Presentation by Herry Purnomo, Lila Juniyanti, Sonya Dyah Kusumadewi, at TRADE Hub Training Series, on 7 Nov 2020

1. Teori Analisis Jaringan Sosial
untuk Pembangunan Berkelanjutan
Prof. Herry Purnomo1,2, Lila Juniyanti2, Sonya Dyah Kusumadewi1
1 Center for International Forestry Research
2
IPB University
The 1st Trade Hub Indonesia Training Series
7 November 2020

2. OUTLINE Analisis Jaringan Sosial
(Social Network Analysis - SNA)
1.Konsep SNA untuk Pembangunan
berkelanjutan
2.Dasar SNA
3.Desain Metode Penelitian Jaringan
Sosial
4.Analisis Data Jaringan Sosial
5. Perangkat Lunak
6. Aplikasi SNA

3. 1. Konsep Jaringan Sosial untuk
Pembangunan berkelanjutan

4. Apa itu jaringan sosial?
Sebuah fenomena dimana terdapat aktor-aktor yang berinteraksi satu
sama lain dan membentuk suatu pola hubungan.
Jaringan sosial adalah hasil dari perilaku individu-individu yang
berhubungan satu sama lain.
(International Encyclopedia of the Social & Behavioral Sciences, 2001)
Jaringan Sosial sebagai unit analisis:
Berfokus pada hubungan antar aktor
Picture by University of Kentucky

5. Konsep Jaringan Sosial
untuk Pembangunan Berkelanjutan
(Sustainable Development)
Jaringan sosial adalah topik diskusi literatur
sains mengenai studi-studi keberlanjutan:
1. Transfer pengetahuan menuju aksi
2. Membuat aksi kolektif
3. Mendorong pembelajaran sosial
Pembangunan berkelanjutan membutuhkan
pendekatan transdisiplin yang melibatkan
multipihak dengan berbagai kepentingan.
(Henry dan Volland, 2014)

6. 2. Dasar Teori Jaringan Sosial

7. Dasar Teori Jaringan Sosial
Mendeskripsikan
proses yang
menjelaskan
terjadinya suatu
fenomena sosial.
Menekankan posisi
aktor-aktor dan
power-nya di dalam
struktur sosial.

8. Definisi Jaringan Sosial
Aktor (node)
Tidak hanya individu, dapat
berupa organisasi, negara,
institusi, perusahaan, dll.
Link (edge)
Merupakan hubungan antar aktor.
Digambarkan oleh garis yang
menghubungkan satu aktor dengan
aktor lainnya.
Jaringan (network) merupakan kumpulan node-node yang dihubungkan oleh link.
Analisis jaringan sosial dilakukan dengan memetakan hubungan antar aktor dalam jaringan.

9. Tipe Hubungan dalam Jaringan
One Mode
Jaringan yang berisi tipe aktor yang sama,
misal: antar-individu
Two Mode
Jaringan yang berisi tipe aktor yang berbeda,
misal: individu dan institusi

10. Tipe Hubungan dalam Jaringan
Undirected
Jaringan tidak memiliki subjek dan objek, masing-
masing aktor memiliki peranan yang sama.
Directed
Jaringan terdiri dari subjek (sender) dan objek
(receiver), misalnya aliran informasi.

11. Tipe Hubungan dalam Jaringan
Simetris
Hubungan dua arah
Asimetris
Hubungan satu arah

12. Tipe Hubungan dalam Jaringan
Valued
Jaringan menunjukkan intensitas dari
hubungan.
Unvalued
Jaringan menunjukan intensitas dari hubungan.

13. Struktur Jaringan
Isolate
Node yang tidak memiliki hubungan dengan aktor-aktor lain
dalam jaringan.
Component
Kelompok nodes yang memiliki setidaknya satu link dalam
jaringan.
Click
Ditandai oleh hubungan antar aktor yang lengkap dan
maksimum.
Hubs
Nodes yang memiliki hubungan paling banyak dalam jaringan.
Bridges
Link yang menghubungkan dua kelompok aktor dalam satu
jaringan.
Cutpoints
Aktor yang menjadi penghubung dalam jaringan, jika aktor ini
tidak ada maka jaringan terputus.

