Wikipedia

Analisis jaringan sosial

analisis struktur sosial menggunakan teori jaringan dan grafik

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

sunting

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

sunting
 
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

sunting

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

sunting

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

sunting

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

sunting
 
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

sunting

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]

Aplikasi praktis

sunting

Analisis jaringan sosial digunakan secara luas dalam berbagai aplikasi dan disiplin ilmu. Beberapa aplikasi analisis jaringan yang umum meliputi agregasi dan penggalian data, pemodelan penyebaran jaringan, pemodelan dan pengambilan sampel jaringan, analisis atribut dan perilaku pengguna, dukungan sumber daya yang dikelola komunitas, analisis interaksi berbasis lokasi, berbagi dan penyaringan sosial, pengembangan sistem rekomendasi, serta prediksi tautan dan resolusi entitas.[60] Di sektor swasta, bisnis menggunakan analisis jaringan sosial untuk mendukung aktivitas seperti interaksi dan analisis pelanggan, analisis pengembangan sistem informasi,[61] pemasaran, dan kebutuhan intelijen bisnis. Beberapa penggunaan di sektor publik meliputi pengembangan strategi keterlibatan pemimpin, analisis keterlibatan individu dan kelompok serta penggunaan media, dan pemecahan masalah berbasis komunitas.

Analisis jaringan sosial di sekolah

sunting

Sejumlah besar peneliti di seluruh dunia meneliti jaringan sosial anak-anak dan remaja. Dalam kuesioner, mereka mencantumkan semua teman sekelas, siswa di kelas yang sama, atau teman sekolah, dengan pertanyaan: "Siapakah sahabatmu?". Siswa terkadang dapat menominasikan sebanyak mungkin teman sebaya yang mereka inginkan; di waktu lain, jumlah nominasinya terbatas. Peneliti jaringan sosial telah menyelidiki kesamaan dalam jaringan pertemanan. Kesamaan antara teman telah ditetapkan sejak zaman kuno.[62] Kemiripan merupakan dasar penting bagi keberlangsungan persahabatan. Kesamaan dalam karakteristik, sikap, atau perilaku berarti bahwa teman-teman lebih cepat memahami satu sama lain, memiliki minat yang sama untuk dibicarakan, lebih memahami posisi mereka satu sama lain, dan lebih percaya satu sama lain.[63] Hasilnya, hubungan seperti itu lebih stabil dan berharga. Selain itu, penampilan yang lebih mirip membuat kaum muda lebih percaya diri dan memperkuat mereka dalam mengembangkan identitas mereka.[64] Kesamaan dalam perilaku dapat terjadi akibat dua proses: seleksi dan pengaruh. Kedua proses ini dapat dibedakan menggunakan analisis jaringan sosial longitudinal dalam paket R SIENA (Simulation Investigation for Empirical Network Analyses), yang dikembangkan oleh Tom Snijders dan rekan-rekannya.[65] Analisis jaringan sosial longitudinal menjadi arus utama setelah penerbitan edisi khusus Jurnal Penelitian Remaja pada tahun 2013, yang diedit oleh René Veenstra dan berisi 15 makalah empiris.[66]

Aplikasi keamanan

sunting

Analisis jaringan sosial juga digunakan dalam kegiatan intelijen, kontra-intelijen, dan penegakan hukum. Teknik ini memungkinkan analis untuk memetakan organisasi rahasia seperti jaringan mata-mata, keluarga kriminal terorganisasi, atau geng jalanan. Badan Keamanan Nasional (NSA) menggunakan program pengawasan elektroniknya untuk menghasilkan data yang diperlukan guna melakukan jenis analisis ini pada sel teroris dan jaringan lain yang dianggap relevan dengan keamanan nasional. NSA memeriksa hingga tiga simpul dalam analisis jaringan ini.[67] Setelah pemetaan awal jaringan sosial selesai, analisis dilakukan untuk menentukan struktur jaringan dan menentukan, misalnya, pemimpin dalam jaringan.[68] Hal ini memungkinkan aset militer atau penegak hukum untuk melancarkan serangan pemenggalan kepala dengan cara menangkap atau membunuh target bernilai tinggi dalam posisi kepemimpinan untuk mengganggu fungsi jaringan. NSA telah melakukan analisis jaringan sosial pada catatan detail panggilan, yang juga dikenal sebagai metadata, sejak tak lama setelah serangan 11 September 2001.[69][70]

