Vclass 6 : Topik untuk crawling menggunakan netlytic

Topik untuk crawling menggunakan netlytic : Pola Jaringan Komunikasi Dalam Hastag #PERCUMALAPORPOLISI di Media Sosial Twitter

Di zaman era digital seperti saat ini teknologi informasi dan komunikasi sudah berkembang dengan sangat pesat dan semakin canggih. Dengan begitu banyak juga media sosial yang bermunculan dengan versi dan fungsi yang berbeda-beda. Media sosial juga merupakan wadah bagi tiap individu untuk dapat berkomunikasi dan berbagi informasi kepada semua kalangan masyarakat. Salah satu media sosial yang banyak digunakan yaitu media sosial Twitter. Dimana twitter merupakan layanan jejaring sosial dimana penggunanya dapat berinteraksi dengan pesan-pesan yang biasa disebut dengan 'Tweet'. Melalui tweet inilah pengguna twitter dapat berinteraksi lebih dekat dengan pengguna twitter lainnya.

Twitter pertama kali dibuat pada bulan Maret 2006 oleh Jack Dorsey, Noah Glass, Biz Stone, dan Evan Williams dan diluncurkan pada bulan Juli ditahun yang sama. Media sosial ini dengan cepat mendapatkan popularitas diseluruh dunia. Ketertarikan media sosial twitter dengan trending topic lebih memudahkan pengguna untuk mengetahui isu-isu terkini dan melihat informasi-informasi yang sedang trend atau viral. Hastag #PERCUMALAPORPOLISI mulai ramai diperbincangkan oleh masyarakat dan menjadi tranding dengan jumlah tweet sebanyak 3.245 tweet. Hastag #PERCUMALAPORPOLISI muncul setelah kasus dugaan pelecehan anak oleh ayahnya di Luwu Timur, Sulawesi Selatan. Kasus ini menjadi makin viral usai diterbitkan ulang oleh media nasional. Cerita viral bermula dengan adanya artikel berisikan investigasi tentang adanya dugaan pemerkosaan seorang ayah terhadap ketiga anaknya sendiri. Akan tetapi, laporan tersebut dihentikan oleh pihak kepolisian. Dikarenakan laporan tersebut dianggap kurang memiliki bukti kuat alhasil hastag #PERCUMALAPORPOLISI pun langsung digaungkan oleh warganet sebagai bentuk dukungan terhadap korban kasus tersebut serta kasus-kasus lain agar pihak kepolisian melakukan tindakan terhadap pelaku.

Etika pada penelitian SNA

Analisis jaringan selain harus dilakukan dengan metode yang benar tetapi juga harus dilakukan dengan memperhatikan etika yang berlaku. Etika paling penting pada penelitian SNA adalah etika yang berhubungan dengan informan atau responden penelitian.

• Kesulitan penerapan etika
Terdapat sejumlah prinsip etika yang penting dalam penelitian sosial, terutama yang berkaitan dengan hubungan antara peneliti dan pihak yang diteliti. Terdapat dua aspek etika yang berkaitan dengan penulisan laporan, yaitu :

1. Aspek yang berkaitan dengan proses pengambilan data

Terdapat 3 poin penting yang diterapkan dalam aspek ini, yaitu :
• Prinsip kesukarelaan (voluntary).
• Informasi terbuka.
• Tidak boleh merugikan informan baik secara fisik maupun psikis.

2. Aspek etika yang berkaitan dengan penulisan laporan

Pada aspek ini terdapat 2 poin penting yang diterapkan, yaitu :
• Prinsip anonimitas.
• Kerahasiaan (confidentiality).

Selain adanya kesulitan dalam penerapan etika ternyata terdapat juga masalah dalam metode analisis jaringan komunikasi yang mungkin dapat terjadi, yaitu :

1. Anonimitas
Menurut Borgatti dan Molina (2003: 338), analisis jaringan komunikasi tidak mungkin bisa anonim. Hal ini karena karakteristik utama dari analysis jaringan adalah memetakan relasi antara satu aktor dengan aktor yang lain.

