Jaringan Co-Authorship Dan Potensi Kolaborasi Riset Indonesia Dengan Analisis Jaringan Sosial

JARINGAN CO-AUTHORSHIP DAN POTENSI KOLABORASI
PENELITIAN INDONESIA DENGAN ANALISIS JARINGAN
SOSIAL

IRENE MUFLIKH NADHIROH

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2015

PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa tesis berjudul “Jaringan Co-Authorship
dan Potensi Kolaborasi Penelitian Indonesia dengan Analisis Jaringan Sosial”
adalah benar karya saya dengan arahan dari komisi pembimbing dan belum
diajukan dalam bentuk apapun kepada perguruan tinggi manapun. Sumber
informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak
diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam
Daftar Pustaka di bagian akhir tesis ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut

Pertanian Bogor.
Bogor, November 2015

Irene Muflikh Nadhiroh
G151120181

* pelimpahan hak cipta atas karya tulis dari penelitian kerjasama dengan pihak luar IPB harus
didasarkan pada perjanjian kerjasama yang terkait

RINGKASAN
IRENE MUFLIKH NADHIROH. Jaringan Co-Authorship dan Potensi Kolaborasi
Riset Indonesia dengan Analisis Jaringan Sosial. Supervised by MUHAMMAD
NUR AIDI and BAGUS SARTONO.
Penelitian ini menggunakan data publikasi Indonesia yang dipublikasikan
pada jurnal internasional bidang Kimia. Tujuan penelitian ini adalah melakukan
observasi terhadap jaringan co-authorship yang terbentuk antar penulis Indonesia.
Bidang kimia dipilih karena jumlah artikel Indonesia pada bidang ini adalah yang
paling banyak dibandingkan bidang lainnya, hal ini mengindikasikan intensitas
riset yang cukup besar dibidang ini.
Saintometrika pada aplikasinya dapat digunakan untuk merencanakan

alokasi anggaran yang lebih efektif. Dengan mempelajari jaringan antar penulis
serta potensi jaringan yang diukur berdasarkan kesamaan bidang area, banyak
informasi yang didapatkan, termasuk bagaimana produktivitas riset dan jaringan
professional antar peneliti bisa ditingkatkan. Jaringan co-authorship merupakan
salah satu indikator terjadinya kolaborasi riset, dimana kolaborasi riset merupakan
salah satu strategi yang dapat digunakan untuk meningkatkan kuantitas dan
kualitas publikasi ilmiah. Untuk melihat bentuk jaringan co-authorship digunakan
Analisis Jaringan Sosial, dimana analisis ini menitikberatkan pada interaksi yang
terjadi antar aktor yang terlibat.
Penelitian ini menunjukkan bahwa jaringan co-authorship antar penulis
Indonesia di Jurnal Internasional bidang Kimia masih saling terpisah; hubungan
yang terbentuk masih sangat sedikit; hubungan academia-industri belum cukup
terlihat. Selain itu, hubungan antar penulis yang berasal dari institusi yang
berbeda masih sedikit, mayoritas penulis yang memiliki lebih dari satu artikel
merupakan hasil kolaborasi dengan rekan yang sama dan berasal dari institusi
yang sama. Sedangkan potensi jaringan co-authorship berdasarkan kesamaan area
penelitian cukup signifikan, terlihat dari potensi jaringan co-authorship yang
terbentuk, menunjukkan jumlah jaringan kesamaan area penelitian yang belum
menjadi hubungan co-authorship. Potensi jaringan juga bisa menunjukkan siapa
penulis yang memiliki peran besar untuk mewujudkan potensi menjadi jaringan

co-authorship.
Kata Kunci: saintometrika, analisis jaringan sosial, kebijakan ilmu pengetahuan
dan teknologi, publikasi internasional

SUMMARY
IRENE MUFLIKH NADHIROH. Co-Authorship Network and Potency of
Reserch Collaboration using Social Network Analysis. Supervised by
MUHAMMAD NUR AIDI and BAGUS SARTONO.
This research uses data from Indonesian publications listed in international
journal in Chemistry. It aims at observing network established among Indonesian
authors having article/paper in international journal. Chemistry field is selected
since Indonesian articles in this field in international journal are abundant,
indicating their advantage compared to others.
Scientometrics is used to make future budget allocation more effective. By
understanding the map of authors network and potential network observed
according to research area similarity, many information are obtained, including
whose research productivity & professional network shall be boosted. Coauthorship network is an indicator of research collaboration, which one of
strategy to increase quantity and quality of scientific publication. Social Network
Analysis was used to mapping the co-authorship network. This analysis is focus
on interaction between actors.

The research found that co-authorship network among Indonesian authors
in international journal in Chemistry is not continuous; relations formed between
authors are few; relation between academia-industry-government is not visible.
Relations between authors from different institution also remain very low; most
authors write more than 1 paper with their colleagues from the same institution.
However, coauthorship potential according to research area similarity is fairly
significant, proven from the established potential coauthorship network, showing
a significant amount of research area similarity which hasn’t yet become
coauthorship relations. Network potential also shows which actors play most
significant role therein.
Key words: scientometrics, social network analysis, science and technology
policy, international publications, chemistry

© Hak Cipta Milik IPB, Tahun 2015
Hak Cipta Dilindungi Undang-Undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan
atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan,
penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau
tinjauan suatu masalah, dan pengutipan tersebut tidak merugikan kepentingan
IPB

Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini
dalam bentuk apapun tanpa izin IPB

JARINGAN CO-AUTHORSHIP DAN POTENSI KOLABORASI
PENELITIAN INDONESIA DENGAN ANALISIS SOCIAL
NETWORKS

IRENE MUFLIKH NADHIROH

Tesis
sebagai salah satu syarat untuk melaksanakan penelitian dalam rangka penulisan
tesis untuk memperoleh gelar Magister Sains pada Program Studi Statistika

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2015

Penguji Luar Komisi pada Ujian Thesis

:

Dr Hari Wijayanto, M.Si

Judul Tesis
Nama
NIM

: Jaringan Co-Authorship dan Potensi Kolaborasi Penelitian
Indonesia dengan Analisis Jaringan Sosial
: Irene Muflikh Nadhiroh
: G151120181

Disetujui oleh
Komisi Pembimbing

Dr Ir Muhammad Nur Aidi, MS
Ketua

Dr Bagus Sartono, M.Si

Anggota

Diketahui oleh

Ketua Program Studi
Statistika

Dr Kusman Sadik, M. Si

Tanggal Ujian : 30 Agustus 2015

Dekan Sekolah Pascasarjana

Dr Ir Dahrul Syah, MScAgr

Tanggal Lulus :