Aplikasi analisis tekstual

sunting

Korpus tekstual yang besar dapat diubah menjadi jaringan dan kemudian dianalisis menggunakan analisis jaringan sosial. Dalam jaringan ini, simpulnya adalah Aktor Sosial, dan tautannya adalah Tindakan. Ekstraksi jaringan ini dapat diotomatisasi dengan menggunakan parser. Jaringan yang dihasilkan, yang dapat berisi ribuan simpul, kemudian dianalisis menggunakan alat dari teori jaringan untuk mengidentifikasi aktor utama, komunitas atau pihak utama, dan properti umum seperti ketahanan atau stabilitas struktural jaringan keseluruhan atau sentralitas simpul tertentu.[71] Hal ini mengotomatisasi pendekatan yang diperkenalkan oleh Analisis Naratif Kuantitatif,[72] dimana triplet subjek-kata kerja-objek diidentifikasi dengan pasangan aktor yang dihubungkan oleh suatu tindakan, atau pasangan yang dibentuk oleh aktor-objek.[73]

 
Jaringan Naratif Pemilu AS 2012[73]

Dalam pendekatan lain, analisis tekstual dilakukan dengan mempertimbangkan jaringan kata-kata yang muncul bersamaan dalam sebuah teks. Dalam jaringan ini, simpul adalah kata-kata dan tautan di antara kata-kata tersebut diberi bobot berdasarkan frekuensi kemunculannya bersamaan (dalam rentang maksimum tertentu).

Aplikasi internet

sunting

Analisis jaringan sosial juga telah diterapkan untuk memahami perilaku daring oleh individu, organisasi, dan antar situs web.[17] Analisis pranala dapat digunakan untuk menganalisis koneksi antara situs web atau laman web untuk memeriksa bagaimana informasi mengalir saat individu menavigasi web.[74] Hubungan antara organisasi telah dianalisis melalui analisis pranala untuk memeriksa organisasi mana saja dalam suatu masalah komunitas.[75]

Netokrasi

sunting

Konsep lain yang muncul dari hubungan antara teori jaringan sosial dan Internet adalah konsep netokrasi, di mana beberapa penulis muncul mempelajari korelasi antara penggunaan jaringan sosial daring yang luas, dan perubahan dalam dinamika kekuatan sosial.[76]

Aplikasi internet sosial media

sunting

Analisis jaringan sosial telah diterapkan pada media sosial sebagai alat untuk memahami perilaku antara individu atau organisasi melalui keterkaitan mereka di situs web media sosial seperti Twitter dan Facebook.[77]

Dalam pembelajaran kolaboratif yang didukung komputer

sunting

Salah satu metode terkini penerapan analisis jaringan sosial adalah studi pembelajaran kolaboratif yang didukung komputer (CSCL). Saat diterapkan pada CSCL, analisis jaringan sosial digunakan untuk membantu memahami bagaimana peserta didik berkolaborasi dalam hal jumlah, frekuensi, dan durasi, serta kualitas, topik, dan strategi komunikasi.[78] Selain itu, analisis jaringan sosial dapat berfokus pada aspek-aspek tertentu dari koneksi jaringan, atau keseluruhan jaringan. Analisis jaringan sosial menggunakan representasi grafis, representasi tertulis, dan representasi data untuk membantu memeriksa koneksi dalam jaringan CSCL.[78] Saat menerapkan SNA pada lingkungan CSCL, interaksi para peserta diperlakukan sebagai jaringan sosial. Fokus analisisnya adalah pada "hubungan" yang terjalin di antara para peserta – bagaimana mereka berinteraksi dan berkomunikasi – dan bukan pada bagaimana masing-masing peserta berperilaku sendiri-sendiri.

Istilah-istilah penting

sunting

Ada beberapa istilah kunci yang terkait dengan penelitian analisis jaringan sosial dalam pembelajaran kolaboratif yang didukung komputer seperti: kepadatan, sentralitas, derajat masuk, derajat keluar, dan sosiogram.

