BEBERAPA CONTOH PEMAKAIAN UCINET DALAM ANALISIS JARINGAN
SOSIALOleh :Abdullah M. Jaubah
PendahuluanUcinet 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 ContohDataPengumpulan
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
:AndiBaduCitraDewi
Andi0000
Badu0000
Citra0000
Dewi0000
Data yang telah diketik ke dalam microsoft Excel ini kemudian
digandakan dan dialihkan ke dalam Ucinet.Pemakaian UcinetPaket
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 :
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
:
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 :
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 :
Analisis HasilData tersebut terdiri dari empat aktor yaitu Andi,
Badu, Citra, dan Dewi. Keempat aktor ini tidak mempunyai ikatan
atau hubungan.DataData lain tersedia sebagai berikut :Pemakaian
UcinetLangkah-langkah serupa dengan langkah-langkah yang telah
dijelaskan di atas dipakai di sini,
Pemakaian langkah-langkah tersebut akan menghasilkan informasi
sebagai berikut :
Analisis HasilHasil 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.DataAndiBaduCitraDewi
Andi0010
Badu0001
Citra1000
Dewi0100
Pemakaian Ucinet
Analisis HasilDiagram 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.DataData ini terdiri dari empat aktor dan mengandung
hubungan-hubungan tertentu. Data ini adalah sebagai berikut
:AndiBaduCitraDewi
Andi0110
Badu1011
Citra1100
Dewi0100
Pemakaian Ucinet
Diagram jaringan yang dihasilkan adalah sebagai berikut :
Analisis HasilAndi 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 :
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 :
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.DataData di bawah ini terdiri dari lima
aktor dan hubungan dua arah antara kelima aktor ini hanya dengan
aktor A saja.ABCDE
A01111
B10000
C10000
D10000
E10000
Pemakaian Ucinet
Pelaksanaan NetDraw akan menghasilkan diagram jaringan sebagai
berikut :
Analisis HasilDiagram 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 :
Diagram jaringan ini disajikan secara berbeda dari diagram
jaringan di atas akan tetapi makna yang terkandung adalah
sama.DataData di bawah ini mengandung lima aktor dan
hubungan-hubungan tertentu.ABCDE
A00100
B00100
C11010
D00101
E00010
Pemakaian Ucinet
Tombol OK ditekan. Langkah ini akan menghasilkan diagram
jaringan sebagai berikut :
Diagram jaringan ini dapat juga disajikan dalam bentuk sebagai
merikut :
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
HasilAktor 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%.DataData di bawah ini terdiri dari lima aktor dan
hubungan-hubungan tertentu. Data ini adalah sebagai berikut
:ABCDE
A00100
B00100
C11010
D00101
E00010
Pemakaian Ucinet
Diagram jaringan di atas dinamakan diagram jaringan YAnalisis
HasilAktor 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%.DataData
di bawah ini terdiri dari lima aktor dan hubungan-hubungan
tertentu. Data ini adalah sebagai berikut :
ABCDE
A01100
B10001
C10010
D00101
E01010
Pemakaian Ucinet
Analisis HasilAktor 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.DataPola 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 :AndiBaduGatotSakir SardiCitraDewiRiniSuciWati
Andi0100101010
Badu1011101110
Gatot0101111001
Sakir1100101000
Sardi1111001111
Citra0010001010
Dewi0101100000
Rini1101101010
Suci0100101000
Wati1110101000
Data ini akan dikembangkan lebih lanjut dengan cara menambah
para aktor dan hubungan antara para aktor tersebut.Pemakaian
Ucinet
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 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 :
Nilai rata-rata dari aktor Badu, Sardi, dan Dewi adalah sangat
tinggi. Aktor Badu dan Sardi adalah tinggi dalam mengirimkan
informasi sehingga mereka bertindak sebagai komunikator dan
fasilitator dalam sistem. Aktor Dewi menerima banyak informasi akan
tetapi tidak banyak mengirimkan pesan. Aktor Dewi dapat dianggap
sebagai information sinkDensity
Density Konsep density dari suatu jaringan biner adalah proporsi
dari semua ikatan yang mungkin yang tersedia secara aktual.