2. Kesukarelaan dan data hilang (missing)
Masalah lain pada analisis jaringan yaitu data hilang (missing), terutama yang terjadi akibat informan menolak diwawancarai atau ingin agar jawabannya dirahasiakan tidak ditampilkan dalam laporan penelitian.

3. Intervensi dan dampak bagi informan
Karena tersedia data pada level aktor,  pengambilan kebijakan mempunyai suatu jalan bagaimana perubahan dilakukan.

Dengan adanya ke 3 masalah yang dapat terjadi dalam penelitian dengan menggunakan metode analisis jaringan komunikasi, kita sebagai peneliti dapat melakukan beberapa upaya untuk menyelesaikan masalah yang terjadi, yaitu sebagai berikut :

1. Keterbukaan informasi
Peneliti harus secara terbuka menyampaikan berbagai aspek mengenai penelitian kepada informan, terutama informasi yang terkait atau mempunyai dampak langsung pada informan peneliti.

2. Kontrak manajemen atau pihak lain
Jika pihak lain mempunyai hak untuk mengakses data, maka harus dibuat kontrak yang jelas yang melindungi hak – hak informan.

3. Anonimitas dalam laporan
Penelitian analisis jaringan mustahil anonim pada saat pengumpulan data. Informan pada penelitian jaringan harus menyebut nama – nama aktor lain, Sementara untuk laporan penelitian, dimungkinkan dibuat dalam bentuk anonim. Nama – nama aktor dibuat samar.

Berdasarkan hal yang sudah dijabarkan diatas menurut pendapat saya, etika memang merupakan poin yang benar-benar harus diperhatikan oleh peneliti dalam melakukan penelitian menggunakan metode SNA (Social Network Analysis). karena penelitian ini dilakukan dengan memanfaatkan penyebaran data yg ada di media sosial. Sehingga potensi penyebaran data akan terbuka sangat lebar, maka dari itu sebagai peneliti kita harus lebih memperhatikan etika yang berlaku dan menggunakan data hanya sebatas untuk penelitian dan digunakan sebagimana mestinya.

Pengumpulan data : Arsip/Dokumen

Pengumpulan data : arsip atau dokumen

Penggunaan dokumen/arsip sebagai sumber data, mempunyai kelebihan sekaligus kelemahan.

Kelebihan: memungkinkan menggunakan data dalam jumlah besar dengan biaya yang sangat murah.

Kelemahan: Tidak dimungkinkan untuk melakukan eksplorasi data. Rencana analisis harus disesuaikan dengan ketersediaan data, sehingga menjadi terbatas (Marsden, 2005).

DOKUMEN YANG DAPAT DIANALISIS

1. Dokumen tersebut harus terdapat actor dan relasi diantara actor tersebut. Seperti, Dokumen putusan pengadilan, kuitansi,kliping berita media.

2. Berita yang bisa dipakai sebagai sumber data dalam analisis jaringan komunikasi jika dalam berita terdapat actor dan relasi diantara actor tersebut.

3. Jika dalam dokumen tersebut terdapat nama-nama actor, tetapi tidak terdapat relasi diantara nama-nama actor tersebut, maka dokumen itu tidak dapat dijadikan sebagai sumber data. Misalnya: Absensi rapat.

JENIS DOKUMEN

1. Biografi atau Autobiografi
Biografi adalah kisah hidup mengenai seseorang yang ditulis oleh orang lain, sedangkan autobiografi adalah kisah hidup seseorang yang ditulis oleh tokoh itu sendiri.
Biografi/autobiografi adalah sumber informasi yang penting dan bisa dimanfaatkan sebagai sumber data dalam analisis jaringan komunikasi (Wasserman & Faust, 1994).
Kelebihan: Memungkinkan mendapat informasi baru yang belum terungkap. Kelebihan lainnya bisa menggambarkan jaringan Ketika actor-actor sulit untuk diwawancarai (karena tua, meninggal atau akses yang sulit)
Kelemahan: nama-nama actor dalam jaringan sesuai dengan perspektif dari tokoh biografi. Kelemahan lain, biografi autobiografi bersifat “subjektif” dari perspektif tokoh.