  • Kepadatan mengacu pada "koneksi" antara peserta. Kepadatan didefinisikan sebagai jumlah koneksi yang dimiliki peserta, dibagi dengan total kemungkinan koneksi yang dapat dimiliki peserta. Misalnya, jika ada 20 orang yang berpartisipasi, setiap orang berpotensi terhubung dengan 19 orang lainnya. Kepadatan 100% (19/19) adalah kepadatan terbesar dalam sistem. Kepadatan 5% menunjukkan hanya ada 1 dari 19 kemungkinan koneksi.[78]
  • Sentralitas berfokus pada perilaku peserta individu dalam suatu jaringan. Ia mengukur sejauh mana seorang individu berinteraksi dengan individu lain dalam jaringan. Semakin banyak individu terhubung dengan orang lain dalam suatu jaringan, semakin besar sentralitas mereka dalam jaringan.[78][13]

Variabel derajat masuk dan derajat keluar terkait dengan sentralitas.

  • Sentralitas derajat masuk terpusat pada individu tertentu sebagai titik fokus; sentralitas semua individu lainnya didasarkan pada hubungan mereka dengan titik fokus individu "derajat masuk".[78]
  • Derajat keluar merupakan ukuran sentralitas yang masih berfokus pada satu individu saja, namun analitiknya memperhatikan interaksi keluar dari individu tersebut; ukuran sentralitas derajat keluar adalah seberapa sering individu yang menjadi titik fokus berinteraksi dengan orang lain.[78][13]
  • Sosiogram adalah visualisasi dengan batasan koneksi yang jelas dalam jaringan. Misalnya, sosiogram yang menunjukkan titik sentralitas derajat keluar untuk Partisipan A akan menggambarkan semua koneksi keluar yang dibuat Partisipan A dalam jaringan yang diteliti.[78]

Kemampuan unik

sunting

Para peneliti menggunakan analisis jaringan sosial dalam studi pembelajaran kolaboratif yang didukung komputer sebagian karena kemampuan unik yang ditawarkannya. Metode khusus ini memungkinkan studi pola interaksi dalam komunitas pembelajaran jaringan dan dapat membantu menggambarkan sejauh mana interaksi peserta dengan anggota kelompok lainnya.[78] Grafik yang dibuat menggunakan alat analisis jaringan sosial memberikan visualisasi hubungan antar peserta dan strategi yang digunakan untuk berkomunikasi dalam kelompok. Beberapa penulis juga menyarankan bahwa analisis jaringan sosial menyediakan metode untuk menganalisis perubahan pola partisipasi anggota dari waktu ke waktu dengan mudah.[79]

Sejumlah penelitian telah menerapkan SNA pada CSCL dalam berbagai konteks. Temuannya meliputi korelasi antara kepadatan jaringan dan kehadiran guru,[78] perhatian yang lebih besar terhadap rekomendasi dari peserta "pusat",[80] jarangnya interaksi lintas gender dalam jaringan,[81] dan peran yang relatif kecil yang dimainkan oleh instruktur dalam jaringan pembelajaran asinkron.[82]

Metode lain yang digunakan dengan analisis jaringan sosial

sunting

Meskipun banyak penelitian telah menunjukkan nilai analisis jaringan sosial dalam bidang pembelajaran kolaboratif yang didukung komputer,[78] para peneliti telah menyarankan bahwa analisis jaringan sosial sendiri tidak cukup untuk mencapai pemahaman penuh tentang CSCL. Kompleksitas proses interaksi dan banyaknya sumber data membuat analisis jaringan sosial sulit untuk memberikan analisis mendalam tentang CSCL.[83] Para peneliti menunjukkan bahwa analisis jaringan sosial perlu dilengkapi dengan metode analisis lain untuk membentuk gambaran yang lebih akurat tentang pengalaman belajar kolaboratif.[84]

Sejumlah penelitian telah menggabungkan jenis analisis lain dengan analisis jaringan sosial dalam studi CSCL. Hal ini dapat disebut sebagai pendekatan multi-metode atau triangulasi data, yang akan menghasilkan peningkatan keandalan evaluasi dalam studi CSCL.