PRAKATA
Puji dan syukur penulis panjatkan kehadirat Allah subhanahu wa ta’ala atas
segala rahmat, nikmat serta karunia-Nya sehingga penulis dipermudah dalam

menyelesaikan proposal penelitian dengan judul “Jaringan Co-Authorship dan
Potensi Kolaborasi Penelitian Indonesia dengan Analisis Jaringan Sosial”.
Penelitian dilakukan dalam rangka penulisan tesis sebagai salah satu syarat untuk
memperoleh gelar Magister Sains pada program studi Statistika.
Penulis mengucapkan terima kasih kepada Dr Ir Muhammad Nur Aidi
sebagai ketua komisi pembimbing dan Dr Bagus Sartono sebagai anggota komisi
pembimbing yang telah memberikan bimbingan dan arahan dalam proses
penelitian ini. Terima kasih penulis haturkan kepada orang tua, suami, serta
anakku tercinta atas do’a, dukungan dan pengertiannya. Terima kasih juga penulis
sampaikan kepada seluruh staf Program Studi Statistika, teman-teman (S2 dan S3)
Statistika IPB, rekan-rekan kerja di Pusat Penelitian Perkembangan Ilmu
Pengetahuan dan Teknologi, LIPI atas bantuan, kebersamaan, dukungan dan
sumbang sarannya. Terima kasih tak lupa penulis sampaikan kepada semua pihak
yang tidak dapat penulis sebutkan satu per satu yang telah membantu dalam
penyusunan proposal penelitian ini.
Penulis menyadari bahwa karya ilmiah ini masih banyak kekurangan, oleh
karena itu kritik, saran, dan masukan sangat penulis harapkan. Semoga karya
ilmiah ini dapat bermanfaat.

Bogor, November 2015

Irene Muflikh Nadhiroh

DAFTAR ISI

PENDAHULUAN

1

Latar Belakang

1

Tujuan Penelitian

2

TINJAUAN PUSTAKA

2

Analisis Co-Authorship Networks

2

Analisis Jaringan Sosial (Social Networks Analysis/SNA)

3

Geodesic Distance

4

Degree Centrality (DC)

5

Closeness Centrality (CC)

5

Betweenness Centrality (BC)

6

Analisis Procrustes

6

METODE PENELITIAN

7

Data

7

Metode Analisis

7

HASIL DAN PEMBAHASAN

9

Pola Co-Authorship Networks Indonesia di bidang Kimia

9

Potensi Kolaborasi Penelitian Indonesia di bidang Kimia
berdasarkan Area Penelitian

15

Perbandingan Jaringan Co-Authorship dan Potensi Jaringan CoAuthorship Pulikasi Internasional Indonesia berdasarkan Statistik
Deskriptive Jaringan dan Ukuran Centrality
19
Perbandingan Jaringan Co-Authorsip dan Potensi Jaringan CoAuthorship Publikasi Internasional Indonesia dengan Analisis
Procrustes
23
KESIMPULAN DAN SARAN

23

Kesimpulan

23

Saran

24

DAFTAR PUSTAKA

25

DAFTAR GAMBAR

Gambar 1. Geodesic Distances dan diameter grafik ............................................... 5
Gambar 2. Sebaran Asal Penulis pada bidang Kimia ............................................. 9
Gambar 3. Jumlah penulis dalam satu artikel ....................................................... 10
Gambar 4. Sebaran asal institusi ........................................................................... 10
Gambar 5. Jaringan Sosial antar penulis Indonesia pada publikasi
internasional bidang Kimia ................................................................. 11
Gambar 6. Jaringan Sosial antar penulis Indonesia pada publikasi
internasional bidang Kimia dengan jumlah artikel lebih dari 1 .......... 13
Gambar 7. Jaringan Sosial antar institusi Indonesia pada publikasi
internasional bidang Kimia ................................................................. 14
Gambar 8. Jaringan Sosial antar penulis Indonesia pada publikasi
internasional bidang Kimia berdasarkan area penelitian .................... 16
Gambar 9. Jaringan Sosial antar penulis Indonesia pada publikasi
internasional bidang Kimia dengan jumlah artikel lebih dari 1
berdasarkan area penelitian ................................................................. 17
Gambar 10. Jaringan Sosial antar institusi Indonesia pada publikasi
internasional bidang Kimia berdasarkan area penelitian .................... 18

DAFTAR TABEL

Tabel 1. Centrality penulis Indonesia pada publikasi internasional bidang
Kimia ...................................................................................................... 12
Tabel 2. Centrality penulis Indonesia pada publikasi internasional bidang
Kimia dengan jumlah artikel lebih dari 1 ............................................... 13
Tabel 3. Centrality institusi Indonesia pada publikasi internasional bidang
Kimia ...................................................................................................... 14
Tabel 4. Centrality penulis Indonesia pada publikasi internasional bidang
Kimia berdasarkan area penelitian ......................................................... 16
Tabel 5. Centrality penulis Indonesia pada publikasi internasional bidang
Kimia dengan jumlah artikel lebih dari 1 berdasarkan area
penelitian ................................................................................................ 17
Tabel 6. Centrality institusi Indonesia pada publikasi internasional bidang
Kimia berdasarkan area penelitian ......................................................... 18
Tabel 7. Deskripsi jaringan co-authorship dan jaringan potensi kolaborasi
penelitian pada penulis dan institusi bidang Kimia................................ 20
Tabel 8. Ukuran centrality seluruh penulis ........................................................... 21
Tabel 9. Ukuran centrality penulis dengan lebih dari satu artikel......................... 22
Tabel 10. Ukuran centrality tingkat institusi ......................................................... 22

PENDAHULUAN

Latar Belakang
Ilmu pengetahuan dan teknologi (IPTEK) merupakan kunci untuk dapat
bertahan dalam persaingan di era globalisasi. Oleh sebab itu saat ini Indonesia
terus berusaha meningkatkan daya saing dengan meningkatkan kemampuan
IPTEK nasional. Publikasi internasional merupakan salah satu proxy pengukuran
produktivitas kegiatan ilmiah. Setiap peneliti didorong untuk terus melakukan
publikasi ilmiah sebagai ukuran kinerja dalam melakukan penelitian. Nguyen &
Pham (2011) menyebutkan bahwa berdasarkan data bibliometrik dari Institute of
Scienctific Information (ISI Thomson Reuters) menunjukkan bahwa Indonesia
menyumbang hanya 5% dari total publikasi internasional yang berasal dari
ASEAN. Selain itu Indonesia bersama Filipina merupakan dua Negara dengan
laju pertumbuhan paling kecil dibanding Negara ASEAN lainnya yaitu hanya 8%
per tahun. Hal tersebut sangatlah kecil dibandingkan dengan potensi sumber daya
manusia yang dimiliki oleh Indonesia, dimana Indonesia merupakan Negara
dengan jumlah penduduk paling banyak di ASEAN, yaitu 249,865,631 jiwa
(worldbank.org) meliputi lebih dari 40% jumlah penduduk di ASEAN. Jika
dibandingkan dengan jumlah penduduk di Singapura yang hanya sebanyak
5,399,200 akan tetapi jumlah publikasi Internasional mencakup 45% dari total
publikasi yang dihasilkan oleh Negara ASEAN. Oleh sebab diperlukan sistem
pengelolaan
IPTEK
yang
baik,
salah
satunya
adalah
dengan
mengimplementasikan Scientometrics sebagai cabang ilmu dalam melakukan
pengukuran dan analisis terhadap IPTEK dalam proses pembuatan kebijakan
IPTEK nasional.
Definisi kolaborasi penelitian adalah pekerjaan bersama dari beberapa
peneliti dalam menghasilkan tujuan untuk menghasilkan pengetahuan yang baru
(Katz & Martin, 1997). Kolaborasi penelitian merupakan salah satu cara efektif
dalam meningkatkan kualitas penelitian (Melin & Persson, 1996), meningkatkan
produktivitas penelitian (Katz & Martin, 1997; Lee & Bozeman, 2005) memiliki
dampak penelitian yang lebih luas (Gazni & Didegah, 2011; Sooryamoorthy,
2009). Oleh sebab itu dalam usaha meningkatkan jumlah publikasi penelitian
berskala internasional sangatlah penting untuk mengetahui peta kolaborasi
penelitian yang telah terjadi saat ini. Dalam memahami kolaborasi penelitian, coauthorship merupakan besaran yang bisa digunakan, karena co-authorship
merupakan output dari kolaborasi penelitian.
Analisis social network (ASN) merupakan salah satu alat yang bisa
digunakan dalam studi co-authorship. ASN sendiri berawal pada premis bahwa
hubungan antara aktor sosial dapat digambarkan pada sebuah grafik (Liu et
al.2005). Analisis sosial network telah banyak dilakukan pada berbagai bidang
ilmu (Wasserman & Faust 1994; Scott 2000; Watts 2001; Barabasi 2002; Otte &
Rousseau 2002). Nascimento mengukur aktifitas penulis dengan menggunakan
rata-rata jarak dari panjang path pada grafik yang dihasilkan. Newman (2001)
mengaplikasikan teknik analisis jaringan modern pada studi co-authorship.
Metode Procrustes digunakan dalam penelitian ini untuk membandingkan
dua jaringan sosial dihasilkan. Metode Procrustes dapat memberikan informasi