2. Catatan Harian
Dokumen atau arsip ini umumnya berbentuk surat menyurat, catatan harian (diary), tulisan pribadi yang dibuat oleh elite atau tokoh.
Catatan harian umumnya juga menyebut nama-nama, sehingga bisa dimanfaatkan sebagai sumber data karena ada actor dan relasi actor.
Kelebihan: lebih personal dibandingkan dengan buku biografi/autobiografi, yang secara luas bisa ditafsirkan cenderung untuk lebih “jujur”.
Kelemahan: jaringan actor adalah subjektif dari pembuat catatan harian. Nama-nama yang disebut yakni orang-orang yang ada di sekitar atau dikenal oleh actor pembuat catatan harian.

3. Putusan Pengadilan
Putusan pengadilan memuat nama-nama actor dan relasi diantara nama-nama actor yang disebut dalam amar putusan.

Kelebihan: informasi telah terverifikasi lewat keterangan, baik dalam pemeriksaan maupun Ketika di dalam persidangan.
Kelemahan: putusan pengadilan hanya melihat jaringan dari actor utama (terdakwa). Kelemahan ini bisa diatasi jika peneliti mengumpulkan berbagai putusan pengadilan, sehingga jaringan utuh bisa digambarkan.

4. Risalah Rapat
Bahan dokumen/arisp yang lain yang bisa dimanfaatkan yaitu risalah (notulensi, catatan) rapat. Bahan semacam ini umumnya juga memuat nama-nama actor, pendapat actor, dan relasi antara satu actor dan actor lain. Lembaga-Lembaga public dan pemerintah (seperti DPR) umumnya menyediakan data mengenai risalah rapat yang bisa diakses oleh public.

Kelebihan: proses dan dinamika jaringan bisa tergambar dengan baik.
Kelemahan: kelengkapan arsip risalah rapat. Kelengkapan data risalah rapat kemungkinan juga berbeda-beda.

5. Dokumen Penyelidikan
Data ini umumnya berupa dokumen penyelidikan, laporan intelijen yang semula bersifat rahasia, kemudian dibuka untuk umum. Dokumen semacam ini semula tertutup dan rahasia. Setelah melalui periode tertentu, dokumen ini bisa diakses oleh public.

6. Prospektus dan Laporan Perusahaan
Salah satu dokumen atau arsip yang saat ini banyak dipakai yaitu prospectus dan laporan perusahaan, terutama perusahaan yang telah go public.

7. Berita Media
Sumber data lain yang bisa dipakai dalam analisis jaringan komunikasi adalah berita media massa, baik cetak maupun elektronik. Di dalam berita terdapat actor, dan relasi antara actor.

8. Bahan Elektronik
Studi analisis jaringan komunikasi saat ini banyak memanfaatkan bahan-bahan elektronik (email, media social: twitter,facebook, Linkedln, dan google ++). Data ini memuat infromasi mengenai actor dan relasi di antara actor-actor .

ALUR KODING DOKUMEN

Ketiga pertanyaan tersebut (name generator, name interpreter, dan name interrelaters) merupakan urutan.

Artinya, yang harus ditanyakan terlebih dahulu adalah name generator, kemudian name interpreter dan yang terakhir name interrelaters.

Name Generator - Name Interpreter - Name Interrelaters

Vclass 1 Edges dan Nodes

Halo, saya Anggun Puspita Sari pada penulisan kali ini saya akan menjelaskan pertanyaan pada tugas mata kuliah Social Network Analysis. Adapun pertanyaan dalam tugas ini yaitu :

"Konsep dasar jaringan merupakan bentuk representasi dari edges dan nodes, bagaimana Anda bisa menjelaskannya dalam konsep keilmuan Komunikasi ?"

Berdasarkan pertanyaan diatas, edges dan nodes adalah unsur terpenting dalam konsep keilmuan komunikasi karena dapat membentuk sebuah jaringan komunikasi. Edges merupakan garis penghubung dan Nodes alias simpul merupakan objek dalam jaringan atau dapat dikatakan sebagai aktor yang melakukan interaksi. Interaksi dalam jaringan komunikasi dapat dilakukan secara langsung maupun secara online.

