Click Results or Click Me

Connecting - Knowing - Anything

    

About Us

Et ipsa scientia potestas est (Francis Bacon).

Scientia potentia est, sed parva; quia scientia egregia rara est, nec proinde apparens nisi paucissimis, et in paucis rebus. Scientiae enim ea natura est, ut esse intelligi non possit, nisi ab illis qui sunt scientia praediti (Thomas Hobbes).

Connecting - Knowing - Anything (ID Arianto).

Informasi ada digenggaman tangan, manusia semakin lama semakin terhubung dengan jaringan komunikasi digital, semakin kita banyak tahu semakin kita bisa ... segalanya. Social Network Analysis merupakan salah satu cara untuk mengetahui makna jaringan. Masyarakat memasuki dan menggunakan jaringan dengan perilaku sadar dan tidak sadarnya, jujur dan pencitraannya. Social Network Analysis memberikan jawabannya. Netnography memberikan jawabannya.

Jaringan menjadi bagian penting saat seseorang ingin membuat keputusan secara kolektif, baik politik, ekonomi, sosial, budaya serta berbagai hal terkait manusia dan hubungannya.

Masyarakat bukan merupakan agregat dari individu dan karakteristik mereka, akan tetapi merupakan struktur hubungan interpersonal. Oleh sebab itu, individu bukanlah unit sosial dasar. Masyarakat (social atoms) terdiri dari individu dan hubungan sosial, ekonomi atau budaya yang dihubungkan ke dalam kelompok dan pada akhirnya terdiri dari kelompok-kelompok yang saling terkait yang digambarkan dalam sociogram (struktur hubungan dalam suatu kelompok).

Social Network Analysis adalah salah satu alat untuk memetakan hubungan pengetahuan penting antara individu. Social Network Analysis merupakan pendekatan yang digunakan untuk penelitian sosial seperti melacak arus informasi vertikal dan lateral, mengidentifikasi sumber-sumber dan tujuan untuk mencari batasan atas resourses. Social Network Analysis dikembangkan untuk memahami hubungan-hubungan (ties/edge) dari aktor-aktor (nodes/points) yang ada dalam sebuah sistem dengan 2 fokus, yaitu aktor-aktor dan hubungan antar aktor dalam konteks sosial tertentu. Fokus tersebut membantu pemahaman terhadap bagaimana posisi aktor-aktor yang ada dapat mempengaruhi akses terhadap sumber daya yang ada misalnya barang, modal, dan informasi. Hal ini menunjukkan bahwa kegiatan ekonomi dikaitkan dengan struktur sosial yang akhirnya mengarah pada konsep modal sosial.

Informasi merupakan satu resources atau sumber daya yang paling penting yang mengalir dalam sebuah jaringan sehingga Social Network Analysis sering diimplementasikan untuk mengidentifikasi arus informasi. Secara teori dengan mengidentifikasi arus informasi bisa membantu meningkatkan strategi yang bisa memacu para aktor untuk berbagi informasi dari pada harus menciptakan strategi yang baru. Pada waktu para aktor mengakses sumber daya yang ada, para aktor akan membentuk sebuah cluster, dimana aktor dengan posisi yang paling bagus akan mendapat informasi yang lebih dibandingkan dengan yang lain. Biasanya aktor yang memiliki akses terhadap berbagai sumber tergabung dalam berbagai cluster, dan hal ini biasanya akan memberi kekuatan / kekuasaan karena mereka bertindak sebagai perantara bagi mereka yang kontak dan aksesnya sedikit.

Patut untuk diperhatikan adalah bahwa arus informasi yang terjadi tidak harus selalu sepadan, dalam artian bahwa hirarki terbentuk berdasarkan posisi aktor dalam jaringan tersebut. Jaringan tidak hanya memberikan akses terhadap sumber daya tetapi juga terhadap aktor lain yang bisa membantu memberikan nilai terhadap sumber daya tersebut. Hal ini menunjukkan bahwa aktor bisa mengatur jaringan sosial untuk memaksimalkan keuntungan mereka dengan mendekati sumber daya dan kesempatan-kesempatan yang ada. Investasi dalam hubungan sosial untuk mengakses atau memobilisasi sumberdaya untuk menghasilkan penghasilan ekonomi dinamakan sebagai pembangunan modal sosial. Konsep modal sosial sering dibahas dengan cara yang abstrak.

Social Network Analysis merupakan alat yang bisa digunakan untuk memahami hubungan sosial yang bisa mempengaruhi pembangunan lokal.