Density, untuk suatu jaringan bernilai, didefinisikan sebagai
jumlah dari ikatan dibagi dengan jumlah dari ikatan yang mungkin.
Density dari suatu jaringan mungkin mengandung penghayatan atas
fenomena sebagai kecepata di mana difusi informasi diantara para
pakar dialami dan sejauh mana para aktor itu mempunyai
tingkat-tingkat modal sosial yang tinggi atau menghadapi
kendala-kendala sosial. Perintah Network>Cohesion>Density
dipakai untuk menghitung density. Langkah ini akan menyajikan kotak
dialog Density disajikan sebagai berikut :
Arsip LAT14 dipakai dan tombol OK ditekan. Langkah ini akan
menghasilkan informasi sebagai berikut :
Perhitungan block density atau rata-rata dapat dilakukan dan
perangkat density dapat dipakai untuk menghitung within dan between
block densities untuk data yang dikelompokkan dan data dapat
dipartisi ke dalam organisasi publik atau swasta dan menguji
density dari pertukaran intormasi di dalam atau antara jenis-jenis
yang tersdia. Hasil dari perhitungan density d atas adalah 0.5444
atau 54.44% dari semua ikatan yang mungkin itu tersedia. Deviasi
standar dari keseluruhan dalam matriks itu juga diberikan yaitu
sebesar 0.4980.ReachabilitySeorang aktor dapat dicapai (reachable)
oleh aktor lain jika terdapat koneksi dengan mana koneksi itu dapat
diteluusuri dari aktor sumber ke aktor target. Contoh pertukaran
informasi di antara para mahasiswa tersebut. Para aktor dalam
jaringan itu jika tidak dapat dicapai oleh para aktor lain, maka
pembagian jaringan mungkin terdapat atau hal ini mungkin
mengindikasikan bahwa populasi yang sedang dikaji itu terdiri lebih
dari satu subpopulasi. Perintah Network>Cohesion>Reachability
dipakai. Langkh ini akan menyajikan kotak dialog Reachability
sebagai berikut :
Tombol OK ditekan. Langkah ini akan menghasilkan informasi
sebagai berikut :
Informasi di atas mencerminkan suatu jalur (path) terarah untuk
tiap mahasiswa untuk tiap aktor lain atas aliran
informasi.ConnectivityReachability mengandung penjelasan apakah dua
aktor itu terkoneksi atau tidak terkoneksi melalui jalur langsung
atau tidak langsun dari panjang jalur tertentu. Perintah
Network>Cohesion>Point Connectivity dipakai untuk menghitung
jumlah aktor yang akan harus ditiadakan agar seorang aktor tidak
lagi dapat berkoneksi dua aktor. Para aktor yang mempunyai
konektivitas tinggi dalam pengertian bahwa cara jamak tersedia
sebagai tanda mencapai dari satu aktor kepada aktor lain. Langkah
ini akan menyajikan kotak dialog Point Connectivity sebagai berikut
:
Tombol OK ditekan sehingga informasi disajikan sebagai berikut
:
Hasil di atas mengungkap bahwa para mahasiswa mencerminkan
koneksi sebagai sumber (baris) atau penerima (kolom) informasi.
