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).