Maintenance script: Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29435644; atribusi sumber disertakan.

2026-08-25T17:30:04Z

Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29435644; atribusi sumber disertakan.

Halaman baru

'''Analisis jaringan sosial''' adalah proses penyelidikan struktur sosial melalui penggunaan [[teori jaringan|jaringan]] dan [[teori graf|teori grafik]]. 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 [[media sosial|jaringan media sosial]], penyebaran [[meme]], sirkulasi informasi, jaringan persahabatan dan kenalan, jaringan bisnis, jaringan pengetahuan, hubungan kerja yang sulit, grafik kolaborasi, [[hubungan kekerabatan|kekerabatan]], [[penularan penyakit]], dan [[hubungan seksual]]. 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.

Analisis jaringan sosial telah muncul sebagai teknik kunci dalam [[sosiologi]] modern. Analisis ini juga memperoleh popularitas signifikan dalam bidang-bidang berikut: [[antropologi]], [[biologi]], [[demografi]], [[kajian komunikasi]], [[ekonomi]], [[geografi]], [[sejarah]], [[ilmu informasi]], [[kajian organisasi]], [[fisika]], [[ilmu politik]], kesehatan masyarakat, [[psikologi sosial]], [[kajian pembangunan]], [[sosiolinguistik]], dan [[ilmu komputer]], pendidikan dan penelitian pendidikan jarak jauh, dan sekarang tersedia secara umum sebagai alat konsumen (lihat [[:en:Social network analysis software|perangkat lunak analisis jaringan sosial]]).

== 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 "[[jejaring sosial|jaringan sosial]]" sejak awal abad ke-20 untuk menunjukkan serangkaian hubungan yang kompleks antara anggota sistem sosial di semua skala, dari antarpribadi hingga internasional.

Pada tahun 1930-an, [[Jacob Moreno]] dan [[Helen Hall Jennings|Helen Jennings]] memperkenalkan metode analisis dasar. 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 sosial|kelompok]] terbatas (misalnya, suku, keluarga) dan kategori sosial (misalnya, gender, etnis).

Dimulai pada tahun 1970-an, akademisi seperti [[Ronald Stuart Burt|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.

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. Bahkan dalam studi literatur, analisis jaringan telah diterapkan oleh Anheier, Gerhards dan Romo, Wouter De Nooy, dan Burgert Senekal.

== Metrik ==

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. Homofili juga disebut sebagai [[asortativitas]].

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

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

[[Penutupan triadik|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.

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

=== Distribusi ===
[[:en:Bridge (graph teory)|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.

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

[[Grafik padat|Kepadatan]]: Proporsi ikatan langsung dalam suatu jaringan relatif terhadap jumlah total yang mungkin.

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 [[kewirausahaan|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). Ikatan yang kuat dikaitkan dengan homofili, kedekatan dan transitivitas, sementara ikatan yang lemah dikaitkan dengan bridge.

=== Segmentasi ===
Kelompok disebut '[[lingkaran (sosial)|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.

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

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.

== Pemodelan dan visualisasi jaringan ==

Representasi visual jaringan sosial penting untuk memahami data jaringan dan menyampaikan hasil analisis. Sejumlah metode visualisasi untuk data yang dihasilkan oleh analisis jaringan sosial telah dipersiapkan. 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.

[[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.

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 [[:en:Net-map toolbox|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.

=== Potensi jejaring sosial ===
Potensi Jaringan Sosial (PJS) adalah [[koefisien]] numerik, yang diturunkan melalui [[algoritma]] 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 [[:en:Social marketing intelligence#Alpha users|Pengguna Alfa]], yang didefinisikan sebagai orang dengan PJS tinggi.

Koefisien PJS memiliki dua fungsi utama:

# Klasifikasi individu berdasarkan potensi jaringan sosialnya, dan
# Pembobotan responden dalam studi [[penelitian pemasaran]] kuantitatif.

Dengan menghitung PJS responden dan [[iklan tertarget|menargetkan]] responden PJS Tinggi, [[persuasi|kekuatan]] dan [[relevansi]] penelitian 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.

Buku pertama 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 ([[Universitas Kolese London|UCL]]) mempresentasikan di [[TED (konferensi)|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".