Crawling Data di Media Sosial Twitter menggunakan Software Netlytic

Crawling Data di Media Sosial Twitter

Jaringan Social Netlytic, dapat secara otomatis mengumpulkan dan menemukan jaringan komunikasi sosial yang tersedia. pencarian distribusi informasi dengan #TransparansiPengadaanPCR di Twitter yang diakses pada 3 November 2021 dapat dianalisis menggunakan software Netlytic, dari data tersebut maka menghasilkan pola jaringan sebagai berikut :

Terlihat dari gambar diatas, dari banyaknya node dan edge pada gambar terdapat 5 aktor utama dengan kepopuleran tinggi yaitu pada akun gebenhaezer, indahjegeg14, ruhi_ruhi17, pgekyun, dan onimeniq74. terdapat beberapa node dan edge yang terlihat dalam mendistribusikan informasi dari #TransparansiPengadaanPCR.

CLUSTER

sebuah cluster adalah sekelompok node yang terhubung secara padat yang lebh mungkin untuk berkomunikasi satu sama lain daripada node diluar cluster. 

Netlytic mengcluaterkan #TransparansiPengadaanPCR menjadi 5 cluster. Node seseorang dalam cluster dengan warna yang sama berarti orang tersebut lebih sering berinteraksi jika dibandingkan dengan orang lainnya.

Cluster 1 @gebenhaezer

Cluster 2 @indahjegeg14

Cluster 3 @ruhi_ruhi17

Cluster 4 @pgekyun

Cluster 5 @onimeniq74

Other

Dari gambar diatas, setiap anggota Cluster terdapat akun-akun yang keberadaannya sangat kuat terhadap pendistribusian informasi dari #TransparansiPengadaanPCR.

NETWORK PROPERTIES

Network properties adalah sebuah jaringan yang melibatkan satu atau lebih untuk komputer agar memperoleh berbagai file atau akses internet.

Diameter menghitung langkah terpendek antara jarak terpanjang antara dua peserta jaringan. Netlytic mendapatkan diameter dari #TransparansiPengadaanPCR sebanyak 15 diameter. dengan demikian, Netlytic telah memberitahukan bahwa jarak terpendek dari satu node ke node lain dengan langkahnya maksimal 15 edges.

Density (kepadatan) adalah proporsi ikatan yang ada untuk jumlah total ikatan mungkin dalam jaringan. Netlytic memperoleh hasil density dari #TransparansiPengadaanPCR senilai 0.016090 density. Netlytic telah memberitahukan bahwa status jaringan tidak banyak. Dalam jaringan tersebut pengguna yang terlibat lebih sedikit berinteraksi dan arus informasi berlangsung lambat.

Reciprocity (timbal balik) adalah ikatan yang menunjukkan komunikasi dua arah relatif terhadap jumlah total ikatan yang ada. Netlytic memperoleh hasil Reciprocity dari #TransparansiPengadaanPCR senilai 0.200900 reciprocity. Netlytic telah menginformasikan bahwa tingkat timbal balik rendah.

Sentralisasi mengukur tingkat sentralitas rata-rata semua node dari sebuah jaringan. Ketika jaringan memiliki nilai sentralitas tinggi lebih dekat ke 1, itu menunjukkan bahwa ada peserta sentral beberapa yang mendominasi arus informasi dalam jaringan. Netlytic memperoleh hasil Centralization dari #TransparansiPengadaanPCR senilai 0.170400 centralization. Netlytic mengumumkan bahwa nilai tersebut tergolong rendah karena lebih mendekati angka 0.

Modularitas menentukan apakah cluster yang ditemukan mewakili komunitas yang berbeda di jaringan. Nilai yang lebih tinggi menunjukkan perbedaan yang signifikan antara komunitas yang diwakili oleh cluster di Netlytic. Netlytic memperoleh hasil Modularity dari #TransparansiPengadaanPCR senilai 0.325200 Modularity. Netlytic telah mengumumkan bahwa nilainya kurang dari angka 0.5.

