Wikipedia

Analisis jaringan sosial

analisis struktur sosial menggunakan teori jaringan dan grafik
Revisi sejak 15 Desember 2024 13.18 oleh Irkham Mahfudh (bicara | kontrib) (→Segmentasi)

Analisis jaringan sosial adalah proses penyelidikan struktur sosial melalui penggunaan jaringan dan teori grafik.[1] Ini mengkarakterisasikan struktur jaringan dalam bentuk simpul (aktor individual, orang, atau benda dalam jaringan) dan ikatan, sisi, atau tautan (hubungan atau interaksi) yang menghubungkannya. Contoh struktur sosial yang umumnya divisualisasikan melalui analisis jaringan sosial meliputi jaringan media sosial,[2][3] penyebaran meme,[4] sirkulasi informasi,[5] jaringan persahabatan dan kenalan, jaringan bisnis, jaringan pengetahuan,[6][7] hubungan kerja yang sulit,[8] grafik kolaborasi, kekerabatan, penularan penyakit, dan hubungan seksual.[9][10] Jaringan ini sering divisualisasikan melalui sosiogram di mana simpul direpresentasikan sebagai titik dan ikatan direpresentasikan sebagai garis. Visualisasi ini menyediakan sarana untuk menilai jaringan secara kualitatif dengan memvariasikan representasi visual simpul dan tepinya untuk mencerminkan atribut yang diinginkan.[11]

Diagram jaringan sosial yang menampilkan hubungan persahabatan di antara sekelompok pengguna Facebook.

Analisis jaringan sosial telah muncul sebagai teknik kunci dalam sosiologi modern. Analisis ini juga memperoleh popularitas signifikan dalam bidang-bidang berikut: antropologi, biologi,[12] demografi, kajian komunikasi,[3][13] ekonomi, geografi, sejarah, ilmu informasi, kajian organisasi,[6][8] fisika,[14] ilmu politik,[15] kesehatan masyarakat,[16][7] psikologi sosial, kajian pembangunan, sosiolinguistik, dan ilmu komputer,[17] pendidikan dan penelitian pendidikan jarak jauh,[18] dan sekarang tersedia secara umum sebagai alat konsumen (lihat perangkat lunak analisis jaringan sosial).[19][20][21]

Sejarah

Analisis jaringan sosial berakar pada karya sosiolog terdahulu seperti Georg Simmel dan Émile Durkheim, yang menulis tentang pentingnya mempelajari pola hubungan yang menghubungkan pelaku sosial. Ilmuwan sosial telah menggunakan konsep "jaringan sosial" sejak awal abad ke-20 untuk menunjukkan serangkaian hubungan yang kompleks antara anggota sistem sosial di semua skala, dari antarpribadi hingga internasional.[22]

Pada tahun 1930-an, Jacob Moreno dan Helen Jennings memperkenalkan metode analisis dasar.[22] Pada tahun 1954, John Arundel Barnes mulai menggunakan istilah tersebut secara sistematis untuk menunjukkan pola ikatan, yang mencakup konsep yang secara tradisional digunakan oleh publik dan yang digunakan oleh ilmuwan sosial: kelompok terbatas (misalnya, suku, keluarga) dan kategori sosial (misalnya, gender, etnis).

Dimulai pada tahun 1970-an, akademisi seperti Ronald Burt, Kathleen Carley, Mark Granovetter, David Krackhardt, Edward Laumann, Anatol Rapoport, Barry Wellman, Douglas R. White, dan Harrison White memperluas penggunaan analisis jaringan sosial yang sistematis.[23]

Dimulai pada akhir tahun 1990-an, analisis jaringan sosial mengalami kebangkitan lebih lanjut dengan karya para sosiolog, ilmuwan politik, ekonom, ilmuwan komputer, dan fisikawan seperti Duncan J. Watts, Albert-László Barabási, Peter Bearman, Nicholas A. Christakis, James H. Fowler, Mark Newman, Matthew Jackson, Jon Kleinberg, dan lainnya, yang mengembangkan dan menerapkan model serta metode baru, yang sebagian didorong oleh munculnya data baru yang tersedia tentang jaringan sosial daring serta "jejak digital" mengenai jaringan tatap muka.

