PENERAPAN SOCIAL NETWORK ANALYSIS DENGAN MENGGUNAKAN METODE SOCIOMATRIX PADA AKUN INSTAGRAM SISWA SMA DI SURABAYA
Abstract
Penelitian ini memetakan bentuk hubungan berdasarkan media sosial Instagram pelajar Sekolah Menengah Atas (SMA) di Surabaya dengan menggunakan socimatrix yang merupakan bagian dari Social NetworkAnalysis. Hasil penelitian ini memetakan 18 kelompokberdasarkan 18 SMA di Surabaya, terdiri dari 1 sociogram besar dan 7 sociogram kecil, dimana setiap kelompok rata-rata berasal dari sekolah (SMA) yang sama. Sociogram besar terdiri dari 12 SMA. Akun yang paling dikenal oleh teman sekitarnya atau node terbesar berasal dari SMAN 7 Surabaya dengan 22 teman yang saling follow dengannya. Adapun akun yang memiliki pertemanan yang kuat atau link tertebal berasal dari SMAN 7 Surabaya dengan jumlah kesamaan followings dan followers sebanyak 360 akun atau senilai 6.00 pada link yang terbentuk. Pertemanan antar siswa perempuan (289) memiliki jumlah 2,5 kali dari jumlah pertemanan antar siswa laki-laki (115) dan pertemanan antar siswa perempuan memiliki jumlah hampir yang sama dengan pertemanan lawan jenis (284).
Full Text:
PDFReferences
Instagram, “600 million and counting,” 2016. [Online]. Available: http://blog.instagram.com/post/154506585127/161215-600million.
APJII, “BULETIN APJII EDISI 22 - Maret 2018,” APJII, pp. 1–7, 2018.
Internet World Stats, “Digital in 2018: World’s internet users pass the 4 billion mark - We Are Social,” Hootsuit; We are Soc., pp. 1–18, 2018.
D. Z. Grunspan, B. L. Wiggins, and S. M. Goodreau, “Understanding Classrooms through Social Network Analysis: A Primer for Social Network Analysis in Education Research,” CBE—Life Sci. Educ., vol. 13, no. 2, pp. 167–178, Jun. 2014.
I. Hafidz, A. R. Kautsar, T. Valianta, and N. A. Rakhmawati, “Teenstagram TimeFrame: A Visualization for Instagram Time Dataset from Teen Users (Case Study in Surabaya, Indonesia),” Procedia Comput. Sci., vol. 124, pp. 100–107, 2017.
L. Manikonda, Y. Hu, and K. Subbarao, “Analyzing user activities, demographics, social network structure and user-generated content on Instagram,” arXiv Prepr., vol. arXiv:1410, 2014.
S.-Y. Teng, M.-Y. Yeh, and K.-T. Chuang, “Toward Understanding the Mobile Social Properties,” in Proceedings of the 2015 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining 2015 - ASONAM ’15, 2015, pp. 266–269.
R. B. Correia, L. Li, and L. M. Rocha, “MONITORING POTENTIAL DRUG INTERACTIONS AND REACTIONS VIA NETWORK ANALYSIS OF INSTAGRAM USER TIMELINES.,” Pac. Symp. Biocomput., vol. 21, pp. 492–503, 2016.
W. De Nooy, A. Mrvar, and V. Batagelj, Exploratory Social Network Analysis with Pajek. Cambridge University Press, 2018.
S. P. Borgatti, A. Mehra, D. J. Brass, and G. Labianca, “Network analysis in the social sciences.,” Science, vol. 323, no. 5916, pp. 892–5, Feb. 2009.
B. Carolan, Social Network Analysis and Education: Theory, Methods & Applications. 2455 Teller Road, Thousand Oaks California 91320 United States: SAGE Publications, Inc., 2014.
D. L. Hansen and M. A. Smith, “Social Network Analysis in HCI,” in Ways of Knowing in HCI, New York, NY: Springer New York, 2014, pp. 421–447.
M. S. Z. Rizvi, “Game of Thrones Force Directed Graph,” 2019. [Online]. Available: https://bl.ocks.org/mohdsanadzakirizvi/6fc325042ce110e1afc1a7124d087130. [Accessed: 05-May-2020].
S. Tridetti, “Social network analysis : detection of influencers in fashion topics on Twitter,” University of Liège, 2016.
E. Triyanto, “The Puberty Experience of Adolescent Fenomenology Study in Purwokerto,” J. Ners, vol. 5, no. 2, pp. 147–153, 2010.
DOI: https://doi.org/10.32520/stmsi.v9i2.807
Article Metrics
Abstract view : 1531 timesPDF - 539 times
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.