Services

Social Network Analysis (Connections)

Social Network Analysis (Connections)

Homophily: The extent to which actors form ties with similar versus dissimilar others. Similarity can be defined by gender, race, age, occupation, educational achievement, status, values or any other salient characteristic. Homophily is also referred to as assortativity. Multiplexity: The number of content-forms contained in a tie. For example, two people who are friends and also work together would have a multiplexity of 2. Multiplexity has been associated with relationship strength. Mutuality/Reciprocity: The extent to which two actors reciprocate each other's friendship or other interaction. Network Closure: A measure of the completeness of relational triads. An individual's assumption of network closure (i.e. that their friends are also friends) is called transitivity. Transitivity is an outcome of the individual or situational trait of Need for Cognitive Closure. Propinquity: The tendency for actors to have more ties with geographically close others.

Social Network Analysis (Distributions)

Social Network Analysis (Distributions)

Bridge: An individual whose weak ties fill a structural hole, providing the only link between two individuals or clusters. It also includes the shortest route when a longer one is unfeasible due to a high risk of message distortion or delivery failure. Centrality: Centrality refers to a group of metrics that aim to quantify the "importance" or "influence" (in a variety of senses) of a particular node (or group) within a network. Examples of common methods of measuring "centrality" include betweenness centrality, closeness centrality, eigenvector centrality, alpha centrality, and degree centrality. Density: The proportion of direct ties in a network relative to the total number possible. Distance: The minimum number of ties required to connect two particular actors, as popularized by Stanley Milgram's small world experiment and the idea of 'six degrees of separation'. Structural holes: The absence of ties between two parts of a network. Finding and exploiting a structural hole can give an entrepreneur a competitive advantage. This concept was developed by sociologist Ronald Burt, and is sometimes referred to as an alternate conception of social capital. Tie Strength: Defined by the linear combination of time, emotional intensity, intimacy and reciprocity (i.e. mutuality). Strong ties are associated with homophily, propinquity and transitivity, while weak ties are associated with bridges.

Social Network Analysis (Segmentation)

Social Network Analysis (Segmentation)

Groups are identified as 'cliques' if every individual is directly tied to every other individual, 'social circles' if there is less stringency of direct contact, which is imprecise, or as structurally cohesive blocks if precision is wanted. Clustering coefficient: A measure of the likelihood that two associates of a node are associates. A higher clustering coefficient indicates a greater 'cliquishness'. Cohesion: The degree to which actors are connected directly to each other by cohesive bonds. Structural cohesion refers to the minimum number of members who, if removed from a group, would disconnect the group

Netnography (a systematic process to search for, collect and analyze data)

Netnography (a systematic process to search for, collect and analyze data)

Define the research field- Develop a detailed research question(s) that allows the researcher to qualitatively find patterns. Communication identification and selection- Use online search engines in order to identify appropriate, research-related online communities, which the researcher will then need to analyze and select details about the community, its members, and its forum. Community observation and data collection-Observe the selected online communities in a non-participatory, non-biased manner. The researcher will then need to retrieve data from people's communication and data from personal observation. Date analysis-Analyze data with automated software and manual methods in order to uncover patterns from the data analyses. Research Ethics-With regards to ethics, be vigilant in ensuring the online community members' anonymity and confidentiality. Finding and Solutions-Apply an empathetic perspective in order to obtain a deep understanding about the people of interest in order for the solutions to be well translated and trustworthy.

Netnography (offers a range of new insights for front end innovation, providing)

Netnography (offers a range of new insights for front end innovation, providing)

Holistic marketplace descriptions; Communicative and cultural comprehension; Embedded understanding of consumer choice; Naturalistic views of brand meaning; Discovery of consumer innovation; Mappings of sociocultural online space.

Netnography (Data collection)

Netnography (Data collection)

Internet data: Researchers should spend the time to match their research questions and interests to appropriate online forum, using the novel resources of online search engines such as Yahoo! and Google groups, before initiating entrée. Before initiating contact as a participant, or beginning formal data collection, the distinctive characteristics of the online communities should be familiar to the netnographer. Interview data: The interview can be conducted via email, Skype, in person, or by using other methods. Netnography’s emphasis on Internet data does not ameliorate the need to establish data in context and to extend understanding of those data into related concepts, archives, communications, and sites. Fieldnotes: Reflective fieldnotes, in which ethnographers record their observations, are a time-tested and recommended method in netnography. Although some netnographies have been conducted using only observation and download, without the researcher writing a single fieldnote, this non-participant approach draws into question the ethnographic orientation of the investigation.