Analisis jaringan sosial komputasional telah digunakan secara luas dalam penelitian perolehan bahasa kedua melalui studi di luar negeri.[24][25] Bahkan dalam studi literatur, analisis jaringan telah diterapkan oleh Anheier, Gerhards dan Romo,[26] Wouter De Nooy,[27] dan Burgert Senekal.[28]

Metrik

 
Warna (dari merah=minus hingga biru=maks) menunjukkan sentralitas perantara setiap simpul.

Size: The number of network members in a given network.

Ukuran: Jumlah anggota jaringan dalam jaringan tertentu.

Koneksi

Homofili: Sejauh mana aktor membentuk ikatan dengan orang lain yang serupa atau berbeda. Kesamaan dapat didefinisikan berdasarkan jenis kelamin, ras, usia, pekerjaan, prestasi pendidikan, status, nilai, atau karakteristik menonjol lainnya.[29] Homofili juga disebut sebagai asortativitas.

Multipleksitas: Jumlah bentuk konten yang terkandung dalam suatu ikatan.[30] Misalnya, dua orang yang berteman dan juga bekerja bersama akan memiliki multipleksitas 2.[31] Multipleksitas telah dikaitkan dengan kekuatan hubungan dan juga dapat mencakup tumpang tindih ikatan jaringan positif dan negatif.[8]

Timbal balik: Sejauh mana dua aktor saling membalas persahabatan atau interaksi lainnya.[32]

Penutupan Jaringan: Ukuran kelengkapan triad relasional. Asumsi individu tentang penutupan jaringan (yaitu bahwa teman-teman mereka juga teman) disebut transitivitas. Transitivitas adalah hasil dari sifat individu atau situasional dari Kebutuhan akan Penutupan Kognitif.[33]

Kedekatan: Kecenderungan aktor untuk memiliki lebih banyak ikatan dengan orang lain yang dekat secara geografis.

Distribusi

Bridge: Individu yang ikatannya yang lemah mengisi lubang struktural, menyediakan satu-satunya penghubung antara dua individu atau kelompok. Ini juga mencakup rute terpendek ketika rute yang lebih panjang tidak memungkinkan karena risiko tinggi distorsi pesan atau kegagalan pengiriman.[34]

Sentralitas: Sentralitas merujuk pada sekelompok metrik yang bertujuan untuk mengukur "pentingnya" atau "pengaruh" (dalam berbagai pengertian) suatu simpul (atau kelompok) tertentu dalam suatu jaringan.[35][36][37][38] Contoh metode umum pengukuran "sentralitas" meliputi sentralitas perantara,[39] sentralitas kedekatan, sentralitas vektor eigen, sentralitas alfa, dan sentralitas derajat.[40]

Kepadatan: Proporsi ikatan langsung dalam suatu jaringan relatif terhadap jumlah total yang mungkin.[41][42]

Jarak: Jumlah minimum ikatan yang diperlukan untuk menghubungkan dua aktor tertentu, seperti yang dipopulerkan oleh eksperimen dunia kecil Stanley Milgram dan gagasan enam derajat pemisahan.

Lubang struktural: Tidak adanya ikatan antara dua bagian jaringan. Menemukan dan memanfaatkan lubang struktural dapat memberi pengusaha keunggulan kompetitif. Konsep ini dikembangkan oleh sosiolog Ronald Burt, dan terkadang disebut sebagai konsepsi alternatif modal sosial.

Kekuatan Ikatan: Ditentukan oleh kombinasi linear waktu, intensitas emosional, keintiman, dan timbal balik (yaitu saling menguntungkan).[34] Ikatan yang kuat dikaitkan dengan homofili, kedekatan dan transitivitas, sementara ikatan yang lemah dikaitkan dengan bridge.

Segmentasi

Kelompok disebut 'lingkaran sosial' jika setiap individu terikat langsung dengan individu lainnya, 'kelompok sosial' jika kontak langsungnya kurang ketat, tidak tepat, atau sebagai blok yang kohesif secara struktural jika ketepatan diinginkan.[43]

Koefisien pengelompokkan: Ukuran kemungkinan dua asosiasi dari sebuah node merupakan asosiasi. Koefisien pengelompokan yang lebih tinggi menunjukkan 'keberagaman' yang lebih besar.[44]

Kohesi: Tingkat di mana para aktor terhubung langsung satu sama lain melalui ikatan yang kohesif. Kohesi struktural mengacu pada jumlah minimum anggota yang jika dikeluarkan dari suatu kelompok akan memutuskan hubungan kelompok tersebut.[45][46]