  • Metode kualitatif – Prinsip penelitian studi kasus kualitatif merupakan kerangka kerja yang kuat untuk integrasi metode analisis jaringan sosial dalam studi pengalaman CSCL.[85]
    • Data etnografi seperti kuesioner dan wawancara siswa serta observasi non-partisipan di kelas[84]
    • Studi kasus: mempelajari situasi CSCL tertentu secara komprehensif dan menghubungkan temuan dengan skema umum[84]
    • Analisis isi: menawarkan informasi tentang isi komunikasi antar anggota[84]
  • Metode kuantitatif – Ini mencakup analisis statistik deskriptif sederhana pada kejadian untuk mengidentifikasi sikap tertentu dari anggota kelompok yang belum dapat dilacak melalui analisis jaringan sosial untuk mendeteksi kecenderungan umum.
    • File log komputer: menyediakan data otomatis tentang bagaimana alat kolaboratif digunakan oleh pelajar[84]
    • Penskalaan multidimensi: memetakan kesamaan di antara para aktor, sehingga data masukan yang lebih mirip lebih dekat satu sama lain[84]
    • Alat perangkat lunak: QUEST, SAMSA (System for Adjacency Matrix and Sociogram-based Analysis), dan Nud*IST[84]

Referensi

sunting
  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. ^ a b c 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. ^ a b 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. 
  60. ^ Kesalahan pengutipan: Tag <ref> tidak sah; tidak ditemukan teks untuk ref bernama Golbeck
  61. ^ Aram, Michael; Neumann, Gustaf (1 Juli 2015). "Multilayered analysis of co-development of business information systems". Journal of Internet Services and Applications. 6 (1): 13. doi:10.1186/s13174-015-0030-8  . 
  62. ^ McPherson, Miller; Smith-Lovin, Lynn; Cook, James M (2001). "Birds of a Feather: Homophily in Social Networks". Annual Review of Sociology (dalam bahasa Inggris). 27 (1): 415–444. doi:10.1146/annurev.soc.27.1.415. ISSN 0360-0572. 
  63. ^ Laursen, Brett; Veenstra, René (2021). "Toward understanding the functions of peer influence: A summary and synthesis of recent empirical research". Journal of Research on Adolescence (dalam bahasa Inggris). 31 (4): 889–907. doi:10.1111/jora.12606. ISSN 1050-8392. PMC 8630732   Periksa nilai |pmc= (bantuan). PMID 34820944 Periksa nilai |pmid= (bantuan). 
  64. ^ "Hallinan, M. T. (1980). Patterns of cliquing among youth. In H. C. Foot, A. J. Chapman, & J. R. Smith (Eds.), Friendship and social relations in children (pp. 321–342). New York, NY: Wiley." psycnet.apa.org (dalam bahasa Inggris). Diakses tanggal 2023-03-10. 
  65. ^ Snijders, Tom A. B.; van de Bunt, Gerhard G.; Steglich, Christian E. G. (2010). "Introduction to stochastic actor-based models for network dynamics". Social Networks. Dynamics of Social Networks (dalam bahasa Inggris). 32 (1): 44–60. doi:10.1016/j.socnet.2009.02.004. ISSN 0378-8733. 
  66. ^ Veenstra, René; Laninga-Wijnen, Lydia (2023). "The Prominence of Peer Interactions, Relationships, and Networks in Adolescence and Early Adulthood". osf.io. American Psychological Association. Diakses tanggal 2023-03-10. 
  67. ^ Ackerman, Spencer (17 Juli 2013). "NSA warned to rein in surveillance as agency reveals even greater scope". The Guardian. Diakses tanggal 19 Juli 2013. 
  68. ^ "How The NSA Uses Social Network Analysis To Map Terrorist Networks". 12 Juni 2013. Diakses tanggal 19 Juli 2013. 
  69. ^ "NSA Using Social Network Analysis". Wired. 12 May 2006. Diakses tanggal 19 July 2013. 
  70. ^ Dryer, Alexander (11 Mei 2006). "NSA has massive database of Americans' phone calls". Slate. Diakses tanggal 19 Juli 2013. 
  71. ^ Sudhahar, Saatviga; De Fazio, Gianluca; Franzosi, Roberto; Cristianini, Nello (Januari 2015). "Network analysis of narrative content in large corpora". Natural Language Engineering. 21 (1): 81–112. doi:10.1017/S1351324913000247. hdl:1983/dfb87140-42e2-486a-91d5-55f9007042df  . 
