2. Bab 2 Tinjauan Pustaka
2.3. Social Network Analysis
2.3.2. Pengukuran dalam Social Network Analysis
Density dan Eigenvector merupakan proporsi semua hubungan
yang ada dalam sebuah network, dengan menggunakan pengukuran kepadatan ini dapat diperoleh informasi tentang jumlah hubungan yang dibuat atau hubungan yang diterima oleh masing-masing aktor dalam sebuah network. Dengan mengetahui nilai rata-rata (mean) dan jumlah hubungan (Sum) dari keterhubungan aktor-aktor dalam jaringan, dapat dilihat kekuatan hubungan yang mungkin terjadi dalam keseluruhan jaringan. Pendekatan eigenvector merupakan suatu upaya untuk menemukan aktor yang paling central dalam
network secara menyeluruh. Eigenvalue menjelaskan lokasi dari
masing-masing aktor pada masing-masing dimensi atau pola jarak global hubungan. Eigenvector sendiri adalah kumpulan dari eigenvalue. Eigenvector disini melihat aspek jarak (distance) secara global di antara aktor-aktor. (Hanneman dan Riddle, 2005).
2.3.2.2 Centrality, Power, Degree
Pengukuran dalam SNA yang sering digunakan untuk melihat dan mengukur peranan atau pengaruh (power) dari aktor dalam sebuah jaringan sosial adalah centrality. Centrality merupakan salah satu alat konseptual yang paling penting dan banyak digunakan untuk menganalisis social networks, hampir semua studi empiris mencoba untuk mengidentifikasi aktor yang paling penting dalam
network, centrality merupakan pengukuran untuk menunjukkan seberapa penting sebuah aktor dalam sebuah network (Everett, 2005). Implikasi dari node / aktor yang menjadi pusat dalam sebuah jaringan adalah aktor tersebut memiliki kapabilitas yang lebih kuat dalam menghubungkan anggota-anggota network yang lainnya (Hanneman, 2005).
Dengre dalam suatu network menggambarkan simpul
keterkaitan actor/node, dalam degree terdapat dua jenis simpul keterkaitan yaitu in-degree (jumlah keterhubungan actor/node sebagai target) dan out-degree (jumlah keterhubungan actor/node sebagai sumber). Terdapat 5 tipe simpul keterhubungan antar
actor/nodes dalam degree diantaranya simpul (1) „isolate‟ berarti actor/node tidak memiliki link/keterhubungan dengan actor/node
lain, (2) simpul „transmitter‟ actor/nodes hanya memiliki link menuju keluar dan tak ada link yang menuju ke dalam, (3) simpul „receiver‟ actor/nodes hanya memiliki link menuju kedalam hanya menerima keterhubungan dari actor/node lain (4) simpul „carrier‟ actor/node yang memiliki link in-degree dan out-degree sama dengan 1(satu) dan (5) simpul „ordinary‟ adalah simpul normal dimana ada link menuju keluar dan kedalam actor/node (Wasserman,1994)
Secara umum, untuk mengukur peran dan pengaruh dari aktor dalam sebuah jaringan dapat dilakukan dengan melihat 3 (tiga) terminologi pengukuran centrality, yaitu : Degree Centrality,
Closeness Centrality, dan Betweeness Centrality (Hanneman, 2005).
Menurut (Everett, 2005) social capital masuk dalam pengukuran
1) Degree Centrality merupakan derajat keberadaan dan posisi aktor dalam sebuah jaringan sosial. Derajat keberadaan aktor tersebut dapat dilihat 2 macam :
- In Degree: aktor dengan In Degree yang tinggi
menunjukan peran dari seorang aktor tersebut sangat penting (prominent actor). Hal ini dikarenakan banyak aktor yang berusaha untuk berhubungan dengan mereka. - Out Degree: aktor yang memiliki out degree nya tinggi
mengimplikasikan posisi seorang aktor dalam sebuah jaringan sosial sebagai Influential actor (aktor yang berpengaruh). Hal ini menunjukkan kemampuan seorang aktor yang mampu bertukar informasi dengan aktor yang lain dan aktor-aktor lainnya pun mengakui serta menerima pandangan-pandangannya.