Pemodelan dan visualisasi jaringan

 
Karakteristik jaringan sosial yang berbeda. A, B, dan C menunjukkan sentralitas dan kepadatan jaringan yang bervariasi; panel D menunjukkan penutupan jaringan, yaitu, ketika dua aktor, yang terikat pada aktor ketiga yang sama, cenderung juga membentuk ikatan langsung di antara mereka. Panel E mewakili dua aktor dengan atribut yang berbeda (misalnya, afiliasi organisasi, kepercayaan, jenis kelamin, pendidikan) yang cenderung membentuk ikatan. Panel F terdiri dari dua jenis ikatan: persahabatan (garis solid) dan ketidaksukaan (garis putus-putus). Dalam hal ini, dua aktor yang berteman sama-sama tidak menyukai pihak ketiga yang sama (atau, dengan cara yang sama, dua aktor yang tidak menyukai pihak ketiga yang sama cenderung berteman).

Representasi visual jaringan sosial penting untuk memahami data jaringan dan menyampaikan hasil analisis.[47] Sejumlah metode visualisasi untuk data yang dihasilkan oleh analisis jaringan sosial telah dipersiapkan.[48][49][50][51] Banyak perangkat lunak analitik yang memiliki modul untuk visualisasi jaringan. Data dieksplorasi dengan menampilkan simpul dan ikatan dalam berbagai tata letak dan memberikan warna, ukuran, dan properti canggih lainnya ke simpul. Representasi visual jaringan dapat menjadi metode yang ampuh untuk menyampaikan informasi yang kompleks. Namun, kehati-hatian harus dilakukan dalam menafsirkan properti simpul dan grafik dari tampilan visual saja, karena keduanya dapat salah menggambarkan properti struktural yang lebih baik ditangkap melalui analisis kuantitatif.[52]

Grafik bertanda dapat digunakan untuk menggambarkan hubungan baik dan buruk antara manusia. Tepi positif antara dua simpul menunjukkan hubungan positif (persahabatan, aliansi, kencan), dan tepi negatif menunjukkan hubungan negatif (kebencian, kemarahan). Grafik jaringan sosial bertanda dapat digunakan untuk memprediksi evolusi grafik di masa mendatang. Dalam jaringan sosial bertanda, ada konsep siklus "seimbang" dan "tidak seimbang". Siklus seimbang didefinisikan sebagai siklus di mana hasil perkalian semua tanda positif. Menurut teori keseimbangan, grafik seimbang menggambarkan sekelompok orang yang tidak mungkin mengubah pendapat mereka tentang orang lain dalam kelompok tersebut. Grafik tidak seimbang menggambarkan sekelompok orang yang sangat mungkin mengubah pendapat mereka tentang orang-orang dalam kelompok mereka. Misalnya, kelompok yang terdiri dari 3 orang (A, B, dan C) di mana A dan B memiliki hubungan positif, B dan C memiliki hubungan positif. Namun, C dan A memiliki hubungan negatif, siklus tidak seimbang. Kelompok ini sangat mungkin berubah menjadi siklus yang seimbang, seperti siklus di mana B hanya memiliki hubungan yang baik dengan A, dan A maupun B memiliki hubungan yang negatif dengan C. Dengan menggunakan konsep siklus yang seimbang dan tidak seimbang, evolusi grafik jaringan sosial yang bertanda dapat diprediksi.[53]

Berbagai pendekatan untuk pemetaan jaringan partisipatif telah terbukti berguna, terutama saat menggunakan analisis jaringan sosial sebagai alat untuk memfasilitasi perubahan. Di sini, peserta/pewawancara menyediakan data jaringan dengan memetakan jaringan (dengan pena dan kertas atau secara digital) selama sesi pengumpulan data. Contoh pendekatan pemetaan jaringan pena dan kertas, yang juga mencakup pengumpulan beberapa atribut aktor (pengaruh yang dirasakan dan tujuan aktor) adalah kotak peralatan Net-map. Salah satu manfaat dari pendekatan ini adalah memungkinkan peneliti untuk mengumpulkan data kualitatif dan mengajukan pertanyaan klarifikasi saat data jaringan dikumpulkan.[54]

Potensi jejaring sosial

Potensi Jaringan Sosial (PJS) adalah koefisien numerik, yang diturunkan melalui algoritma[55][56] untuk mewakili ukuran jaringan sosial individu dan kemampuan mereka untuk memengaruhi jaringan tersebut. Koefisien PJS pertama kali didefinisikan dan digunakan oleh Bob Gerstley pada tahun 2002. Istilah yang terkait erat adalah Pengguna Alfa, yang didefinisikan sebagai orang dengan PJS tinggi.