1

persentase kesamaan antara dua jaringan sosial yang dihasilkan. Dalam hal ini dua
jaringan sosial yang akan dibandingkan adalah jaringan co-authorship dan potensi
jaringan co-authorship berdasarkan area penelitian yang menjadi proxy dari
potensi kolaborasi penelitian.
Pentingnya mengevaluasi kinerja para pelaku ilmiah diperlukan untuk
membangun skenario kebijakan yang tepat untuk Indonesia. Beberapa penelitian
menyinggung co-authorship network di Indonesia terkait dengan penelitiannya
yang membandingkan produktivitas dan pola network yang terjadi pada beberapa
wilayah di dunia seperti yang dilakukan oleh Maier & Van Dijk (2006) dan
Leydesdorff et al. (2013). Berdasarkan data bibliometrika publikasi internasional
penulis Indonesia di Institute of Scientific Information (ISI Thomson Reuters),
bidang Kimia memiliki jumlah publikasi paling banyak dalam lima tahun terakhir.
Hal ini mengindikasikan tingginya intensitas penelitian bidang Kimia di
Indonesia, oleh sebab itu dalam penelitian ini dipilih bidang Kimia sebagai contoh
kasus.

Tujuan Penelitian
Penelitian ini bertujuan untuk mengetahui perbedaan antara jaringan coauthorship penulis Indonesia berdasarkan data publikasi internasional pada bidang
Kimia dengan potensi kolaborasi penelitian antar penulis Indonesia.

TINJAUAN PUSTAKA

Analisis Co-Authorship Networks
Dalam jaringan co-authorship, simpul dihasilkan oleh penulis dari studi
tertentu dan hubungan antar penulis yang tergambarkan dari satu atau dua tulisan
ilmiah yang dihasilkan bersama. Co-authorship dapat menggambarkan keterikatan
sosial yang lebih baik antar peneliti dibandingkan sitasi. Seorang peneliti dapat
mensitasi tulisan peneliti lainnya tanpa harus berinteraksi dengan peneliti tersebut.
(liu et.al 2005), sedangkan biasanya dua atau lebih peneliti yang menghasilkan
tulisan ilmiah bersama harus melalui proses interaksi seperti diskusi. Coauthorship merupakan output dari kolaborasi penelitian. Co-authorship
merupakan indikator penting untuk melihat produktivitas riset, karena data
mengenai co-publication lebih mudah dicari.
Dalam perkembangan teknologi informasi dan komunikasi saat ini, peneliti
dari berbagai belahan dunia dapat saling berinteraksi dengan lebih mudah. Diskusi
yang biasanya dilakukan secara formal dan bertatap muka pun bisa digantikan
dengan adanya email maupun video call. Sehingga dimasa sekarang jaringan yang
bisa dimiliki oleh seorang peneliti pun seharusnya bisa semakin luas. Berbagai
permasalahan penelitian yang semakin kompleks menjadi mudah diselesaikan
dengan dilakukannya kolaborasi penelitian antara beberapa peneliti yang
terkadang berasal dari latar belakang bidang yang berbeda.

2

Salah satu analisis jaringan co-authorship yang paling popular adalah
penelitian oleh Grossman dalam membuat Erdős Number. Paul Erdős merupakan
seorang ilmuan matematika berasal dari Hungaria yang sangat fenomenal, beliau
menghabiskan sebagian besar hidupnya dengan berpindah-pindah bersama
kopernya untuk hidup menumpang dengan rekan sejawatnya yang bersedia untuk
menulis artikel ilmiah bersama dan memberikan ruang untuknya tidur. Seumur
hidupnya Paul Erdős menghasilkan 1525 artikel ilmiah, sangat besar jika
dibandingkan dengan ilmuan matematika lainnya. Dalam Erdős number, Paul
Erdős sendiri memiliki nilai 0, sedangkan orang yang berkolaborasi langsung
dengannya memiliki nilai 1, orang yang berkolaborasi dengan orang yang
memiliki Erdős number sama dengan 1 akan memiliki Erdős number sama dengan
2. Berdasarkan (Castro & Grossman 1999) terdapat 500 orang dengan Erdős
number sama dengan 1 dan hampir 5000 orang dengan Erdős number sama
dengan 2.
Analisis co-authorship sendiri semakin berkembang pesat dengan
berkembangnya digital library. Tomasini (2007) melakukan analisis mengenai
evolusi co-authorship networks dengan Genetic Programming. Beberapa
penelitian juga telah dilakukan untuk melihat network co-authorship seperti yang
dilakukan oleh Mena-Chalco et al. pada tahun 2013 mengenai co-authorship
networks di Brazil, Liu et al. (2005) menggunakan dataset dari beberapa
perpustakaan digital untuk melihat network co-authorship dibeberapa bidang
keilmuan. Hou et al. (2005) melihat struktur jaringan kolaborasi para penulis
pada jurnal Scientometrics sejak tahun 1978 hingga 2004 berdasarkan coauthorship.