2) Closeness Centrality merupakan ukuran seberapa jauh sebuah informasi bisa tersebar dari satu aktor ke aktor-aktor yang lain. Selain itu, Closeness Centrality juga dapat menunjukkan jarak antara satu aktor terhadap aktor yang lainnya dalam suatu network. Semakin tinggi nilai kedekatan dari aktor, menunjukkan semakin mudah bagi aktor tersebut untuk menyebarkan informasi dalam network. Demikian pula sebaliknya, jika nilai kedekatan rendah, maka jarak aktor dengan aktor lainnya cukup jauh, sehingga penyebaran informasi dari aktor informan cukup sulit ke aktor lainnya. Pendekatan closeness centrality di bagi dua yaitu
in-closeness centrality dan out-in-closeness centrality (Lee, 2010)
- In-Closeness Centrality: merupakan ukuran seberapa jauh sebuah informasi bisa tersebar dari satu aktor ke aktor-aktor yang lain, actor/node yang memiliki in-closeness centrality tinggi adalah actor/nodes yang kemungkinan lebih mudah untuk mempengaruhi
actor/node lainnya dalam suatu network. In-closeness centrality didefinisikan sebagai indikator untuk
mengukur momentum mempengaruh (actor/node) dalam suatu network.
- Out-Closeness Centrality: merupakan ukuran seberapa jauh sebuah informasi bisa tersebar dari satu aktor ke aktor-aktor yang lain, actor/node yang memiliki out-closeness centrality tinggi adalah
actor/nodes yang kemungkinan lebih mudah untuk
dipengaruhi oleh actor/nodes lainya. Out-closeness
centrality dedefinisikan sebagai indikator untuk
mengukur momentum dipengaruhi (actor/nodes) dalam suatu network.
3) Betweeness Centrality merupakan ukuran yang mencakup seberapa jauh sebuah node/aktor mampu mengontrol/mengendalikan alur informasi di antara aktor-aktor yang ada dalam network tersebut. Betweeness
centrality yang tinggi dari seorang aktor menunjukkan aktor
tersebut memiliki kapasitas yang besar dalam memfasilitasi interaksi antar aktor-aktor yang terhubung. Selain itu,
Betweenness centrality : juga dapat digunakan untuk
komunikasi dengan aktor yang lainnya dalam suatu network. Dengan demikian seorang aktor dengan nilai betweeness yang tinggi, berarti aktor tersebut mampu menyampaikan informasi ke aktor-aktor yang tidak terhubung langsung dengannya, namun aktor-aktor yang lain tersebut saling terhubung satu sama lain.
4) Social Capital merupakan pengukuran pola hubungan kelompok (group) dalam suatu network. Social capital berpandangan kelompok (group) sebagai alam semesta sosial. namun, dalam teori organisasi, kelompok-kelompok misalnya, tim, departemen, divisi, organisasi secara keseluruhan biasanya tertanam dalam social network lebih besar (misalnya, organisasi secara keseluruhan, industri, ekonomi) . Ini berarti bahwa social capital menggambarkan hubungan keterkaitan antar kelompok (group) dalam suatu
social network yang lebih luas.
2.3.2.3 Ego-Network
Ego-Networks adalah sub-network yang berpusat pada node
tertentu. untuk dapat menghasilkan ego-network kita menangkap semua hubungan antara node dan node lainya. Ego-Network menganalisis struktur keterkaitan / hubungan lokal masing-masing
node dalam jaringan, sebuah ego-network terdiri dari simpul fokus
dan set-node yang berdekatan dari simpul fokus dan dasar dari
ego-network mencangkup ukuran dan kepadatan masing-masing