Koefisien PJS memiliki dua fungsi utama:

  1. Klasifikasi individu berdasarkan potensi jaringan sosialnya, dan
  2. Pembobotan responden dalam studi riset pemasaran kuantitatif.

Dengan menghitung PJS responden dan menargetkan responden PJS Tinggi, kekuatan dan relevansi riset pemasaran kuantitatif yang digunakan untuk mendorong strategi pemasaran viral ditingkatkan.

Variabel yang digunakan untuk menghitung PJS seseorang termasuk tetapi tidak terbatas pada: partisipasi dalam aktivitas Jejaring Sosial, keanggotaan kelompok, peran kepemimpinan, pengakuan, publikasi/penyuntingan/kontribusi ke media non-elektronik, publikasi/penyuntingan/kontribusi ke media elektronik (situs web, blog), dan frekuensi distribusi informasi sebelumnya dalam jaringan mereka.[57]

Buku pertama[58] yang membahas penggunaan komersial Pengguna Alpha di antara audiens telekomunikasi seluler adalah 3G Marketing oleh Ahonen, Kasper dan Melkko pada tahun 2004. Buku pertama yang membahas Pengguna Alpha secara lebih umum dalam konteks kecerdasan pemasaran sosial adalah Communities Dominate Brands oleh Ahonen & Moore pada tahun 2005. Pada tahun 2012, Nicola Greco (UCL) mempresentasikan di TEDx Potensi Jejaring Sosial sebagai paralelisme terhadap energi potensial yang dihasilkan pengguna dan harus digunakan oleh perusahaan, dengan menyatakan bahwa "PJS adalah aset baru yang harus dimiliki setiap perusahaan".[59]