14. Aliran jaringan
Path
Link yang menghubungkan satu aktor dan aktor lainnya dan
tidak ada repetisi aktor.
Misalnya: D-E-H-K-L
Trail
Aliran ini mirip dengan path namun ada repetisi aktor.
Misalnya: D-B-C-D-E
Walk
Link yang menghubungkan satu aktor dengan aktor lainnya
dalam jaringan tanpa batasan.

15. 3. Desain Metode Penelitian
Analisis Jaringan Sosial

16. Analisis Jaringan Sosial
Complete network
Semua aktor (node) diamati dan
dianalisis
Ego network
Kami hanya fokus pada aktor
tertentu (node)

17. Tingkat analisis

18. Tipe penelitian
Ekploratif: menjawab
pertanyaan "apa"
Deskriptif: menjawab
pertanyaan "bagaimana"
Ekplanatif: menjawab
pertanyaan "mengapa"

19. Populasi dan sampel
• Tantangan utama adalah
menentukan batas
jaringan yang menjadi
fokus penelitian.
• Jaringan adalah kumpulan
hubungan-hubungan
tanpa batas alami.
Perlu menentukan fokus dalam pemilihan populasi dan sampel.
Fokus dapat berupa: fenomena yang diamati misalnya tatakelola komoditas, rantai suplai dan rantai nilai
komoditas dll.

20. Teknik sampling untuk data jaringan sosial
Teknik Advantage Disadvantage
Snowball sampling
Daftar aktor tidak ditentukan diawal
• Dapat menjelaskan rantai dari satu
aktor ke aktor lainnya
• Praktis dan cenderung mudah
dilakukan
• Membutuhkan waktu lama,
terutama jika jaringannya besar
• Tidak dapat menjelaskan
keseluruhan jaringan.
Small group sample
Daftar aktor ditentukan diawal
• Membutuhkan waktu lebih cepat
untuk studinya
• Dapat menjelaskan keseluruhan
jaringan
• Membatasi kemungkinan adanya
aktor-aktor lain dalam sampel
yang ternyata merupakan bagian
dari jaringan

21. Teknik pengumpulan data
Analisis
dokumen
dan
literatur
Observasi
Interview
terstruktur:
misalnya dengan
survei kuisioner
Interview tidak
terstruktur

22. 4. Analisis Data Jaringan Sosial

23. Data Jaringan Sosial - Matriks

24. Data Jaringan Sosial - Sociometri

25. Analisis data jaringan sosial di tingkat aktor
Whole network Ego network
Degree centrality
Closeness centrality
Betweenness centrality
Eigenvector centrality
Network closure
Structural Holes
Tie Strength

26. Analisis centrality
Degree Closeness Betweenness Eigenvector
Ukuran popularitas aktor
didalam jaringan sosial.
Ukuran kedekatan suatu
aktor dengan aktor
lainnya di dalam jaringan.
Ukuran tingkat kontrol
informasi suatu aktor
dalam jaringan sosial.
Bentuk lain dari closeness
centrality yang
merupakan ukuran
tingkat kepentingan suatu
aktor berdasarkan koneksi
yang dimilikinya dalam
jaringan sosial.
Untuk identifikasi
local connector/hub
Untuk identifikasi
information
spreader/senser
Untuk identifikasi
information
broker/bottleneck.
Untuk identifikasi leader
of the network.
Jika hasil analisis menunjukkan ukuran berimbang antar aktor dalam jaringan, aktor yang memiliki power dominan
dalam jaringan adalah aktor dengan nilai betweenness tertinggi.

27. 1. Degree Centrality
Adi Ira Luki Budi Siti Mara Wulan Indegree
Adi 0 1 1 0 0 0 0 2
Ira 1 0 1 0 1 0 0 3
Luki 1 1 0 1 1 0 0 4
Budi 0 0 1 0 0 0 0 1
Siti 0 1 1 0 0 1 1 4
Mara 0 0 0 0 1 0 0 1
Wulan 0 0 0 0 1 0 0 1
Outdegree 2 3 4 1 4 1 1 16