Point connectivity dapat sebagai suatu ukuran yangbermanfaat untuk
memperoleh pengertian mengenai ketergantungan (dependency) dan
kerancuan.Distance Unsur-unsur jaringan yang telah dipakai di sini
mecerminkan koneksi-koneksi langsung dari satu aktor ke aktor
berikutnya. Cara aktor berlokasi dalam jaringan adalah lebih
kompleks daripada hal-hal yang telah dijelaskan. Dua aktor, sebut
saja A dan B, mungkin masing-masing mempunyai lima teman. Aktor A,
sebagai contoh tidak mempunyai lima teman akan tetapi aktor B
mempunyai lima teman. Informasi yang tersedia untuk aktor B, dan
potensi B untuk mempengaruhi adalah jauh lebih besar daripada aktor
A. Aktor itu mungin merupakan teman dari teman mungkin merupakan
konsekuensi. Langkah untuk merekam aspek dari bagaimana
individu-individu itu berokasi dalam jaringan dapat merupakan salah
satu pendekatan utama untuk menguji jarak bahwa seorang aktor
adalah dari para aktor lain. Dua aktor jika terkoneksi secara
langsung, maka jarak antara mereka adalah satu. A jika berbicara
dengan B dan B berbicara dengan C dan A tidak berbicara dengan C
maka jarang A dan C adalah dua. Berapa banyak aktor pada berbagai
jarak dari tiap aktor adalah penting untuk memahami perbedaan di
antara para aktor dalam kendala-kendala dan peluang-peluang yang
dimiliki oleh mereka sebagai suatu hasil dari posisi mereka. Berapa
banyakkah cara yang terdapat untuk menghubungkan antara dua aktor
itu pada suatu jarak tertentu? Dapatkan aktor A mencapai aktor B
dalam lebih daripada satu cara?Koneksi jamak mungkin
mengindikasikan suatu koneksi yang kuat antara dua aktor daripada
suatu koneksi tunggal. Jarak di antara para aktor dalam suatu
jaringan itu mungkin penting sebagai karakteristik makro pada
jaringan secara keseluruhan. Jarak itu jika besar, maka waktu cukup
lama diperlukan untuk menyebarkan informasi melintasi suatu
populasi. Para aktor mungkin juga tidak menyadari bahwa para aktor
itu dipengaruhi oleh para aktor lain walau mereka secara teknis
dapat dicapai, biaya mungkin terlalu tinggi untuk melaksanakan
pertukaran informasi tersebut. Variabilitas melintasi para aktor
dalan jarak yang dimiliki oleh mereka dari para aktor lain mungkin
saja merupakan suatu dasar untuk diferensiasi atau stratifikasi.
Para aktor yang dekat kepada para aktor lain mungkin dapat
melakukan kekuasaan lebih besar daripada mereka yang jaraknya lebih
jauh. Aspek variabilitas dalam jarak aktor ini dapat dibahas lebih
lanjut. Konsep jarak ini berhubungan dengan konsep Walks, Paths,
Semi-paths dan sebagainya. Definisi atas konsep-konsep ini mungkin
dapat dipakai untuk mengembangkan cara-cara yang lebih tangguh
untuk mendeskripsikan aspek-aspek dari jarak di antara para aktor
dalam suatu jaringan.Aktor A dan aktor B jika mempunyai hubungan
langsung dalam grafik sederhana, maka mereka mempunyai jarak adalah
satu. Aktor A, dalam grafik terarah, dapat mempunyai hubungan
langsung dengan B sedangkan B tidak mempunyai hubungan langsung
dengan A. Hal ini berarti bahwa jarak antara aktor A dan aktor B
adalah satu akan tetapi jarak tidak terdapat antara aktor B dan
aktor A. Perbedaan ini akan membutuhkan istilah berbeda untuk
mendeskripsikan jarak antara para aktor dalam grafik. Grafik
sederhana mencerminkan bentuk koneksi antara dua aktor dalam grafik
dinamakan suatu walk. Walk dari aktor A adalah suatu urutan dari
para aktor dan hubungan-hubunga yang dimulai dan diakhiri oleh
aktor A. Close walk adalah di mana titik permulaan dan titik akhir
dari walk adalah aktor yang sama. Walks tidak terbatas. Walk dari A
dalam melibatkan aktor yang sama atau hubungan yang sama dalam
berbagai waktu. Suatu cycle adalah walk khusus yang terbatas dan
sering dipakai dalam pengujian neighborhoods dari para aktor. Suatu
cycle adalah suatu closed walk dari tiga aktor atau lebih, ketiga
aktor itu berbeda kecuali aktor awal. The length of the walk adalah
jumlah hubungan yang terkkandung dalam jaringan itu.Contoh Data di
bawah ini akan dipakai di sini.ABCD
A0100
B1011
C0101
D0110
E0101
Data mengenai para aktor dan hubungan-hubungan antara para aktor
ini dipakai dan dimasukkan ke dalam Ucinet. Hasil pemasukan data
ini adalah sebagai berikut :
Data ini kemudian disimpan ke dalam arsip bernama LAT16.Menu
Visualize diaktifkan. Dan NetDraw dipilih. Perintah Open>Network
dataset>Network dipakai. Langkah ini akan menyajikan kotak
dialog Open Data File disajikan sebagai berikut :
Tombol ditekan dan arsip LAT16 dipilih. Tombol OK ditekan
sehingga diagram jaringan disajikan sebagai berikut :
Diagram jaringan sederhana di atas mencerminkan konsep walks.