Analisis Jaringan Sosial (Social Networks Analysis/SNA)
Wasserman dan Faust (1994) menjelaskan bahwa SNA merupakan metode
untuk menganalisis struktur sosial mengenai berbagai elemen yang terdapat pada
lingkungan sosial yang saling berhubungan. Berbeda dengan analisis sosial
lainnya, SNA menitikberatkan analisisnya pada interaksi antar aktor. Sebelum
menggunakan SNA diperlukan untuk membangun network/grafik yang terdiri atas
node merepresentasikan aktor dan edge merepresentasikan interaksi aktor. Grafik
tersebut biasa disebut sebagai sosiogram, sedangkan matriks yang
menggambarkan hubungan antar aktor disebut sebagai sosiomatriks. Terdapat dua
level penjabaran suatu network, yaitu Global Graph Properties (GGP) dan Single
Actor Properties (SAP). Global Graph Properties menjelaskan karakteristik
jaringan sosial sebagai sebuah kesatuan. Sedangkan Single Actor Properties (SAP)
menitikberatkan pada peranan aktor yang ada dalam jaringan sosial tersebut.
Terdapat dua jenis hubungan yang bisa dijelaskan dalam SNA, yaitu
1. Directional Relations : jenis hubungan “self choices” dimana hubungan
yang terjadi antar aktor merupakan pilihan dari masing-masing aktor dan
tidak berlaku saling berkebalikan, misalkan hubungan pertemanan antara
A dan B. Jika A mengakui B sebagai teman maka belum tentu B akan
mengakui B sebagai temannya. Hubungan ini akan dinotasikan sebagai
garis panah (dengan arah) pada sosiogram. Dalam bentuk notasi matriks
hubungan ini dapat digambarkan sebagai berikut:
3

X: sosiomatriks pertemanan A, B dan C. Jika diketahui bahwa A berteman
dengan B (A  B) , B berteman dengan C (B  C), C berteman dengan A
(CA), dan C berteman dengan B (CB). Jika adanya hubungan bersifat
dikotom maka elemen dari matriks X ( ), dimana i= A,B,C dan j= A,B,C
adalah:

2. Nondirectional Relations : jenis hubungan dimana hubungan para aktor
saling simetris. Contoh hubungan ini adalah hubungan bertetangga sebelah
rumah. Jika A bertetangga sebelah rumah dengan B maka sudah pasti B
bertetangga sebelah rumah pula dengan A. Jenis hubungan ini akan
dinotasikan dengan garis (tanpa panah) pada sosiogram. Dalam bentuk
notasi matris, hubungan ini dapat digambarkan sebagai berikut:
X: sosiomatriks hubungan bertetangga sebelah rumah A, B dan C. Jika
diketahui bahwa A bertetangga sebelah rumah dengan B (A-B dan B-A) ,
B bertetangga sebelah rumah dengan C (B-C dan C-D). Jika adanya
hubungan bersifat dikotom maka elemen dari matriks X ( ), dimana i=
A,B,C dan j= A,B,C adalah:

Dalam SNA, hubungan antar aktor bisa bernilai dikotom dan memiliki nilai.
Hubungan bersifat dikotom maka jika relasi tersebut ada maka bernilai 1 dan jika
tidak ada hubungan maka akan bernilai 0. Relasi juga bisa bernilai sehingga setiap
hubungan antar aktor memiliki nilai yang berbeda, hal ini bisa bernilai kekuatan
hubungan antar aktor, intensitas hubungan atau frekuensi hubungan.

Geodesic Distance
Ukuran yang paling fundamental dalam sosiogram adalah geodesic distance.
Geodesic distance diadopsi dari Graph Theory.Geodesic distance dinotasikan
sebagai
yang artinya adalah geodesic distance antara aktor yang
dilambangkan dengan node,
dan . Geodesic distance adalah jalur terpendek
(shortest path) antara dua aktor, diformulasikan sebagai:
dimana
merupakan elemen dari matriks hubungan (X); i,h,j merupakan
indeks dari aktor-aktor dalam network; dan h adalah aktor perantara dalam
hubungan antara aktor i dan j di sebuah network.
Jika suatu aktor terisolasi atau unreachable atau tidak memiliki hubungan
sama sekali dengan aktor lainnya, maka geodesic distance dari aktor tersebut
invinite atau tidak dapat didefinisikan.
Pada gambar 2.1 merupakan network yang terbentuk antara 5 aktor, yaitu
node 1 ( ), node 2 ( ), node 3 ( ), node 4 ( ) dan node 5 ( ). Hubungan

4

antara
dan
terdapat 2 alur, yaitu - - dan jalur terpendek antara
dan
adalah - - sehingga

-

- . Akan tetapi
=2.

Gambar 1. Geodesic Distances dan diameter grafik

Degree Centrality (DC)
Centrality dalam SNA merupakan salah satu ukuran untuk melihat posisi
suatu aktor/grup dalam suatu sociogram. Actor Degree Centrality merupakan
banyaknya relasi langsung yang dimiliki oleh seorang aktor. Freeman (1979)
menetapkan bahwa
adalah actor-level degree centrality index, dimana:

Closeness Centrality (CC)
Ukuran sentralitas yang lain adalah closeness. Closeness mengukur
kedekatan antar aktor/node. Ide awal dari ukuran ini adalah seorang aktor disebut
sebagai sentral dari sebuah network jika bisa berinteraksi dengan aktor lainnya
dengan lebih mudah dan cepat. Terkait dengan alur informasi, seorang sentral
yang memiliki kedekatan dengan aktor lain maka akan lebih produktif karena
dapat mengakses informasi secara lebih cepat. Terkait dengan problem solving,
seorang sentral yang memiliki kedekatan dengan aktor lain akan memiliki jalur
komunikasi yang lebih pendek sehingga proses penyelesaian masalah akan lebih
efisien. Karena itu closeness lebih menekankan aspek pertimbangan ekonomi.
Closeness menggunakan geodesic untuk mengukur sentralitas seorang aktor.
Actor closeness centrality index dirumuskan sebagai berikut:

dimana g adalah jumlah aktor/node dalam network, dan
distance antara dan .

adalah geodesic

5

Betweenness Centrality (BC)
Interaksi antar 2 atau lebih aktor terkadang bergantung pada aktor lain yang
berada dalam network. Aktor yang menjadi perantara antara 2 atau lebih aktor
seringkali dianggap memiliki peran yang lebih besar dalam alur informasi karena
memegang kontrol atas interaksi antara aktor tersebut. Betweenness seorang aktor
merupakan banyaknya kehadiran seorang aktor dalam geodesic (shortest path)
setiap pasangan aktor lainnya dibandingkan dengan banyaknya jumlah geodesic
pasangan aktor tersebut dalam network. Individu dengan nilai betweenness
tertinggi dianggap sebagai aktor yang paling memegang control atas alur
informasi dalam network. Ukuran actor betwenness centrality index dirumuskan
sebagai berikut:

Dimana
aktor ke-i,

adalah jumlah geodesic antara aktor ke-j dan aktor ke-k melalui
adalah jumlah geodesic antara aktor ke-j dan aktor ke-k.

