Nama : Melenia Ramadani

NIM : A021181041

Tugas : Seminar Sumber Daya Manusia

Resume Penelitian Jaringan Sosial

1. Perkenalan
Penelitian jaringan sosial menggabungkan teori, konsep, dan metodologi yang
mengakui dan secara eksplisit membahas ikatan relasional antara aktor seperti individu,
kelompok, dan organisasi (Galaskiewicz, 2007; Kilduff & Tsai, 2005; Wasserman & Faust,
1994). Penelitian jaringan sosial paling dikenal karena perspektif strukturalnya, yang
berfokus pada struktur sosial—pola ikatan relasional dan posisi aktor di dalamnya dan
implikasinya. Baru-baru ini, ide-ide penelitian jaringan sosial inti seperti keunggulan
hubungan, keterikatan, manfaat koneksi, dan pola struktural kehidupan sosial (lihat Kilduff
& Brass, 2010) telah menarik perhatian besar dalam penelitian manajemen dan organisasi.
Namun, penyebaran ide-ide ini di antara peneliti SDM masih relatif sederhana (lihat Kaše,
King&Minbaeva, 2013). Alasannya mungkin terletak pada kenyataan bahwa ide-ide inti
ini datang bersama-sama dengan kotak alat metode khusus—analisis jaringan sosial (SNA)
yang perlu diketahui oleh seorang peneliti untuk benar-benar memahami prinsip-prinsip
yang mendasarinya dan dapat mengembangkan teori bersama dengan desain penelitian
yang sesuai.

2. Nilai Tambah Penelitian Jaringan Sosial

Desain penelitian yang mengakui perspektif jaringan sosial memungkinkan peneliti
untuk secara cermat menangani (tergantung pada metode yang digunakan) berbagai jenis
saling ketergantungan antara aktor atau fenomena relasional lainnya pada berbagai tingkat
analisis dan mengeksplorasi konsekuensinya dalam pengaturan organisasi. Demikian pula,
seperti di bidang lain di mana perspektif jaringan sosial telah berhasil diadopsi, penelitian
SDM dapat mengambil manfaat darinya dalam tiga cara: (1) dengan memberikan cahaya
baru pada isu-isu yang tetap belum terpecahkan di lapangan (misalnya, bagaimana persepsi
individu tentang Praktek HR dipengaruhi oleh konteks sosial dari rekan-rekan); (2) dengan
mengevaluasi pengetahuan yang ada di lapangan (misalnya, memeriksa kembali ukuran
efek praktik SDM pada berbagai hasil organisasi, sambil mengendalikan efek struktur
 sosial intraorganisasi); dan, yang paling penting, (3) dengan memfasilitasi pertanyaan
penelitian baru dan memberikan kesempatan untuk berteori yang sebelumnya tidak
dipertimbangkan. Tentu saja manfaat penting ini datang bersamaan dengan biaya tertentu,
karena desain penelitian jaringan sosial biasanya memerlukan pengumpulan data yang
menantang, memerlukan lebih banyak waktu dan terkadang risiko untuk analisis,
meningkatkan masalah etika tambahan, dan, bagi peneliti SDM, melibatkan kebutuhan
untuk mendaki kurva pembelajaran.