Banyak walk dapat diagram jaringan di atas. Aktor A dan pergi ke
aktor C. Hal ini mencerminkan satu walk dari panjang dua (A, B, C).
Satu walk terdapat dengan panjang 3 (A, B, D, C). Para aktor yang
sama dan hubungan-hubungan dapat dipakai lebih daripada satu dalam
suatu walk tertentu. Cycle tidak terdapat dalam permulaan dan
pengakhiran dengan aktor A. Permulaan dan pengakhiran terdapat
dengan aktor B yaitu (B, C, D, B) atau (B, E, D, B), atau (B, C, D,
E, B).Definisi yang paling bermanfaat dari suatu koneksi antara dua
aktor adalah suatu path. Suatu path adalah suatu walk dalam mana
tiap aktor dan tiap hubungan lain dalam grafik itu mungkin dipakai
suatu saat. Pengecualian tunggal adalah close path yang dimulai dan
diakhiri dengan aktor yang sama. Semua paths adalah trails dan
walks, akan tetapi semua walks adalah closed path, yang dimulai dan
diakhiri dengan aktor yang sama. Contoh adalah jumlah paths
terbatas yang menghubungkan A dan C yaitu A, B, C dan A, B, D, C,
dan A, B, E, D, dan C.Directed graphs: Konsep-konsep Walks, trails,
dan paths dapat juga didefinisikan untuk directed graph. Konsep
Semi-walks, semi-trails, dan semi-paths adalah sama jika dipakai
untuk data undirected. Arah dari koneksi-koneksi, dalam
mendefinisikan jarak ini, adalah dikesampingkan. Panjang jarak ini
merupakan jumlah hubungan dalam walk, trail, atau path. Walks,
trails, dan paths dapat didefinisikan dengan cara yang sama akan
tetapi dengan pembatasan-pembatasan bahwa arah itu tidak diubah
sepanjang hubungan-hubungan dari aktor ke aktor lain. Diagram
jaringan di bawah ini dapat dipakai sebagai contoh. Walks dalam
grafik terarah (directed graph) terdapat sejumlah walk dari A ke C.
Walk tidak terdapat dari C ke A. Walks dari A ke C juga merupakan
trails yaitu A, B, E, D, B, dan C. Tiga jalur (path) terdapat dari
A ke C. Satu jalur mencerminkan panjang 2 (A, B, C) dan satu jalur
dengan panjang 3 (A, B, D, E), dan satu jalur dengan panjang empat
(A, B, E, D, E). Berbagai jenis koneksi (walks, trails,paths)
mengungkap sejumlah perbedaan cara pemikiran mengenai jarak antara
para aktor. Alasan utaa adalah bahwa analisis jaringan sosial itu
menekankan jarak ini karena jarak tersebut menyediakan cara
pemikiran tentang kekuatan dari ikatan-ikatan atau
hubungan-hubungan. Para aktor yang terkoneksi dengan panjang yang
pendek atau jarak mungkin mempunyai koneksi-koneksi yang lebih
kuat, para aktor yang terkoneksi beberapa kali mungkin mempunyai
hubungan yang kuat, lebih stabil, dan lebih dapat
dipercaya.Geodesic DistanceGeodesic distance dapat dicipta jika
perintah Network>Cohesion>Distance dipakai. Langkah ini akan
menyajikan kotak dialog Geodesic Distance sebagai berikut :
Arsip LAT14 dipakai, Adjacency dipilih, dan 0.5 dipakai. Tombol
OK ditekan sehingga informasi sebagai berikut dapat disajikan :
Jaringan adalah agak padat sehingga jarak geodesik adalah kecil.