Referensi

  1. ^ Otte, Evelien; Rousseau, Ronald (Desember 2002). "Social network analysis: a powerful strategy, also for the information sciences". Journal of Information Science. 28 (6): 441–453. doi:10.1177/016555150202800601. 
  2. ^ Grandjean, Martin (31 Desember 2016). "A social network analysis of Twitter: Mapping the digital humanities community". Cogent Arts & Humanities. 3 (1). doi:10.1080/23311983.2016.1171458  . 
  3. ^ a b Hagen, Loni; Keller, Thomas; Neely, Stephen; DePaula, Nic; Robert-Cooperman, Claudia (October 2018). "Crisis Communications in the Age of Social Media: A Network Analysis of Zika-Related Tweets". Social Science Computer Review. 36 (5): 523–541. doi:10.1177/0894439317721985. OCLC 7323548177. 
  4. ^ Nasrinpour, Hamid Reza; Friesen, Marcia R.; McLeod, Robert D. (2016-11-22). "An Agent-Based Model of Message Propagation in the Facebook Electronic Social Network". arΧiv:1611.07454 [cs.SI]. 
  5. ^ Grandjean, Martin (2022). "The Paris/Geneva Divide. A Network Analysis of the Archives of the International Committee on Intellectual Cooperation of the League of Nations" (PDF). Culture as Soft Power: Bridging Cultural Relations, Intellectual Cooperation, and Cultural Diplomacy (dalam bahasa Inggris): 65–98. doi:10.1515/9783110744552-004. 
  6. ^ a b Brennecke, Julia; Rank, Olaf (May 2017). "The firm's knowledge network and the transfer of advice among corporate inventors—A multilevel network study". Research Policy. 46 (4): 768–783. doi:10.1016/j.respol.2017.02.002. 
  7. ^ a b Harris, Jenine K.; Luke, Douglas A.; Zuckerman, Rachael B.; Shelton, Sarah C. (June 2009). "Forty Years of Secondhand Smoke Research". American Journal of Preventive Medicine. 36 (6): 538–548. doi:10.1016/j.amepre.2009.01.039. OCLC 6980180781. PMID 19372026. 
  8. ^ a b c Brennecke, Julia (Juni 2020). "Dissonant Ties in Intraorganizational Networks: Why Individuals Seek Problem-Solving Assistance from Difficult Colleagues". Academy of Management Journal. 63 (3): 743–778. doi:10.5465/amj.2017.0399. OCLC 8163488129. 
  9. ^ Pinheiro, Carlos A.R. (2011). Social Network Analysis in Telecommunications. John Wiley & Sons. hlm. 4. ISBN 978-1-118-01094-5. 
  10. ^ D'Andrea, Alessia; et al. (2009). "An Overview of Methods for Virtual Social Network Analysis". Dalam Abraham, Ajith. Computational Social Network Analysis: Trends, Tools and Research Advances. Springer. hlm. 8. ISBN 978-1-84882-228-3. 
  11. ^ Grunspan, Daniel (23 Januari 2014). "Understanding Classrooms through Social Network Analysis: A Primer for Social Network Analysis in Education Research". CBE: Life Sciences Education. 13 (2): 167–178. doi:10.1187/cbe.13-08-0162. PMC 4041496  . PMID 26086650. 
  12. ^ Tringali, Angela; Sherer, David L.; Cosgrove, Jillian; Bowman, Reed (10 Februari 2020). "Life history stage explains behavior in a social network before and during the early breeding season in a cooperatively breeding bird". PeerJ. 8: e8302. doi:10.7717/peerj.8302  . PMC 7020825  . PMID 32095315. 
  13. ^ Social network differences of chronotypes identified from mobile phone data. 2018. OCLC 1062367169. [halaman dibutuhkan]
  14. ^ Gao, Min; Li, Zheng; Li, Ruichen; Cui, Chenhao; Chen, Xinyuan; Ye, Bodian; Li, Yupeng; Gu, Weiwei; Gong, Qingyuan; Wang, Xin; Chen, Yang (Oktober 2023). "EasyGraph: A multifunctional, cross-platform, and effective library for interdisciplinary network analysis" (PDF). Patterns. 4 (10): 100839. doi:10.1016/j.patter.2023.100839. PMC 10591136   Periksa nilai |pmc= (bantuan). PMID 37876903 Periksa nilai |pmid= (bantuan). 
  15. ^ Kim, Rakhyun E (26 November 2020). "Is Global Governance Fragmented, Polycentric, or Complex? The State of the Art of the Network Approach". International Studies Review. 22 (4): 903–931. doi:10.1093/isr/viz052  . 
  16. ^ Harris, Jenine K.; Clements, Bruce (July 2007). "Using Social Network Analysis to Understand Missouri's System of Public Health Emergency Planners". Public Health Reports. 122 (4): 488–498. doi:10.1177/003335490712200410. OCLC 8062393936. PMC 1888499  . PMID 17639652. 