Research and Online Media Monitoring

Media Tracking and Monitoring Service enables its clients to monitor their needs accross all media through extensive coverage, highly qualified professionals and cutting edge technology. Our Specialist expertise helps your plan and improve your corporate and brand communication and Public Relations effors. Media Tracking is the business of keen observation and analysis. Gauging the market with business intelligence provided by media watch and news tracking, we offer you an undisputed advantage for today’s volatile corporate business sustenance.

Mobile Advertising

From SMS Gateway then growup to digital advertising. Social network advertising, also social media targeting, is a group of terms that are used to describe forms of online advertising that focus on social networking services. One of the major benefits of this type of advertising is that advertisers can take advantage of the users' demographic information and target their ads appropriately. Social media targeting combines current targeting options (such as geotargeting, behavioral targeting, socio-psychographic targeting, etc.), to make detailed target group identification possible. With social media targeting, advertisements are distributed to users based on information gathered from target group profiles. Social network advertising is not necessarily the same as social media targeting. Social media targeting is a method of optimizing social media advertising by using profile data to deliver advertisements directly to individual users. Social media targeting refers to the process of matching social network users to target groups that have been specified by the advertiser.

Contact

IRWAN DWI ARIANTO, M.I.KOM.
Call : +6285850197788 - irwan_dwi_a@yahoo.co.id

RANK

2234
GP
57
TG
68
SMR
7
SC

CONTACT

Hasil Penelitian Social Network Analysis
Netnography - Media Analysis - Content Analysis
+6285850197788 // irwan_dwi_a@yahoo.co.id

SEPUTAR PILPRES 2019
(for academic purposes only)


ARTIKEL TIDAK UNTUK DIPUBLIKASIKAN (KHUSUS KALANGAN TERBATAS)
untuk melihat resume klik pada judul artikel

Penelitian ini menggunakan pendekatan social network analysis, dimana visualisasi jaringan dimodelkan dengan menggunakan metode graph kemudian dilakukan penghitungan nilai atribut jaringan yang terdiri dari total nodes, total edges, average degree, average weighted degree, average path length, density, network diameter dan number of community dan dilakukan penghitungan nilai centrality yang terdiri dari degree centrality, closeness centrality, betweeness centrality dan eigenvector centrality untuk mengidentifikais aktor yang berpengaruh atau memilki nilai interaksi yang tinggi di dalam jaringan. Data yang digunakan dalam penelitian ini merupakan data sekunder yang berupa seluruh unggahan netizen sesuai dengan platform dan tujuan penelitian.

Tahapan penelitian yang dilakukan dalam penelitian ini dijelaskan sebagai berikut :

1) Identifikasi masalah :
Tahap ini adalah tahap dimana dilakukan pengidentifikasian masalah penelitian. Proses pengidentifikasian masalah dilakukan dengan melakukan pengamatan terhadap fenomena-fenomena yang melatarbelakangi penelitian.

2) Known User:
Tahap ini adalah tahap menentukan objek penelitian. Objek penelitian adalah interaksi yang dilakukan oleh akun-akun pengguna situs jejaring sosial (netizen) sesuai dengan tujuan penelitian.

3) Software Data Extraction :
Dalam tahap ini dilakukan proses ekstraksi atau pengumpulan data dengan menggunakan metode data mining.

4) Pengolahan Data dan Measures Networks :
Tahap ini merupakan tahap pengolahan data interaksi jaringan. Pola interaksi divisualisasikan dengan menggunakan metode graph. Setelah visualisasi pola jaringan interaksi didapatkan selanjutkan dilakukan penghitungan nilai atribut jaringan yang menghitung delapan atribut yakni total nodes, total edges, average degree, average weighted degree, average path length, density, network diameter dan number of community

5) Penghitungan Nilai Centrality :
Pada tahap ini dilakukan penghitungan nilai centrality (degree centrality, closeness centrality, betweeness centrality dan eigenvector centrality) node atau aktor untuk mengidentifikasi aktor berpengaruh dengan jumlah interaksi yang tinggi.

Rumus

6) Rank :
Tahap ini adalah tahap mengurutkan peringkat nilai centrality aktor-aktor di dalam jaringan yang telah dihitung.

7) Penarikan kesimpulan :
Dalam tahapan ini dilakukan penarikan kesimpulan dan rekomendasi yang dapat diberikan.

Kerangka Berfikir

BERIKUT DIBAWAH INI JUDUL-JUDUL ARTIKEL SESUAI DENGAN KEYWORDS NYA