Analisis Procrustes
Metode Procrustes merupakan analisis statistik yang bertujuan
membandingkan dua konfigurasi titik yang mewakili n unit pengamatan yang
sama (Digby, 1987). Metode yang digunakan dalam analisis ini adalah dengan
mentransformasi salah satu konfigurasi sehingga sedekat mungkin dengan
konfigurasi lainnya. Landasan dari analisis ini adalah sebuah konfigurasi titik
tidak akan berubah walaupun telah dilakukan transformasi pada konfigurasi
tersebut.
Terdapat tiga proses transformasi dalam analisis procrustes, yaitu: translasi,
rotasi sumbu koordinat dan penskalaan. Translasi adalah perpindahan paralel dari
setiap titik pengamatan ke suatu titik asal yang baru untuk mendapatkan sumbu
baru yang sejajar dengan sumbu aslinya. Translasi dapat ditulis sebagai:
dimana, adalah matriks data, adalah matriks translasi dan
matriks data
hasil translasi. Rotasi adalah perputaran titik melalui sumbu koordinat. Rotasi
pada metode procrustes ini dinyatakan sebagai:
dimana, adalah matriks data, adalah matriks rotasi dan
matriks data hasil
rotasi. Sedangkan penskalaan dilakukan jika kedua konfigurasi memiliki skala
yang berbeda (Digby, 1987).
Jika terdapat dua konfigurasi dalam ruang berdimensi r adalah gugus data X
(matriks X) dan gugus data Y (matriks Y), dengan matriks X dibuat tetap dan
matriks Y. Untuk mengukur perbedaan antara kedua titik, analisis procrustes
menggunakan jumlah kuadrat jarak antara titik pada matriks Y dan matriks X.
Pengukuran ini dikenal juga sebagai Procrustes Distance yang dirumuskan
sebagai:

6

Berdasarkan Bachtiar dan Siswadi (2012), translasi yang optimal dapat
dicapai dengan menempatkan centroid kedua matriks konfigurasi pada titik
asalnya. Maka matriks yang telah dilakukan translasi dinotasikan sebagai
dan
. Kemudian analisis Procrustes melakukan rotasi pada
terhadap
dengan
melakukan post multiplying matriks
terhadap matriks orthogonal Q. Tujuannya
adalah untuk meminimalkan
Telah dibuktikan pula bahwa rotasi
optimal akan dicapai dengan menggunakan
, dimana
merupakan
penguraian nilai singular (Singular Value Decomposition) dari matriks
dan .
Kemudian penskalaan dilakukan dengan mengkalikan
dengan suatu scalar
Skalar akan dipilih yang akan meminimalkan
. Dengan melakukan
transformasi optimal diatas maka Procrustes Distanceterendah yang dapat dicapai
adalah

Ukuran kebaikan suai yang digunakan berdasarkan analisis Procrustes adalah

Nilai ukuran kebaikan suai tersebut antara 0 dan 1, jika bernilai 1 artinya kedua
konfigurasi tersebut memiliki ukuran dan bentuk yang sama.

METODE PENELITIAN

Data
Data yang digunakan dalam penelitian ini adalah data publikasi internasional
Indonesia yang didapatkan dari Thomson Reuters (www.webofknowledge.com).
Data yang diambil adalah data publikasi jurnal internasional bagi penulis yang
berasal dari Indonesia dalam kurun waktu lima tahun terakhir (2009-2014). Data
yang dikumpulkan berdasarkan data yang masuk hingga tanggal 23 Juni 2014
yaitu sebanyak 8217 artikel. Data berisi penulis, asal penulis, judul artikel, area
penelitian, Web of Science Category, tipe dokumen hingga sitasi.

Metode Analisis
Penelitian ini meliputi proses entri data, proses penyiapan data dan proses
pengolahan data. Proses entri data dilakukan dengan mengentri data dari
(www.webofknowledge.com) telah dilakukan sejak bulan Juni-Agustus 2014.
Proses penyiapan data merupakan proses pembersihan data terhadap data-data
yang tidak konsisten. Pada tahap penyiapan data dilakukan proses coding ulang
pada nama penulis, alamat penulis, juga proses identifikasi asal institusi penulis.
Biarpun Thomson Reuters telah melakukan proses identifikasi single author ID

7

akan tetapi masih ada beberapa penulis dengan nama penulis yang berbeda
padahal mereka adalah orang yang sama. Hal ini disebabkan karena alamat yang
berbeda atau asal institusi yang berbeda. Selain itu penulisan nama institusi masih
belum ada keseragaman sehingga perlu dilakukan proses re-coding untuk
memberikan nama institusi yang tepat pada setiap penulis.
Area penelitian yang digunakan dalam penelitian ini adalah area penelitian
yang didapatkan dari data research area setiap artikel yang didapatkan dari
Thomson Reuters. Area penelitian setiap artikel ditentukan oleh penulis
berdasarkan cakupan area penelitian yang dimiliki oleh artikel tersebut.
Dalam proses pengolahan data, terdapat beberapa langkah yang perlu
dilakukan, yaitu:
1. melakukan eksplorasi data untuk melihat pola co-authorship di Indonesia
2. mengidentifikasi adanya co-authorship. Jika dua orang penulis memiliki judul
artikel yang sama (menulis bersama dalam 1 artikel) maka adanya hubungan
co-authorship antara kedua penulis tersebut
3. membuat matriks co-authorship, jika terjadi co-authorship antara 2 penulis
maka diberikan kode 1 sedangkan jika tidak terjadi diberikan kode 0
4. membangun jaringan dan menghitung berbagai jenis centrality.
Kemudian dilakukan proses pembangunan jaringan berdasarkan area
penelitian para penulis, tahapannya adalah:
1. melakukan eksplorasi data berdasarkan area penelitian,
2. mengidentifikasi adanya hubungan antar penulis berdasarkan area penelitian
yang sama. Jika dua orang penulis memiliki artikel dengan area penelitian
yang sama maka diidentifikasikan telah terjadi hubungan berdasarkan area
penelitian pada kedua penulis tersebut.
3. membuat matriks hubungan berdasarkan area penelitian, jika terjadi hubungan
berdasarkan area penelitian antara 2 penulis maka diberikan kode 1 sedangkan
jika tidak terjadi diberikan kode 0
4. membangun jaringan sosial dan menghitung berbagai jenis centrality.
Pengolahan data untuk dilakukan dengan menggunakan software NetDraw.
Proses selanjutnya adalah membandingkan kedua jaringan sosial yang
telah dibangun (berdasarkan co-authorship dan area penelitian) dengan Analisis
Procrustes. Misalkan matriks sociogram pertama X berukuran (nxn) dan matriks
sociogram kedua Y berukuran (nxn)
1. Hitung masing-masing matriks yang terkoreksi dengan nilai tengah:
dan
Y
Dimana:
/n ;
/n ;
2. Melakukan penguraian nilai singular:
3. Menentukan nilai eigen dan vector eigen matriks (
)’(
), sehingga
didapatkan matriks eigen L dan matriks vector eigen A.
4. Menghitung matriks

5. Menentukan matriks
6. Melakukan proses penyesuaian penskalaan, yaitu:


Menghitung

8

 Menghitung
7. Menghitung

HASIL DAN PEMBAHASAN

Pola Co-Authorship Networks Indonesia di bidang Kimia
Berdasarkan data yang tersedia di Web of Knowledge, terdapat 450 artikel
dari penulis yang berasal dari Indonesia yang terdaftar pada bidang Kimia. Dari
artikel tersebut terdaftar 2289 penulis yang berasal dari berbagai Negara. Pada
gambar 1 terlihat bahwa sebanyak 812 penulis atau sebesar 35% penulis berasal
dari Indonesia, sedangkan 65% lainnya merupakan penulis yang berasal dari
Negara lain. Jepang adalah Negara asal penulis yang paling banyak yang ikut
terdaftar pada artikel bidang Kimia, yaitu sebanyak 474 penulis (20.7%).
900

1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0

800
700
600
500
400
300
200
100
0

Jumlah Penulis

Distribusi Kumulatif

Gambar 2. Sebaran Asal Penulis pada publikasi ilmiah internasional Indonesia
pada bidang Kimia
Pada Gambar 3 memperlihatkan bahwa mayoritas artikel merupakan hasil
tulisan bersama atau dengan kata lain memiliki jumlah penulis/artikel lebih dari 1.
Mayoritas artikel yaitu 94 artikel (20.89%) merupakan hasil tulisan bersama dari 4
penulis. Sedangkan sebanyak 85 artikel (18.89%) merupakan hasil tulisan
bersama dari 5 orang penulis. Sedangkan hanya 10 artikel (2.22%) merupakan
hasil dari satu orang penulis.

