

A B C D E
A 0 0 1 0 0
B 0 0 1 0 0
C 1 1 0 1 0
D 0 0 1 0 1
E 0 0 0 1 0

Pemakaian Ucinet

Tombol OK ditekan. Langkah ini akan menghasilkan diagram jaringan sebagai berikut :

Diagram jaringan ini dapat juga disajikan dalam bentuk sebagai merikut :

12
Diagram jaringan di atas dinamakan jaringan chain atau jaringan garis. Hal ini berarti bahwa diagram
jalur dapat disajikan dalam beberapa bentuk akan tetapi mengandung makna yang sama.

Analisis Hasil

Aktor A mempunyai hubungan dua arah dengan aktor B. Aktor B mempunyai hubungan dua arah
dengan aktor C. Aktor C mempunyai hubungan dua arah dengan aktor D. Aktor D mempunyai
hubungan dua arah dengan aktor E. Diagram jaringan ini mencerminkan posisi berbeda dan dapat
dikelompokkan ke dalam posisi yang tidak menyenangkan dari aktor A dan aktor E dan posisi yang
menyenangkan dari aktor B, aktor C, dan aktor D. Sentralitas dan sentralisasi dapat disajikan sebagai
berikut :

Aktor A dan Aktor E mempunyai OutDegree dan InDegree lebih rendah daripada aktor B, C, dan
aktor D. Network Centralization (OutDegree) adalah 12.5% dan Network Centralization (InDegree)
adalah 12.5%.

Data

13
Data di bawah ini terdiri dari lima aktor dan hubungan-hubungan tertentu. Data ini adalah sebagai
berikut :

A B C D E
A 0 0 1 0 0
B 0 0 1 0 0
C 1 1 0 1 0
D 0 0 1 0 1
E 0 0 0 1 0

Pemakaian Ucinet

14
Diagram jaringan di atas dinamakan diagram jaringan Y

Analisis Hasil

Aktor A mempunyai satu hubungan dua arah dengan aktor C. Aktor B mempunyai satu hubungan dua
arah dengan aktor C. Aktor D mempunyai satu hubungan dua arah dengan aktor C dan dengan aktor
E. Aktor E mempunyai satu hubungan dua arah dengan aktor D. Analisis sentralitas dan sentralisasi
menghasilkan informasi sebagai berikut :

Aktor C mempunyai OutDegree 3 dan InDegree 3. Aktor D mempunai OutDegree 2 dan InDegree 2.
Aktor A, B, dan E mempunyai OutDegree dan InDegree masing-masing adalah 1. Sentralisasi
jaringan menurut OutDegree adalah 43.75% dan menurut InDegree adalah 43.75%.

Data

Data di bawah ini terdiri dari lima aktor dan hubungan-hubungan tertentu. Data ini adalah sebagai
berikut :

15
 A B C D E
A 0 1 1 0 0
B 1 0 0 0 1
C 1 0 0 1 0
D 0 0 1 0 1
E 0 1 0 1 0

Pemakaian Ucinet

16
Analisis Hasil

Aktor A mempunyai dua hubungan dua arah. Aktor B mempunyai dua hubungan dua arah. Aktor C
mempunyai dua hubungan dua arah. Aktor D mempunyai dua hubungan dua arah. Aktor E
mempunyai dua hubungan dua arah. Analisis sentralitas dan sentralisasi menghasilkan informasi
sebagai berikut :

Para aktor masing-masing mempunyai OutDegree dan InDegree adalah sama yaitu sebesar 2. Tiap
aktor mempunyai pengaruh dan kekuasaan yang sama terhadap para aktor lain.

Keempat contoh di atas dikembangkan berdasar atas hasil-hasil percobaan yang dilakukan oleh Alex
Bavelas dan Harold Leavitt sekitar tahun 1940 – 1950-an.

Data

Pola data yang dipakai di sini adalah pola data yang terkandung dalam arsip data Knokbur akan tetapi
para aktor berbentuk organisasi diganti dengan para aktor berbentuk individu-individu dari para
mahasiswa. Hal ini akan mengakibatkan perbedaan-perbedaan tertentu dalam analisis. Hasil
pengumpulan data mengenai pertukaran pesan di antara para mahasiswa dapat disajikan sebagai
berikut :

17
 Gato
Andi Badu t Sakir Sardi Citra Dewi Rini Suci Wati
Andi 0 1 0 0 1 0 1 0 1 0
Badu 1 0 1 1 1 0 1 1 1 0
Gat
ot 0 1 0 1 1 1 1 0 0 1
Sakir 1 1 0 0 1 0 1 0 0 0
Sardi 1 1 1 1 0 0 1 1 1 1
Citra 0 0 1 0 0 0 1 0 1 0
Dewi 0 1 0 1 1 0 0 0 0 0
Rini 1 1 0 1 1 0 1 0 1 0
Suci 0 1 0 0 1 0 1 0 0 0
Wati 1 1 1 0 1 0 1 0 0 0

Data ini akan dikembangkan lebih lanjut dengan cara menambah para aktor dan hubungan antara para
aktor tersebut.

Pemakaian Ucinet

18
Analisis Hasil

Hasil ini mencerminkan Statistik OutDegree. Statistik pada baris-baris mengungkap tentang
peranan yang dimainkan oleh tiap aktor sebagai suatu sumber dari ikatan-ikatan dalam suatu
grafik terarah (directed graph). Jumlah koneksi dari aktor kepada para aktor lain dinamakan

19
OutDegree. Perbedaan antara OutDegree dan InDegree di sini tidak dapat dilakukan. Derajat
dari para aktor adalah penting karena dapat menjelaskan berapa banyak koneksi yang dimiliki
oleh aktor. OutDegree biasa dipakai sebagai ukuran mengenai pengaruh aktor kepada para
aktor lain.

Sardi melakukan ikatan-ikatan dan mengirimkan pesan kepada semua aktor sedangkan aktor
Citra, Dewi, dan Suci mengirimkan informasi hanya kepada tiga aktor lain. Aktor Badu,
Gatot, Sardi, dan Rini adalah serupa sebagai sumber informasi untuk jaringan yang lebih
besar. Aktor Andi, Citra, Rini, dan Suci adalah serupa sebagai bukan sumber informasi. Hal
ini dapat dipakai untuk memprediksi bahwa beberapa mahasiswa akan dapat membentuk
hubungan masyarakat (public relations). Para aktor kelompok kesatu mempunyai pengaruh
potensial, sedangkan para aktor kelompok ketiga mempunyai pengaruh potensial yang lebih
rendah. Hasil perhitungan di atas mencerminkan bahwa variasi terkandung dalam peran-
peran yang dimainkan oleh aktor sebagai sumber dari informasi. Aktor Wati sebagai contoh
menjalin hubungan sebesar 56% dari para aktor lain. Pemikiran lain atas tiap aktor sebagai
sumber informasi dengan cara memakai variance atau deviasi standar. Aktor yang
mempunyai banyak ikatan mencerminkan variabilitas yang lebih kecil daripada aktor yang
mempunyai sedikit ikatan. Statistik yang dihasilkan untuk tiap aktor ini adalah Mean,
Standard Deviation, Varians, dan sebagainya. Pertukaran pesan di atas mewakili OutDegree.
Pertukaran pesan yang mewakili InDegree dapat juga dicipta dengan cara sebagai berikut :

Peluang Rows diganti dengan peluang Columns. Hasil dari langkah ini akan menyajikan hasil
mengenai InDegree yang merupakan ukuran dari kekuasaan. Langkah ini akan menghasilkan
informasi sebagai berikut :

20