  17. ^ Ghanbarnejad, Fakhteh; Saha Roy, Rishiraj; Karimi, Fariba; Delvenne, Jean-Charles; Mitra, Bivas (2019). Dynamics On and Of Complex Networks III Machine Learning and Statistical Physics Approaches. Cham: Springer International Publishing : Imprint: Springer. ISBN 9783030146832. OCLC 1115074203. [halaman dibutuhkan]
  18. ^ Bozkurt, Aras; Akgun-Ozbek, Ela; Yilmazel, Sibel; Erdogdu, Erdem; Ucar, Hasan; Guler, Emel; Sezgin, Sezan; Karadeniz, Abdulkadir; Sen-Ersoy, Nazife; Goksel-Canbek, Nil; Dincer, Gokhan Deniz; Ari, Suleyman; Aydin, Cengiz Hakan (2015-01-20). "Trends in distance education research: A content analysis of journals 2009–2013". The International Review of Research in Open and Distributed Learning (dalam bahasa Inggris). 16 (1). doi:10.19173/irrodl.v16i1.1953  . ISSN 1492-3831. 
  19. ^ "Facebook friends mapped by Wolfram Alpha app". BBC News. 24 September 2012. Diakses tanggal 25 Juli 2016. 
  20. ^ Frederic Lardinois (30 Agustus 2012). "Wolfram Alpha Launches Personal Analytics Reports For Facebook". Tech Crunch. Diakses tanggal 25 Juli 2016. 
  21. ^ Ivaldi M.; Ferreri L.; Daolio F.; Giacobini M.; Tomassini M.; Rainoldi A. "We-Sport: from academy spin-off to data-base for complex network analysis; an innovative approach to a new technology". J Sports Med Phys Fitness. 51 (suppl. 1 to issue 3). hdl:2318/90491. The social network analysis was used to analyze properties of the network We-Sport.com allowing a deep interpretation and analysis of the level of aggregation phenomena in the specific context of sport and physical exercise. 
  22. ^ a b Freeman, Linton C (2004). The development of social network analysis: a study in the sociology of science. Empirical Press; BookSurge. ISBN 978-1-59457-714-7. OCLC 429594334. [halaman dibutuhkan]
  23. ^ Kesalahan pengutipan: Tag <ref> tidak sah; tidak ditemukan teks untuk ref bernama development
  24. ^ Paradowski, Michał B.; Cierpich-Kozieł, Agnieszka; Chen, Chih-Chun; Ochab, Jeremi K. (2022). "How output outweighs input and interlocutors matter for study-abroad SLA: Computational Social Network Analysis of learner interactions". The Modern Language Journal. 106 (4): 694–725. doi:10.1111/modl.12811. 
  25. ^ Paradowski, Michał B.; Whitby, Nicole; Czuba, Michał; Bródka, Piotr (2024). "Peer interaction dynamics and L2 learning trajectories during study abroad: A longitudinal investigation using dynamic computational Social Network Analysis". Language Learning. 74 (S2): 58–115. doi:10.1111/lang.12681. 
  26. ^ Anheier, Helmut K.; Gerhards, Jurgen; Romo, Frank P. (Januari 1995). "Forms of Capital and Social Structure in Cultural Fields: Examining Bourdieu's Social Topography". American Journal of Sociology. 100 (4): 859–903. doi:10.1086/230603. 
  27. ^ de Nooy, Wouter (Oktober 2003). "Fields and networks: correspondence analysis and social network analysis in the framework of field theory". Poetics. 31 (5–6): 305–327. doi:10.1016/s0304-422x(03)00035-4. 
  28. ^ Senekal, Burgert (1 Desember 2012). "Die Afrikaanse literêre sisteem : 'n eksperimentele benadering met behulp van Sosiale-netwerk-analise (SNA) : geesteswetenskappe" [The Afrikaans literary system: an experimental approach using Social Network Analysis (SNA): humanities]. Litnet Akademies (dalam bahasa Afrikaans). 9 (3): 614–638. hdl:10520/EJC129817. 
  29. ^ McPherson, Miller; Smith-Lovin, Lynn; Cook, James M (Agustus 2001). "Birds of a Feather: Homophily in Social Networks". Annual Review of Sociology. 27 (1): 415–444. doi:10.1146/annurev.soc.27.1.415. 
  30. ^ Kesalahan pengutipan: Tag <ref> tidak sah; tidak ditemukan teks untuk ref bernama Podo97
  31. ^ Kilduff, M.; Tsai, W. (2003). Social networks and organisations. Sage Publications. 
  32. ^ Kesalahan pengutipan: Tag <ref> tidak sah; tidak ditemukan teks untuk ref bernama Kadu12
  33. ^ Kesalahan pengutipan: Tag <ref> tidak sah; tidak ditemukan teks untuk ref bernama Flyn10
  34. ^ a b Granovetter, Mark S. (Mei 1973). "The Strength of Weak Ties". American Journal of Sociology. 78 (6): 1360–1380. doi:10.1086/225469. 
  35. ^ Hansen, Derek; et al. (2010). Analyzing Social Media Networks with NodeXL. Morgan Kaufmann. hlm. 32. ISBN 978-0-12-382229-1. 