9

Jumlah Artikel

100
90
80
70
60
50
40
30
20
10
0
1

2

3

4

5

6

7

8

9

10

11

Jumlah Penulis dalam Artikel

Gambar 3. Sebaran jumlah penulis dalam satu artikel pada publikasi ilmiah
internasional Indonesia pada bidang Kimia

Lainnya

Malang State Univ

Dexa Labs Biomol Sci

Hasanuddin Univ

Jember Univ

Mataram Univ

Diponegoro Univ

BATAN

Airlangga Univ

Syiah Kuala Univ

Sebelas Maret Univ

Lampung Univ

ITS

Padjajaran State Univ

100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Andalas Univ

IPB

LIPI

UI

ITB

UGM

90
80
70
60
50
40
30
20
10
0

Widya Mandala…

Dari 450 artikel bidang Kimia, terdapat 70 kategori area penelitian yang
dikategorikan oleh Thomson Reuters dan disebut sebagai Web of Knowledge
Category. Mayoritas artikel dikategorikan sebagai Chemistry Multidisciplinary
yaitu sebanyak 91 artikel (20.22%). Dari 812 penulis Indonesia yang terdaftar
terdapat 376 penulis yang menulis artikel dengan orang Indonesia lainnya,
sedangkan yang lain berkolaborasi dengan dengan penulis yang berasal dari luar
Indonesia. Dari 376 penulis Indonesia yang saling berkolaborasi ini berasal dari
berbagai institusi. Terlihat pada Gambar 4, mayoritas penulis berasal dari
perguruan tinggi di Indonesia, yaitu ITB, UGM, UI, IPB dan lainnya.

Gambar 4. Sebaran asal institusi pada publikasi ilmiah internasional Indonesia
pada bidang Kimia

10

Jaringan sosial antar penulis Indonesia yang terbentuk dari data publikasi
Internasional bidang Kimia ini dapat dilihat pada Gambar 5. Terlihat bahwa
terdapat beberapa grup dalam jaringan sosial tersebut, selain itu grup penulis yang
terbentuk terlihat saling terpisah satu dengan lainnya.
Jaringan yang terbentuk untuk penulis Indonesia berdasarkan tulisan pada
jurnal internasional di bidang Kimia pada dasarnya terlihat ada beberapa penulis
yang memiliki peranan besar dalam jaringan yang terjadi. Seorang penulis yang
memiliki peran besar jika dia memiliki ukuran centrality yang baik. Adanya
penulis dengan centrality yang baik biasanya akan membentuk sub-group pada
jaringan yang ada. Tabel 1 menunjukkan bahwa berdasarkan nilai CC pada
dasarnya antar penulis memiliki nilai kedekatan yang tidak jauh berbeda. Ismadji,
S (Ismadji, Suryadi) dan Soetaredjo, FE (Soetaredjo, Felycia Edi) memiliki nilai
DC yang besar yaitu 14, diikuti oleh Ayucitra, A (Ayucitra, Aning) dengan DC
sama dengan 12. Hal ini menunjukkan bahwa Ismadji, S (Ismadji, Suryadi) dan
Soetaredjo, FE (Soetaredjo, Felycia Edi) memiliki hubungan langsung dengan
penulis lainnya paling banyak dibandingkan penulis lain dalam jaringan tersebut.
Berdasarkan nilai BC terlihat bahwa terdapat satu orang penulis yang memiliki
nilai BC jauh lebih besar dibandingkan penulis lainnya, yaitu Wijaya, K (Wijaya,
Karna) dengan nilai BC sebesar 116. Nilai tersebut sangat besar jika dibandingkan
penulis dengan peringkat kedua berdasarkan nilai BC yaitu Narsito (Narsito)
dengan nilai 67. Hal tersebut menunjukkan bahwa Wijaya, K (Wijaya, Karna)
paling banyak berada diantara hubungan 2 penulis atau paling banyak menjadi
penghubung antara dua penulis lainnya.

Gambar 5. Jaringan Sosial antar penulis Indonesia pada publikasi internasional
bidang Kimia
Untuk melihat jaringan antar penulis dengan lebih dalam, dilakukan
pembentukan jaringan untuk penulis dengan jumlah artikel lebih dari 1. Hal ini
dilakukan agar jaringan yang terbentuk akan terlihat dengan lebih sederhana.
Selain itu, hal ini dilakukan juga untuk melihat perbedaan hubungan antar penulis
yang lebih produktif, karena pada jaringan co-authorship penulis yang menulis

11

lebih dari satu artikel biasanya yang memiliki peranan untuk menjadi penghubung
antara penulis yang berbeda.
Tabel 1. Centrality penulis Indonesia pada publikasi internasional bidang Kimia
No Nama Penulis
1

Suryadi Ismadji

2

Felycia Edi
Soetaredjo

3

Aning Ayucitra

4
Edison Munaf
5
Karna Wijaya
6
Is Fatimah
7
Narsito
8
Arif Hidayat
9
Rochmadi
*)
nilai centrality paling baik

Nama Institusi
Widya Mandala Surabaya
Catholic Univ
Widya Mandala Surabaya
Catholic Univ
Widya Mandala Surabaya
Catholic Univ
Andalas Univ
UGM
Islamic Univ Indonesia
UGM
Islamic Univ Indonesia
UGM

DC

CC

BC

14*)

135002

33

14*)

135002

41

12

135004

13

10
10
6
6
5
6

137250
133510*)
133517
133517
133519
133520

25.333
116*)
15
20
37
24

Terdapat 80 penulis yang menulis lebih dari satu artikel dari 376 penulis
Indonesia yang telah dibahas sebelumnya. Dari 80 penulis tersebut terdapat dua
penulis yang tidak memiliki hubungan dengan 78 penulis lainnya dikarenakan
mereka menulis lebih dari satu artikel dengan penulis lain yang hanya memiliki
satu artikel. Gambar 6 menunjukkan bahwa hubungan yang terjadi antar penulis
dengan artikel lebih dari satu tidaklah saling berhubungan dengan baik. Jaringan
yang terbentuk terdiri dari sub-group yang terdiri dari sedikit orang, dan antar
sub-group tidaklah saling berhubungan. Banyak dari penulis yang memiliki artikel
lebih dari satu tetapi pada setiap artikel hanya berkolaborasi dengan penulis yang
sama. Hanya terdapat enam grup penulis yang terdiri dari empat sampai enam
penulis yang saling berhubungan dalam proses menulis lebih dari satu artikel.
Berdasarkan Tabel 2, Ayucitra, A (Ayucitra, Aning), Ismadji, S (Ismadji,
Suryadi), Rahman, A (Rahman, Abdul), Soetaredjo, FE (Soetaredjo, Felycia Edi),
Zaini, NC (Zaini, Noor Cholies), merupakan penulis dengan DC paling besar pada
jaringan penulis dengan lebih dari satu artikel. Para penulis tersebut memiliki nilai
DC sama dengan 5, artinya mereka memiliki hubungan langsung dengan 5 penulis
lainnya. Sedangkan berdasarkan nilai CC terlihat bahwa penulis dalam jaringan
memiliki nilai CC yang tidak berbeda signifikan satu dengan lain. Selain itu
terlihat juga bahwa penulis yang berada dalam grup besar memiliki nilai CC yang
lebih kecil dibandingkan penulis yang tidak berada dalam grup. Sedangkan
berdasarkan nilai BC terdapat beberapa penulis yang berada dalam grup besar
yang memiliki nilai BC besar, yaitu Narsito (Narsito) dan Wijaya K (Wijaya
Karna).