  72. ^ Quantitative Narrative Analysis; Roberto Franzosi; Emory University © 2010
  73. ^ a b Sudhahar, Saatviga; Veltri, Giuseppe A; Cristianini, Nello (Mei 2015). "Automated analysis of the US presidential elections using Big Data and network analysis". Big Data & Society. 2 (1). doi:10.1177/2053951715572916  . hdl:2381/31767  . 
  74. ^ Osterbur, Megan; Kiel, Christina (April 2017). "A hegemon fighting for equal rights: the dominant role of COC Nederland in the LGBT transnational advocacy network". Global Networks. 17 (2): 234–254. doi:10.1111/glob.12126. 
  75. ^ Brettschneider, Marla; Burgess, Susan; Keating, Christine, ed. (19 September 2017). "Pink Links: Visualizing the Global LGBTQ Network" . LGBTQ Politics. New York University Press. hlm. 493–522. doi:10.18574/nyu/9781479849468.003.0034. ISBN 978-1-4798-4946-8. 
  76. ^ Bard, Alexander; Sšderqvist, Jan (24 Februari 2012). The Netocracts: Futurica Trilogy 1 (dalam bahasa Inggris). Stockholm Text. ISBN 9789187173004. Diakses tanggal 3 Maret 2017. 
  77. ^ Kwak, Haewoon; Lee, Changhyun; Park, Hosung; Moon, Sue (2010-04-26). "What is Twitter, a social network or a news media?". Proceedings of the 19th international conference on World wide web. ACM. hlm. 591–600. CiteSeerX 10.1.1.212.1490  . doi:10.1145/1772690.1772751. ISBN 9781605587998. 
  78. ^ a b c d e f g h i j Laat, Maarten de; Lally, Vic; Lipponen, Lasse; Simons, Robert-Jan (2007-03-08). "Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis". International Journal of Computer-Supported Collaborative Learning (dalam bahasa Inggris). 2 (1): 87–103. doi:10.1007/s11412-007-9006-4. 
  79. ^ "Patterns of Interaction in Computer-supported Learning: A Social Network Analysis". International Conference of the Learning Sciences. 2013. hlm. 346–351. doi:10.4324/9780203763865-71. ISBN 9780203763865. 
  80. ^ Martı́nez, A.; Dimitriadis, Y.; Rubia, B.; Gómez, E.; de la Fuente, P. (December 2003). "Combining qualitative evaluation and social network analysis for the study of classroom social interactions". Computers & Education. 41 (4): 353–368. CiteSeerX 10.1.1.114.7474  . doi:10.1016/j.compedu.2003.06.001. 
  81. ^ Cho, H.; Stefanone, M.; Gay, G (2002). Social information sharing in a CSCL community. Computer support for collaborative learning: Foundations for a CSCL community. Hillsdale, NJ: Lawrence Erlbaum. hlm. 43–50. CiteSeerX 10.1.1.225.5273  . 
  82. ^ Aviv, R.; Erlich, Z.; Ravid, G.; Geva, A. (2003). "Network analysis of knowledge construction in asynchronous learning networks". Journal of Asynchronous Learning Networks. 7 (3): 1–23. CiteSeerX 10.1.1.2.9044  . 
  83. ^ Daradoumis, Thanasis; Martínez-Monés, Alejandra; Xhafa, Fatos (2004-09-05). "An Integrated Approach for Analysing and Assessing the Performance of Virtual Learning Groups" . Dalam Vreede, Gert-Jan de; Guerrero, Luis A.; Raventós, Gabriela Marín. Groupware: Design, Implementation, and Use. Lecture Notes in Computer Science (dalam bahasa Inggris). 3198. Springer Berlin Heidelberg. hlm. 289–304. doi:10.1007/978-3-540-30112-7_25. hdl:2117/116654. ISBN 9783540230168. 
  84. ^ a b c d e f g Martínez, A.; Dimitriadis, Y.; Rubia, B.; Gómez, E.; de la Fuente, P. (2003-12-01). "Combining qualitative evaluation and social network analysis for the study of classroom social interactions". Computers & Education. Documenting Collaborative Interactions: Issues and Approaches. 41 (4): 353–368. CiteSeerX 10.1.1.114.7474  . doi:10.1016/j.compedu.2003.06.001. 
  85. ^ Johnson, Karen E. (1996-01-01). "Review of The Art of Case Study Research". The Modern Language Journal. 80 (4): 556–557. doi:10.2307/329758. JSTOR 329758. 
Diperoleh dari "https://wiki-indonesia.club/w/index.php?title=Analisis_jaringan_sosial&oldid=26648523"