Konsep Dasar Metode SNA dan Pengenalan Software SNA

Apa itu SNA? Konsep Dasar

Jejaring sosial memiliki dua elemen dasar dan satu opsional (point ketiga) :

1.      Satu set node (alias simpul) – objek dalam jaringan

2.      Satu set atau set hubungan (alias relasi,koneksi,, edge, arc-ties, bisa diarahkan atau tidak)

3.      Opsional, sekumpulan atribut – informasi tambahan yang kita miliki tentang node

ANALISIS JARINGAN

Network, Bagaimana mempresentasikan berbagai jaringan sosial 

Matrik kedekatan (Adjacency Matrix) – Directed and Binary

Grafik matrik dengan atribut node

Dari matriks kita dapat membuat grafik (alias diagram jaringan,  sosiogram)

Jaringan: Ego atau Keseluruhan?

Ego Network

·      Jaringan ego berpusat pada node tertentu dan hubungannya dengan alters dapat diekstraksi dari seluruh jaringan

·    Tapi bisa dikumpulkan alih-alih seluruh jaringan

·     Berguna untuk menganalisis domain jaringan  (White, 2008)

Catatan : Jaringan ego tidak pernah benar-benar utuh. Batasi Masalah, dll

Tie Strenghths, Bagaimana mengidentifikasi kekuatan ikatan dalam jaringan

 

·        Ikatan menggambarkan interaksi, aliran informasi atau barang, dll.

·        Besaran ikatan (Tebal/Tipis) dapat mengindikasikan  kekuatan dari interaksi atau frekuensi

Key Player, Bagaimana mengidentifikasi ‘key central node’ dalam jaringan

jaringan  Pengukuran Centrality – Level Aktor

•      Degree Centrality

Ada tidaknya ikatan yang masuk (Indegree)/keluar (Outdegree) dari node keterhubungan/pengaruh/popularitas.

•      Betweeness Centrality (Nilai 0 s.d 1)

Node yang menghubungkan dua node lainnya – Gateway/Bridge

•      Closeness Centrality (Nilai 0 s.d 1)

Ukuran Jangkauan/Kedekatan Aktor – Di ukur dari berapa langkah seorang aktor dapat

menghubungi aktor lain.

•      Eigenvector Centrality (Nilai 0 s.d 1)

Seberapa penting atau seberapa popular node yang berjaringan dengan aktor.

 

Cohesian, Mengukur keseluruhan struktur jaringan

Level Sistem – Karakteristik dan Stuktur Jaringan

•      Reciprocity (Nilai 0 s.d 1)

Indikator mutualitas dan pertukaran timbal balik – Kohesif  Relasi anggota searah atau dua arah

•      Density (Nilai 0 s.d 1)

Intensitas antar anggota jaringan dalam berkomunikasi

•      Size

Ukuran dari suatu jaringan menentukan karakteristik suatu jaringan

Jaringan dengan ukuran kecil – Lebih kohesif, intensitas komunikasi lebih sering

•      Centralization (Nilai 0 s.d 1)

Seberapa memusatnya suatu jaringan pada beberapa aktor

•      Diameter dan Jarak/Distance

Diameter – Jarak terjauh di antrara dua aktor dalam suatu jaringan.

Jarak – Rata-rata langkah yang dibutuhkan oleh semua aktor untuk bisa saling berinteraksi.

•      Modularity

Pengukuran untuk mendeteksi banyaknya komunitas/group/genk yang ada di dalam suatu

graph.

 

SOFTWARE SNA

Program ini dibuat oleh  Analytic Technologies  dan pertama kali  diperkenalkan oleh  Freemen, Everett dan  Borgatti. UCINET adalah program  pengolahan data jaringan yang  paling popular dan lengkap. Pengolahan Data analisis jaringan komunikasi menggunakan software UCINET :

1.      Entri atau Input Data

Data yang diperoleh (baik lewat wawancara lapangan maupun dokumen) di input.