12

Gambar 6. Jaringan Sosial antar penulis Indonesia pada publikasi internasional
bidang Kimia dengan jumlah artikel lebih dari 1
Tabel 2. Centrality penulis Indonesia pada publikasi internasional bidang Kimia
dengan jumlah artikel lebih dari 1
No Nama Penulis
1

Aning Ayucitra

2

Suryadi Ismadji

3
4

Abdul Rahman
Felycia Edi
Soetaredjo
Noor Cholies Zaini
Karna Wijaya
Narsito
Is Fatimah

5
6
7
8
*)
nilai centrality paling baik

Nama Institusi
Widya Mandala Surabaya
Catholic Univ
Widya Mandala Surabaya
Catholic Univ
Airlangga Univ
Widya Mandala Surabaya
Catholic Univ
Airlangga Univ
UGM
UGM
Islamic Univ Indonesia

DC

CC

BC

5*)

6080*)

0.667

5*)

6080*)

0.667

5

*)

6080

*)

1.5

5

*)

6080

*)

0.667

5

*)

*)

1.5
3.5
4*)
1

4
3
3

6080
6081
6082
6082

Selain melihat jaringan co-authorship antar penulis, juga dilakukan analisis
jaringan antar institusi. Hal ini dilakukan karena selain terjadinya hubungan antar
penulis, hubungan yang terjalin antar institusi yang berbeda juga penting. Jika
sebuah artikel ditulis oleh beberapa penulis yang berasal dari institusi yang
berbeda artinya kolaborasi antar penulis pada artikel tersebut dapat dikatakan
lebih baik dibandingkan jika suatu artikel ditulis oleh beberapa penulis dari
institusi yang sama. Pemerintah Indonesia dalam upaya untuk meningkatkan
produktivitas penelitian dalam negeri juga menganjurkan untuk dilakukannya
penelitian lintas institusi. Dengan terjadinya penelitian lintas institusi diharapkan
terjadi arus pengetahuan yang lebih efektif dalam proses pengembangan IPTEK
nasional.

13

Gambar 7. Jaringan Sosial antar institusi Indonesia pada publikasi internasional
bidang Kimia
Tabel 3. Centrality institusi Indonesia pada publikasi internasional bidang Kimia
No Nama Institusi
1
UGM
2
ITB
3
LIPI
4
UI
5
IPB
6
Malang State Univ
7
Padjajaran State Univ
8
Sebelas Maret Univ
9
Pancasila Univ
10 Christian Univ
11 Indonesia Univ Educ
12 Islamic Univ Indonesia
13 BPPT
14 Bengkulu Univ
*)
nilai centrality paling baik

DC

CC

BC

*)

*)

195*)
131
124.5
78.5
96
27
52
27
27
0
67
0
0
27

12

7
7
5
4
3
3
3
3
2
2
2
2
2

2104
2116
2104
2110
2115
2140
2137
2120
2120
3660
2116
2122
2123
2162

Sebanyak 376 penulis dalam jaringan berasal dari 80 institusi yang berbeda.
Institusi tersebut terdiri dari universitas, lembaga penelitian pemerintah, lembaga
penelitian selain pemerintah, badan usaha milik Negara (BUMN) dan sektor
bisnis. Jaringan institusi yang terjadi pada publikasi internasional di bidang Kimia
ditampilkan pada Gambar 7. Jaringan antar institusi membentuk satu grup besar
yang terdiri dari universitas-universitas besar di Indonesia, lembaga riset
pemerintah serta beberapa perusahaan bisnis. Selain itu terdapat beberapa grupgrup kecil lainnya yang terdiri dari 2 hingga 4 institusi yang saling berhubungan
tetapi tidak memiliki hubungan sama sekali dengan salah satu anggota pada grup
14

besar dalam jaringan. Selain itu terdapat 12 institusi yang tidak saling
berhubungan sama sekali dengan institusi lainnya.
Universitas Gajah Mada (UGM) merupakan institusi yang sangat menonjol
dalam jaringan institusi tersebut. Pada Tabel 3 menunjukkan bahwa UGM
memiliki nilai DC dan BC paling besar serta nilai CC paling kecil diantara
institusi lainnya dalam jaringan. Hal ini menunjukkan bahwa UGM selain menjadi
institusi yang paling banyak memiliki hubungan langsung dengan institusi
lainnya, juga sebagai institusi yang paling banyak berada diposisi antara dua
institusi dan menjadi institusi yang memiliki jarak paling dekat dengan institusi
lainnya. Selain itu LIPI sebagai salah satu lembaga penelitian utama di Indonesia
memiliki peranan yang cukup penting dalam jaringan tersebut. Selain itu
walaupun ITB memiliki nilai DC yang lebih besar dibandingkan LIPI, akan tetapi
LIPI memiliki nilai CC dan BC yang lebih baik dibandingkan ITB. LIPI juga
selalu menduduki peringkat 3 besar dalam ketiga nilai centrality yang ada.
Potensi Kolaborasi Penelitian Indonesia di bidang Kimia berdasarkan Area
Penelitian
Jaringan potensi kolaborasi berdasarkan area penelitian (Gambar 8) terlihat
jauh berbeda dengan Gambar 5. Potensi jaringan sosial antar penulis berdasarkan
area penelitian menunjukkan terdapat beberapa grup besar yang terdiri dari
banyak penulis dalam jaringan tersebut walaupun antar grup besar tersebut masih
belum terdapat hubungan. Jaringan sosial antar penulis dengan berdasarkan
hubungan area penelitian yang sama memiliki jumlah hubungan antar penulis
yang lebih banyak dibandingkan dengan jaringan sosial antar penulis berdasarkan
co-authorship.
Hasil analisis centrality pada jaringan penulis berdasarkan area penelitian
juga berbeda dengan hasil centrality pada jaringan co-authorship yang telah
dijelaskan sebelumnya. Pada Tabel 4, terlihat bahwa pelaku utama jaringan adalah
Narsito (Narsito). Narsito (Narsito) memiliki nilai DC yang paling besar yaitu
160, dengan nilai CC paling kecil yaitu 30155 dan nilai BC paling besar yaitu
17964,037.
Beberapa hal menarik pada jaringan ini adalah adanya beberapa penulis
yang memiliki nilai DC dan CC yang baik maka nilai BC yang rendah, begitupula
sebaliknya. Indrayanto G (Indrayanto Gunawan) dan Kuswandi B (Kuswandi
Bambang) merupakan penulis dengan nilai DC dan CC yang rendah akan tetapi
nilai BC sangat tinggi, artinya walaupun mereka tidak memiliki hubungan
langsung yang banyak dengan penulis lainnya, akan tetapi mereka banyak
menjadi perantara antara 2 atau lebih penulis lainnya dalam berhubungan. Dalam
hal ini disebabkan mereka telah menulis lebih dari satu artikel dan memiliki area
penelitian artikel tersebut tidak sama, sehingga mereka bisa menghubungan
peneliti dengan area penelitian yang berbeda.