3. Mengumpulkan Data Jaringan Sosial

Sifat data jaringan sosial memiliki implikasi penting untuk desain penelitian,
terutama ketika memeriksa jaringan yang lengkap. Perbedaan utama antara proyek
penelitian SDM standar dan studi jaringan sosial adalah bahwa yang pertama menuntut
pengumpulan data hanya pada atribut aktor (misalnya, persepsi karyawan tentang praktik
SDM, karakteristik demografis, sikap, dan perilaku mereka), sedangkan yang terakhir juga
secara langsung menanyakan tentang ikatan relasional aktor dengan individu lain
(ada/tidaknya dan kualitas mereka). Akibatnya, desain penelitian jaringan sosial
membutuhkan lebih banyak waktu untuk diselesaikan dan menghadapi tantangan khusus
terkait dengan kebutuhan untuk melacak responden dan pada saat yang sama memastikan
kerahasiaan mereka. Selanjutnya, karena ikatan relasional tertentu antara individu diamati,
sulit untuk menjamin anonimitas kepada responden. Untuk dapat membangun jejaring
sosial yang lengkap, kita harus tahu siapa sebenarnya yang melaporkan suatu relasi
mengikat dengan siapa, yang berarti bahwa kita harus melacak individu di seluruh
tanggapan mereka.
Selain itu, karena karakteristik pendekatan analitis untuk data jaringan, di mana data
yang hilang sangat bermasalah (Kossinets, 2006), tingkat partisipasi dalam proyek
penelitian jaringan perlu tinggi. Dalam studi jaringan organisasi, situasi ini membutuhkan
kerja sama yang erat dengan perwakilan organisasi yang berpartisipasi. Dukungan yang
kuat dari manajemen puncak organisasi yang berpartisipasi dengan cara mendorong
partisipasi secara terbuka dan memberikan waktu yang cukup selama waktu kerja untuk
berpartisipasi dalam penelitian sering diperlukan untuk keberhasilan penelitian. Namun,
kolaborasi yang intens dengan manajemen organisasi yang berpartisipasi selama proyek
penelitian dapat sekaligus membuka beberapa masalah etika yang harus ditangani dengan
hati-hati (lihat Cross, Kaše, Kilduff, & King, 2013). Terdapat 4 jenis jaringan sosial (data)
paling meninjol yang juga dapat digunakan dalam proyek penelitian SDM yaitu:
 a. Jaringan Ego (Pribadi)
Jaringan ego (pribadi) adalah jaringan sosial di sekitar individu. Ini terdiri dari
aktor fokus (ego), seperangkat aktor dengan siapa ego memiliki ikatan (mengubah), dan
ikatan antara ego dan alter bersama dengan ikatan di antara alter itu sendiri (Borgatti &
Foster, 2003).
b. Jaringan Lengkap (Utuh)
Jaringan lengkap (utuh), di sisi lain, terdiri dari satu set terbatas aktor dan
hubungan relasional antara mereka (misalnya, Wasserman & Faust, 1994). Batas batas
jaringan ditentukan sebelumnya oleh peneliti, dengan mengakui situasi, konteks, atau
afiliasi tertentu. Ide utamanya adalah untuk memeriksa semua hubungan antara aktor
dalam batas-batas yang telah ditentukan dan mengabaikan ikatan aktor di luar batas-
batas ini.
c. Jaringan Multipleks
Jaringan multipleks, yang terdiri dari beberapa lapisan atau dimensi konten
relasional dalam satu ikatan (Koehly & Pattison, 2005). Misalnya, jaringan yang
menampilkan kedua baris perintah dan aliran nasihat di antara kelompok aktor yang
sama dapat dianggap sebagai jaringan multipleks.
d. Jaringan Afiliasi (Dua Mode)
Jaringan afiliasi terdiri dari ri dua set aktor (misalnya, orang dan peristiwa) dan
hubungan di antara mereka (Breiger, 1974). Misalnya, jaringan dua mode dapat terdiri
dari karyawan dan program SDM, di mana yang termasuk dalam program adalah
hubungan utama yang diamati. Jaringan dua mode dapat dengan mudah diubah menjadi
jaringan satu mode (lengkap).