28. Cara perhitungan degree centrality

29. Cara perhitungan betweenness centrality

30. 2. Closeness Centrality
Adi Ira Luki Budi Siti Mara Wulan Total
Adi 0 1 1 2 2 3 3 12
Ira 1 0 1 2 1 2 2 9
Luki 1 1 0 1 1 2 2 8
Budi 2 2 1 0 2 2 3 11
Siti 2 1 1 2 0 1 1 8
Mara 3 2 2 2 1 0 2 12
Wulan 3 2 2 2 1 2 0 12
Adi Ira
Luki
Budi
Siti
Mara Wulan
Table 2. Ilustration The Path of Each Actor

31. Ilustration of Closeness Centrality Calculation
Cc value between 0-1. An actor with a smaller value
means the actor can reach all actors on the network
quickly because of the short path.
Cc =
! "#
∑%&'
Cc : Closeness Centrality
N : Number of member in population
Dij : Path of actor to another actor
Actor Total of Path Degree of Closeness
Centrality
Adi 12 0.33
Ira 9 0.5
Luki 8 0.67
Budi 9 0.17
Siti 8 0.67
Mara 12 0.17
Wulan 12 0.17
Cc (Adi) =
! "#
∑%&'
=
( "#
#)
= 0.33..... etc.

32. 3. Betweenness Centrality
Betweenness Centrality shows the position of an actor as betweenness of one actor's relationship with another actor in a
network. Betweenness Centrality is important because it deals with the control and manipulation of information.
Adi Ira
Luki
Budi
Siti
Mara Wulan
Cb =
!"#$%
!"#
!& "#!$%
Cb : Betweenness Centrality
𝑔𝑖𝑗𝑃𝑘 :The shortest number of
paths from the actor
𝑔𝑖𝑗 : Number of paths
N : Number of actor in population
Cc value between 0-1. An actor with a higher value means the
actor are very important to be intermediaries among actors.
Betweennes
s
Betweennes
s
Betweennes
s

33. 4. Eigenvector Centrality
Adi Ira
Luki
Budi
Siti
Mara Wulan
Actor Eigenvector
Centrality
Adi 0.36
Ira 0.49
Luki 0.54
Budi 0.19
Siti 0.49
Mara 0.17
Wulan 0.17

34. 4. Perangkat Lunak untuk
Analisis Jaringan Sosial

35. Perangkat Lunak untuk
Analisis Jaringan Sosial
• Paling umum dan populer digunakan
• Gratis
• Fitur analisis cukup lengkap
• Tidak terlalu user friendly
• Keterbatasan jumlah node untuk analisis
(lebih dari 5000 nodes membuat
kerjanya lamban)
• Menghasilkan visualisasi menarik
• Web-based, relatif aman dari error dan
hilang data
• Terdapat fitur menarik lainnya diluar
untuk analisis jaringan sosial
• Masih terus dikembangkan
• Perlu berbayar, gratis jika data bersifat
public
• Masih relatif baru
• Fitur analisis masih terbatas

36. 5. Aplikasi Analisis Jaringan Sosial

38. • Aktor utama yang terlibat dalam aktivitas penggunaan api di
Provinsi Riau.
• Merumuskan rekomendasi berupa target aktor dan langkah
yang dapat diupayakan dalam mengatasi kebakaran hutan dan
lahan.
Temuan utama:
Adanya patronage network.

40. Temuan utama:
Adanya ketimpangan power diantara
aktor dalam rantai nilai.
Tatakelola yang baik didukung oleh
power relation yang seimbang.
• Analisis rantai nilai, jaringan sosial, dan analisis Actor centered-power sawit dan
tata kelolanya di empat kabupaten di provinsi Riau
• Tatakelola sawit yang baik untuk mengurangi kebakaran.

41. Studi kasus aplikasi
jaringan sosial lainnya
1. Analisis ekonomi politik intervensi
komoditas dalam pengembangan
pertanian dataran rendah
berkelanjutan di Indonesia (SLADI)
2. Analisis stakeholder untuk
perdagangan komoditas yang
berkelanjutan di Indonesia (TRADE
Hub)
3. Analisis kekuatan aktor dalam
kontestasi penggunaan lahan untuk
perkebunan sawit dan HTI di Riau
(Disertasi Lila Juniyanti)

42. Prof. Herry Purnomo
h.Purnomo@cgiar.org
@hpurnomo3
• Scientist di Center for International Forestry Research
• Guru Besar Fakultas Kehutanan dan Lingkungan IPB University
• Country Coordinator TRADE Hub Indonesia
TERIMAKASIH