15

Gambar 8. Jaringan Sosial antar penulis Indonesia pada publikasi internasional
bidang Kimia berdasarkan area penelitian
Tabel 4. Centrality penulis Indonesia pada publikasi internasional bidang Kimia
berdasarkan area penelitian
No Nama Penulis
1
Narsito
2
Dwi Siswanta
3
4
5
6
7
8

Carolus
B.Rasrendra
Is Fatimah
Karna Wijaya
Salprima S.Yudha
Gunawan
Indrayanto
Bambang
Kuswandi

Nama Institusi

DC

CC

BC

*)

*)

*)

138
137
137
132

30254
30230
30230
30235

3679
1515.181
1515.181
1847.998

Airlangga Univ

50

30344

7143.5

Jember Univ

44

30350

5184.5

UGM
UGM
ITB
Islamic Univ Indonesia
UGM
Bengkulu Univ

160
142

30155
17964.037
30226
4352.119

*)

nilai centrality paling baik

Jaringan sosial berdasarkan area penelitian bagi penulis dengan jumlah
artikel lebih dari satu disajikan dalam Gambar 9. Pada gambar tersebut terlihat
bahwa terdapat 4 area penelitian yang terpisah dari kumpulan grup besar penulis.
Dan terdapat 1 grup besar yang terdiri atas penulis dengan area penelitian yang
berbeda-beda. Area penelitian yang tidak saling berhubungan adalah Chemistry,
Applied; Materials Science, Textiles;Chemistry, Inorganic & Nuclear; Nuclear
Science & Technology; Radiology, Nuclear Medicine & Medical Imaging,
Chemistry, Applied; Food Science & Technology; Nutrition & Dietetics, dan
Chemistry, Multidisciplinary; Nanoscience & Nanotechnology; Materials
Science, Multidisciplinary; Physics, Applied; Physics, Condensed Matter.

16

Gambar 9. Jaringan Sosial antar penulis Indonesia pada publikasi internasional
bidang Kimia dengan jumlah artikel lebih dari 1 berdasarkan area penelitian
Tabel 5. Centrality penulis Indonesia pada publikasi internasional bidang Kimia
dengan jumlah artikel lebih dari 1 berdasarkan area penelitian
No
1
2
3
4
5
6
7
8

Nama Penulis
Narsito
Is Fatimah
Karna Wijaya
Dwi Siswanta
A.Patriati
Gunawan
Indrayanto
Bambang
Kuswandi
Felycia Edi
Soetaredjo

Nama Institusi
UGM
Islamic Univ Indonesia
UGM
UGM
BATAN
Airlangga Univ
Jember Univ
Widya Mandala
Surabaya Catholic Univ

DC

CC

BC

*)

40
36
36
33
33

*)

1305
1324
1324
1327
1332

973.667*)
99.667
99.667
67
30

16

1339

568.5

8

1347

172.5

14

1350

132

*)

nilai centrality paling baik

Pada Tabel 5 terlihat bahwa Narsito (Narsito) merupakan aktor sentral
dalam jaringan social potensi kolaborasi penelitian, berdasarkan nilai DC, CC dan
BC. Hal ini menunjukkan bahwa Narsito (Narsito) memiliki nilai DC terbesar, CC
terkecil dan BC paling besar. Akan tetapi Indrayanto G (Indrayanto Gunawan),
Kuswandi B (Kuswandi Bambang) dan Soetaredjo FE (Soetaredjo Felycia Edi)
memiliki nilai BC yang besar walaupun nilai DC dan CC mereka relatif kurang
baik dibandingkan penulis lain. Hal ini karena mereka banyak menjadi perantara
antar penulis dengan area penelitian yang berbeda. Hal ini juga menunjukkan
bahwa walaupun mereka tidak banyak memiliki hubungan langsung dengan
penulis lain serta memiliki jarak yang relatif jauh akan tetapi mereka menulis
dengan orang berbeda dan artikel yang ditulis memiliki area penelitian yang
berbeda.

17

Gambar 10. Jaringan Sosial antar institusi Indonesia pada publikasi internasional
bidang Kimia berdasarkan area penelitian
Tabel 6. Centrality institusi Indonesia pada publikasi internasional bidang Kimia
berdasarkan area penelitian
No Nama Institusi
1
UI
2
ITB
3
UGM
4
Syiah Kuala Univ
5
Sebelas Maret Univ
6
Padjajaran State Univ
7
LIPI
8
IPB
9
Riau Univ
10 BATAN
11 Jember Univ
*)
nilai centrality paling baik

DC

CC

*)

*)

48
46
45
41
41
40
40
39
35
35
14

BC

254
189.186
258 238.573*)
257
131.296
263
64.677
261
103.024
262
71.264
264
80.333
263
63.914
269
15.276
269
25.586
292
115.829

Jika dilihat pada level institusi, antar institusi di Indonesia pada bidang
Kimia berdasarkan area penelitian adalah saling berhubungan dengan cukup baik,
walaupun terdapat 3 institusi yang tidak memiliki hubungan sama sekali yaitu
Agcy Marine& Fisheries Res, Nucl Technol Ctr Mat & Radiometry dan Res &
Dev Ctr Mineral & Coal Technol. Ketiga institusi ini merupakan institusi yang
menulis pada satu area penelitian dan tidak ada institusi lain yang menulis dengan
area penelitian tersebut. Agcy Marine& Fisheries Res berada pada area penelitian
Chemistry, Multidisciplinary; Oceanography; Nucl Technol Ctr Mat &
Radiometry pada area penelitian Chemistry, Analytical; Chemistry, Inorganic &
Nuclear; Nuclear Science & Technology dan Res & Dev Ctr Mineral & Coal
18

Technol berada pada area penelitian Chemistry, Applied; Energy & Fuels;
Engineering, Chemical.
Tiga universitas negeri menjadi tokoh sentral dalam jaringan antar institusi
berdasarkan area penelitian yaitu UI, ITB dan UGM. Ketiga universitas tersebut
memiliki nilai centrality yang paling baik dibandingkan institusi lainnya. Hanya
dua lembaga litbang pemerintah yang masuk dalam jajaran 10 besar, yaitu LIPI
dan BATAN. Universitas Jember memiliki nilai BC yang cukup baik (berada pada
peringkat 4) padahal berdasarkan nilai DC dan CC-nya tidak masuk dalam jajaran
10 besar. Hal ini menunjukkan dalam bidang Kimia, ketiga institusi ini memiliki
potensi terbesar dalam membangun potensi co-authorship di Indonesia di bidang
Kimia.
Perbandingan Jaringan Co-Authorship dan