4. Pendekatan Analitis untuk Data Jaringan Sosial

Untuk mengatasi pendekatan analitis secara sistematis untuk menangani data
jaringan sosial yang dapat digunakan dalam penelitian SDM, klasifikasi dua dimensi
dikembangkan. Mirip dengan metode tradisional yang digunakan dalam penelitian SDM,
metode penelitian jaringan sosial juga dapat diklasifikasikan sebagai:penyelidikan atau
konfirmasi, di mana metode eksplorasi digunakan untuk menggambarkan data yang
diamati dan memfasilitasi pengembangan hipotesis, sedangkan metode konfirmasi
terutama dimaksudkan untuk menguji hipotesis. Dengan demikian,eksplorasi/ konfirmasi
perbedaan merupakan dimensi pertama dalam klasifikasi kami metode jaringan sosial yang
relevan untuk penelitian HR.
 Selain itu, dimensi kedua, mulai dari proksimal melawan jauh ke metode SDM yang
masih ada kontinum, diusulkan. Alasan mengusulkan dimensi ini adalah bahwa peneliti
biasanya cenderung mempelajari metode baru yang lebih dekat dengan pemahaman mereka
saat ini, karena metode yang lebih jauh memerlukan investasi waktu yang lebih besar. Di
salah satu ujung kontinum dimensi ini (yaitu, proksimal) kita dapat menemukan metode
jaringan sosial yang mengikuti logika yang sama dengan metode statistik yang sudah
dikenal dan digunakan oleh peneliti SDM, sementara di ujung lain kami menyertakan
metode yang logikanya cukup jauh. untuk penelitian SDM tradisional (misalnya,
menawarkan perlakuan ekstensif dari saling ketergantungan yang kompleks antara aktor).
Berikut beberapa pendekatan analitis yang digunakan dalam penelitian jaringan sosial.
a. Prosedur Penugasan Kuadrat Regresi Berganda
Prosedur penugasan kuadrat regresi berganda (MRQAP) adalah pendekatan
analitis yang pada prinsipnya digunakan untuk memodelkan suatu hubungan sosial
(satu set ikatan hubungan diadik) dengan meregresinya pada hubungan lain
(Krackhardt, 1988). Dengan MRQAP, seseorang dapat, misalnya, memprediksi tingkat
aliran nasihat interpersonal dalam sebuah organisasi sebagai fungsi linier dari intensitas
komunikasi formal, kepercayaan antarpribadi, kesamaan individu dalam karakteristik
demografis (homofili), dan kedekatan fisik rekan kerja di lingkungan kantor. Dari
ketiga metode konfirmasi yang dijelaskan dalam bab ini, MRQAP adalah yang paling
sederhana untuk digunakan dan mengadopsi logika yang paling dekat dengan
pendekatan analitis tradisional. Secara khusus, pendekatan ini dapat dianggap sebagai
analogi dengan analisis regresi berganda standar untuk data relasional (diadik). Cara
paling sederhana untuk memperkirakan model MRQAP adalah dengan menggunakan
prosedur di UCINET (Borgatti dkk., 2002). Hasil dari prosedur ini adalah laporan yang
mencakup besaran dan signifikansi koefisien regresi (standar), yang berfungsi sebagai
panduan untuk mengevaluasi hipotesis. MRQAP juga melaporkan R2; namun,
indikator kecocokan keseluruhan ini harus ditafsirkan dengan hati-hati karena tidak
selalu dapat diandalkan
b. Model Grafik Acak Eksponensial
Model grafik acak eksponensial (ERGM), juga disebut sebagai model p*,
digunakan untuk memodelkan kemungkinan ikatan relasional antara aktor sebagai
fungsi dari sifat struktural lokal (yaitu, ada atau tidak adanya ikatan relasional lain di
sekitar mereka) sebagai serta atribut aktor dan diadik (Robins, Pattison, dkk., 2007).
ERGM menggambarkan jaringan sosial sebagai sistem ikatan relasional yang mengatur
 diri sendiri antara aktor individu yang ditentukan bersama oleh proses seleksi sosial di
mana individu membentuk ikatan relasional berdasarkan karakteristik tertentu yang
mereka miliki (Robins, Elliott, & Pattison, 2001). Dengan ERGM seorang peneliti
dapat mengeksplorasi jika, misalnya, dalam jaringan arus saran yang diamati, timbal
balik dan transitivitas terjadi lebih sering daripada yang diharapkan secara kebetulan.
Selain itu, sambil mengendalikan timbal balik dan transitivitas dalam jaringan saran
yang diamati, peneliti dapat menetapkan apakah berbagi atribut dengan individu lain
akan lebih mungkin menghasilkan aliran saran.
c. Model Autokorelasi Jaringan
Model autokorelasi jaringan (NAM) atau model efek jaringan digunakan untuk
menguji bagaimana sikap atau perilaku individu dipengaruhi oleh orang lain yang
signifikan melalui jaringan. penularan (Anselin, 1988; orang dorean, 1989, 1990;
Leender, 2002). Model ini dibangun di atas gagasan bahwa individu tertanam dalam
jaringan orang lain, sehingga sikap dan perilaku mereka sendiri dibentuk dengan
mempertimbangkan orang-orang di sekitar mereka. Model ini berbeda dari MRQAP
dan ERGM yang telah dibahas karena model ini tidak menekankan sifat struktural
sebagai hasilnya, melainkan menguji pengaruhnya pada atribut individu; sehingga
dapat dianggap sebagai model pengaruh sosial (Robins, Pattison, & Elliott, 2001).
Keuntungan utama GNB dibandingkan dengan pendekatan analitis tradisional dalam
ilmu sosial, di sisi lain, adalah bahwa ia dapat, dengan mengakui saling ketergantungan
antar aktor, secara langsung menangani mekanisme pengaruh yang dihipotesiskan,
sedangkan model tradisional hanya dapat mengeksplorasinya secara tidak langsung.