Hal ini mencerminkan bahwa informasi mungkin disalurkan secara agak
cepat dalam jaringan ini, Diagram jalur terkoneksi secara lengkap
dan semua aktor dapat dicapai dari para aktor lain. Suatu pesan
yang dimulai dari mana saja akan mencapai tiap aktor.Perintah
Network>Cohesion>No. of Geodesics dipakai. Langkah ini akan
menyajikan kotak dialog Number of Geodesics disajikan sebagai
berikut :
Tombol ditekan dan arsip LAT14 dipilih. Tombol OK ditekan
sehingga informasi dapat disajikan sebagai berikut :
Informasi ini mencerminkan jumlah dari jalur-jalur geodesik
(geodesic paths) dari pertukaran informasi di antara para
mahasiswa. Sebagian besar dari koneksi geodesik di antara para
aktor ini bukan hanya jarak yang pendek akan tetapi sering dialami
jalur-jalur jamak terpendek dari seorang aktor ke aktor lain. Hal
ini mencerminkan bahwa aliran informasi tidak mengalami kerusakan
karena jalr jamak tersedia dan akan sulit untuk aktor menjadi
pialang (broker) berkuasa dalam struktur ini karena kebanyakan para
aktor itu mempunyai cara-cara koneksi yang efisien kepada para
aktor lain yang dapat menghindarkan aktor tertentu.AliranPerintah
Network>Cohesion>Line Connectivy/Maximum Flow dipakai.
Langkah ini akan menyajikan kotak dialog Maximum Flow (Edge
Connectivity) sebagai berikut :
Arsip LAT14 dipilih dan tombok OK ditekan. Langkah ini akan
menyajikan informasi sebagai berikut :
Pemakaian geodesic paths untuk menguji unsur-unsur dari jarak
antara individu-individu dan untuk jaringan secara keseluruhan
adalah masuk akal dan mungkin kasus-kasus lain terdapat di maja
jarak antara dua aktor dan keterikatan dari grafik sebagai suatu
keseluruhan itu terbaik dipikirkan sebagai melibatkan semua koneksi
dan bukan hanya koneksi yang paling efisien. Suatu desas-desus,
sebagai contoh, akan melalui jaringan dan semua jalur dan bukan
hanya jalur yang paling efisien. Desas-desus yang didengar berulang
kali dari sumber-sumber berbeda akan memberikan dampak
tertentu.Rangkuman
Beberapa langkah memakai Ucinet dan NetDraw telah disajikan
dengan menampilkan data, pemakaian Ucinet atau NetDiagram, dan
analisis hasil. Beberapa contoh telah disajikan. Contoh-contoh ini
telah memakai konsep-konsep penting ditinjau dari sudut Ucinet
seperti konsep sentralitas, sentralisasi, dan sebagainya.Kutipan
:[1] Jaubah, Abdullah M. (2013). Teori Jaringan Komunikasi. Daftar
KepustakaanBorgatti, S. P., M.G. Everette, dan L. C. Freeman. 2002.
Ucinet for Windows : Software for Social Network Analysis. Harvard,
M. A. : Analytic Technologies.Hanneman, Robert A. and Mark Riddle.
2005. Introduction to social network methods. Riverside, CA:
University of California, Riverside ( published in digital form at
http://faculty.ucr.edu/~hanneman/ )Permata Depok Regency, 5 Maret,
2015.32