  36. ^ Liu, Bing (2011). Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data. Springer. hlm. 271. ISBN 978-3-642-19459-7. 
  37. ^ Hanneman, Robert A.; Riddle, Mark (2011). "Concepts and Measures for Basic Network Analysis". The Sage Handbook of Social Network Analysis. SAGE. hlm. 364–367. ISBN 978-1-84787-395-8. 
  38. ^ Tsvetovat, Maksim; Kouznetsov, Alexander (2011). Social Network Analysis for Startups: Finding Connections on the Social Web. O'Reilly. hlm. 45. ISBN 978-1-4493-1762-1. 
  39. ^ Kesalahan pengutipan: Tag <ref> tidak sah; tidak ditemukan teks untuk ref bernama comprehensive
  40. ^ Opsahl, Tore; Agneessens, Filip; Skvoretz, John (Juli 2010). "Node centrality in weighted networks: Generalizing degree and shortest paths". Social Networks. 32 (3): 245–251. doi:10.1016/j.socnet.2010.03.006. 
  41. ^ "Social Network Analysis" (PDF). Field Manual 3-24: Counterinsurgency. Headquarters, Department of the Army. hlm. B–11 – B–12. 
  42. ^ Xu, Guandong; et al. (2010). Web Mining and Social Networking: Techniques and Applications. Springer. hlm. 25. ISBN 978-1-4419-7734-2. 
  43. ^ Kesalahan pengutipan: Tag <ref> tidak sah; tidak ditemukan teks untuk ref bernama uci
  44. ^ Hanneman, Robert A.; Riddle, Mark (2011). "Concepts and Measures for Basic Network Analysis". The Sage Handbook of Social Network Analysis. SAGE. hlm. 346–347. ISBN 978-1-84787-395-8. 
  45. ^ Kesalahan pengutipan: Tag <ref> tidak sah; tidak ditemukan teks untuk ref bernama asanet
  46. ^ Pattillo, Jeffrey; et al. (2011). "Clique relaxation models in social network analysis". Dalam Thai, My T.; Pardalos, Panos M. Handbook of Optimization in Complex Networks: Communication and Social Networks. Springer. hlm. 149. ISBN 978-1-4614-0856-7. 
  47. ^ Linton C. Freeman. "Visualizing Social Networks". Journal of Social Structure. 1. 
  48. ^ Hamdaqa, Mohammad; Tahvildari, Ladan; LaChapelle, Neil; Campbell, Brian (2014). "Cultural Scene Detection Using Reverse Louvain Optimization". Science of Computer Programming. 95: 44–72. doi:10.1016/j.scico.2014.01.006  . 
  49. ^ Bacher, R. (1995). "Graphical interaction and visualization for the analysis and interpretation of contingency analysis results". Graphical Interaction and Visualization for the Analysis and Interpretation of Contingency Analysis Result. Proceedings of the 1995 Power Industry Computer Applications. Salt Lake City, USA: IEEE Power Engineering Society. hlm. 128–134. doi:10.1109/PICA.1995.515175. ISBN 0-7803-2663-6. 
  50. ^ Caschera, M. C.; Ferri, F.; Grifoni, P. (2008). "SIM: A dynamic multidimensional visualization method for social networks". PsychNology Journal. 6 (3): 291–320. 
  51. ^ "Network Analysis and Modeling (CSCI 5352)". danlarremore.com. Diakses tanggal 2024-12-02. 
  52. ^ Kesalahan pengutipan: Tag <ref> tidak sah; tidak ditemukan teks untuk ref bernama interpreting
  53. ^ Cartwright, Dorwin; Harary, Frank (1956). "Structural balance: a generalization of Heider's theory". Psychological Review. 63 (5): 277–293. doi:10.1037/h0046049. PMID 13359597. 
  54. ^ Kesalahan pengutipan: Tag <ref> tidak sah; tidak ditemukan teks untuk ref bernama visualizing
  55. ^ Anger, Isabel; Kittl, Christian (2011). "Measuring influence on Twitter". Proceedings of the 11th International Conference on Knowledge Management and Knowledge Technologies - i-KNOW '11. hlm. 1. doi:10.1145/2024288.2024326. ISBN 9781450307321. 
  56. ^ Riquelme, Fabián; González-Cantergiani, Pablo (September 2016). "Measuring user influence on Twitter: A survey". Information Processing & Management. 52 (5): 949–975. arXiv:1508.07951  . doi:10.1016/j.ipm.2016.04.003. 
  57. ^ (Hrsg.), Sara Rosengren (2013). The Changing Roles of Advertising. Wiesbaden: Springer Fachmedien Wiesbaden GmbH. ISBN 9783658023645. Diakses tanggal 22 Oktober 2015. [halaman dibutuhkan]
  58. ^ Ahonen, T. T., Kasper, T., & Melkko, S. (2005). 3G marketing: communities and strategic partnerships. John Wiley & Sons.
  59. ^ "technology" "Watch "TEDxMilano – Nicola Greco – on math and social network" Video at TEDxTalks". TEDxTalks. 
Diperoleh dari "https://wiki-indonesia.club/w/index.php?title=Analisis_jaringan_sosial&oldid=26648065"