2. Membuat Gambar Sosiometri

Data yang sudah diinput kemudian dibuat gambar dengan menggunakan software

3. Analisis Data

Netlytic adalah salah satu perangkat  untuk menganalisis jaringan media sosial, yaitu percakapan di media  sosial (Seperti twitter, FB, Youtube,  Komentar di Blog, forum online dsb). Melalui software ini, kita bisa  menggambarkan karakteristik dari  perbincangan suatu isu di media sosial,  menentukan siapa actor (akun) yang  paling berperan dalam sebuah  perbincangan dan memetakan  pengelompokan (klister) diantara akun-  akun tersebut.

Tahapan penggunaan netlytic:

1. Masuk ke Web Netlytic  (https://netlytic.org), dan membuat  akun di web Netlytic
2. Netlytic akan menganalisis percakapan  di media sosial sesuai dengan  permintaan yang kita buat  (Berdasarkan tagar, akun, isu atau  topik tertentu)
3. Netlytic hanya bisa digunakan Ketika  pengguna tersambung dengan  internet (Online)

Gephi adalah perangkat  lunak atau aplikasi open  source yang digunakan  untuk network analysis yang  meliputi visualisasi,  eksplorasi dan manipulasi  suatu jaringan sosial

Gephi bisa membuat visualisasi  dan mengolah data dari sebuah  jaringan dengan anggota  puluhan ribu bahkan jutaan  actor.

NodeXL adalah sebuah program open source yang  merupakan social network analysis plug in untuk  Microsoft Excel 2007  (http://www.codeplex.com/NodeXL).

Program NodeXL diperuntukkan bagi para pemakai  Excel agar dapat mudah mengadopsi program ini  dengan pengurutan, penyaringan, dan penciptaan  formula untuk menghasilkan visualisasi jaringan.

Software ini merupakan hasil kolaborasi kerja  antara Connected Action Consulting Group,  Microsoft Research, University of Maryland, Cornel  University, Stanford University, dan Oxford  University (http://www.connectedaction.net).

Jaringan Sosial Melalui Chat Whatsapp

 Jejaring sosial menggambarkan struktur dalam suatu situasi sosial. Nodes digambarkan sebagai representasi dari actor (sekelompok manusia), lalu Edges representasi dari interaksi sosial diantara dua manusia. Dalam jaringan komunikasi via chat Whatsapp, Nodes dalam jaringan ini yaitu chat WA Anggun.

Jaringan Komunikasi via chat Whatsapp 19 Oktober - 23 Oktober 2021

19 Oktober 2021. Anggun menerima dan mengirim pesan kepada Talita, Rehan dan Zaky

- Menerima pesan dari Talita sebanyak 4x lalu membalasnya 2x

- Menerima pesan dari Rehan sebanyak 3x lalu membalasnya 1x

- Menerima pesan dari Zaky sebanyak 5x lalu membalasnya 2x

20 Oktober 2021. Anggun menerima dan mengirim pesan kepada Dara, Rehan dan Zaky

- Menerima pesan dari Dara sebanyak 7x dan membalasnya 5x

- Menerima pesan dari Rehan sebanyak 4x lalu membalasnya 2x

- Menerima pesan dari Zaky sebanyak 7x lalu membalasnya 3x

22 Oktober 2021. Anggun menerima dan mengirim pesan kepada Talita dan Zaky

- Menerima pesan dari Talita sebanyak 3x lalu membalasnya 2x

- Menerima pesan dari Zaky sebanyak 10x lalu membalasnya 6x

23 Oktober 2021. Anggun menerima dan mengirim pesan kepada Mitha, Rehan, Talita dan Zaky

- Menerima pesan dari Mitha sebanyak 13x lalu membalasnya 15x

- Menerima pesan dari Rehan sebanyak 3x lalu membalasnya 2x

- Menerima pesan dari Talita sebanyak 11x lalu membalasnya 10x

- Menerima pesan dari Zaky sebanyak 3x lalu membalasnya 7x

Dari data diatas, terbentuk representasi jejaring sosial, yaitu :

1. Jejaring Tanpa Arah dan Bobot

Edge List

Adjacency Matrix

2. Jejaring Berarah

Adjacency Matrix

3. Jejaring Berbobot

Edge List

Adjacency Matrix