== Aplikasi praktis ==
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. Di sektor swasta, bisnis menggunakan analisis jaringan sosial untuk mendukung aktivitas seperti interaksi dan analisis pelanggan, analisis pengembangan [[sistem informasi]], pemasaran, dan kebutuhan [[inteligensi bisnis|intelijen bisnis]]. Beberapa penggunaan di sektor publik meliputi pengembangan strategi keterlibatan pemimpin, analisis keterlibatan individu dan kelompok serta [[psikologi media|penggunaan media]], dan [[penyelesaian masalah|pemecahan masalah]] berbasis komunitas.

=== Analisis jaringan sosial di sekolah ===
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. 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. 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. 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. Analisis jaringan sosial longitudinal menjadi arus utama setelah penerbitan edisi khusus [[:en:Journal of Research on Adolescence|Jurnal Penelitian Remaja]] pada tahun 2013, yang diedit oleh [[René Veenstra]] dan berisi 15 makalah empiris.

=== Aplikasi keamanan ===
Analisis jaringan sosial juga digunakan dalam kegiatan intelijen, [[kontra-intelijen]], dan [[penegakan hukum]]. Teknik ini memungkinkan analis untuk memetakan organisasi rahasia seperti jaringan [[spionase|mata-mata]], keluarga kriminal terorganisasi, atau geng jalanan. [[Badan Keamanan Nasional]] (NSA) menggunakan program [[pengawasan komputer dan jaringan|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. Setelah pemetaan awal jaringan sosial selesai, analisis dilakukan untuk menentukan struktur jaringan dan menentukan, misalnya, pemimpin dalam jaringan. 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]].

=== Aplikasi analisis tekstual ===
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. Hal ini mengotomatisasi pendekatan yang diperkenalkan oleh Analisis Naratif Kuantitatif, dimana triplet subjek-kata kerja-objek diidentifikasi dengan pasangan aktor yang dihubungkan oleh suatu tindakan, atau pasangan yang dibentuk oleh aktor-objek.

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

==== Netokrasi ====
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.

==== Aplikasi internet sosial media ====
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]].

=== Dalam pembelajaran kolaboratif yang didukung komputer ===
Salah satu metode terkini penerapan analisis jaringan sosial adalah studi [[:en:Computer-supported collaborative learning|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. 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. 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 ====
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.
* '''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.

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".
* '''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.
* '''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.

==== Kemampuan unik ====
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. 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.

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

==== Metode lain yang digunakan dengan analisis jaringan sosial ====
Meskipun banyak penelitian telah menunjukkan nilai analisis jaringan sosial dalam bidang pembelajaran kolaboratif yang didukung komputer, 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. Para peneliti menunjukkan bahwa analisis jaringan sosial perlu dilengkapi dengan metode analisis lain untuk membentuk gambaran yang lebih akurat tentang pengalaman belajar kolaboratif.

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 [[reliabilitas|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.
** ''Data [[etnografi]]'' seperti kuesioner dan wawancara siswa serta observasi non-partisipan di kelas
** ''[[Studi kasus]]:'' mempelajari situasi CSCL tertentu secara komprehensif dan menghubungkan temuan dengan skema umum
** ''[[Analisis isi]]:'' menawarkan informasi tentang isi komunikasi antar anggota

* 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.
** ''[[berkas log|File log]] komputer:'' menyediakan data otomatis tentang bagaimana alat kolaboratif digunakan oleh pelajar
** ''[[Penskalaan multidimensi]]:'' memetakan kesamaan di antara para aktor, sehingga data masukan yang lebih mirip lebih dekat satu sama lain
** ''Alat [[perangkat lunak]]:'' QUEST, SAMSA (System for Adjacency Matrix and Sociogram-based Analysis), dan Nud*IST

== Lihat pula ==

* [[Humaniora digital]]
* [[Jejaring sosial]]
* [[Layanan jejaring sosial]]
* [[Pemodelan blok]]

== Referensi ==

== Pranala luar ==

== Sumber dan atribusi ==

Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Analisis+jaringan+sosial&oldid=29435644 Wikipedia bahasa Indonesia], revisi 29435644 (2026-07-09T08:41:36Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.

Analisis jaringan sosial - Riwayat revisi

Maintenance script: Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi

Maintenance script: Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29435644; atribusi sumber disertakan.