Abstrak
Penelitian ini menyajikan kerangka teoretis Social Network Analysis (SNA) dan social capital dalam sosiologi bencana untuk literasi siswa SMA N 1 Jakenan. SNA memetakan aktor (simpul) dan ikatan (garis hubungan) yang memediasi resiliensi komunitas terhadap banjir, dengan fokus pada bonding, bridging, dan linking social capital melalui fase respons, recovery, dan adaptasi. Kerangka ini diadaptasi dari Putti et al. (2023) untuk penelitian lapangan di Karangrowo, Pati.
1. Pendahuluan
Sosiologi bencana mempelajari interaksi sosial dalam mengelola risiko bencana alam seperti banjir, gempa, dan longsor. Social Network Analysis (SNA) dan social capital menjadi pendekatan kunci untuk memahami resiliensi komunitas (Aldrich, 2012). SNA mengukur pola hubungan antaraktor sosial yang memengaruhi persepsi risiko, sementara social capital menjelaskan "kekayaan sosial" berupa kepercayaan, norma gotong royong, dan jaringan yang mempercepat pemulihan pasca-bencana (Putnam, 2000).
Penelitian ini bertujuan menyajikan kerangka teoritis lengkap untuk literasi siswa SMA N 1 Jakenan dalam rangka penelitian adaptasi banjir di Desa Karangrowo, Pati, melanjutkan studi kearifan lokal pranata banjir.
2. Landasan Teori
2.1 Social Network Analysis (SNA)
SNA adalah metode kuantitatif-kualitatif untuk memvisualisasikan dan mengukur struktur jaringan sosial (Wasserman & Faust, 1994). Dalam sosiologi bencana, SNA mengidentifikasi:
Simpul (nodes): Aktor sosial (individu, kelompok, instansi)
Ikatan (ties): Hubungan bantuan, informasi, atau dukungan emosional
Centrality measures: Degree (jumlah koneksi), betweenness (posisi strategis), closeness (akses cepat)
Aldrich (2012) menunjukkan bahwa masyarakat dengan centrality tinggi (misalnya tetangga sentral) pulih lebih cepat pasca-bencana karena mobilisasi sumber daya efektif.
2.2 Social Capital
Social capital merujuk pada jaringan kepercayaan dan norma timbal balik yang memfasilitasi koordinasi aksi kolektif (Putnam, 2000). Dalam bencana, Woolcock dan Narayan (2000) membedakan tiga jenis:
| Jenis Social Capital | Karakteristik | Contoh dalam Bencana | Fase Dominan |
|---|---|---|---|
| Bonding | Ikatan kuat dalam kelompok homogen | Gotong royong tetangga angkat barang banjir | Respons, Adaptasi |
| Bridging | Ikatan lemah lintas kelompok | LSM berikan makanan pasca banjir | Recovery |
| Linking | Hubungan vertikal dengan otoritas | BPBD sediakan tenda pengungsian | Recovery |
3. Integrasi Teori dengan Disaster Cycle
Disaster cycle terdiri dari tiga fase utama (Alexander, 2013): respons (evakuasi akut), recovery (pemulihan fisik/ekonomi), dan adaptasi (perubahan struktural perilaku). Setiap fase didominasi jenis social capital berbeda:
3.1 Fase Respons (0-72 jam)
Dominan: Bonding social capital
Aktor: Tetangga dekat (strong ties, Granovetter, 1973)
SNA Metrics: Degree centrality tinggi (Dewi: degree 5)
Perilaku: Angkat elektronik, evakuasi malam hari, tempatkan barang aman
Dampak: Persepsi risiko rendah karena "ada yang bantu"
3.2 Fase Recovery (72 jam - 3 bulan)
Dominan: Bridging dan linking social capital
Aktor: Pemerintah (BPBD, betweenness 672.327), LSM nelayan[ppl-ai-file-upload.s3.amazonaws]
SNA Metrics: Betweenness centrality pemerintah tertinggi
Perilaku: Bersihkan puing, distribusi logistik, tenda pengungsian
Dampak: Fokus logistik > trauma psikologis
3.3 Fase Adaptasi (3 bulan+)
Dominan: Bonding dan bridging
Aktor: Tetangga dekat/jauh (reciprocity tinggi)
SNA Metrics: Mutual edges (timbal balik gotong royong)
Perilaku: Elevasi lantai, buat balek, drainase komunal
Dampak: Place attachment kuat, migrasi nol
4. Mekanisme Pengaruh terhadap Persepsi Risiko
Persepsi risiko (Bubeck et al., 2012) menurun melalui jalur mediasi:
Social Network → Social Capital → Risk Perception → Keputusan Bertahan
Word Cloud dari NVivo 12 menunjukkan "neighbor", "comfortable", "gotong royong" dominan, menekan persepsi bahaya meski area diprediksi tenggelam 2050. Hipotesis: Social capital intensity berbanding terbalik dengan perceived flood risk.
5. Aplikasi Penelitian Siswa SMA N 1 Jakenan
5.1 Desain Penelitian
Populasi: 30 warga Desa Karangrowo rawan banjir + 2 ketua RW
Metode: Wawancara mendalam (30-50 menit), purposive sampling
Instrumen: Pedoman wawancara 4 cluster (respons/recovery/adaptasi/risiko)
5.2 Prosedur Analisis Manual Siswa
Mapping Aktor: Tulis nama tetangga/instansi di kertas
Gambar Sociogram: Hubungkan garis berdasarkan "Siapa bantu siapa?"
Hitung Centrality:
Degree: Jumlah garis per simpul
Betweenness: Hitung jalur terpendek lewat simpul X
Klasifikasi Ikatan: Bonding (tetangga), bridging (LSM), linking (pemerintah)
Interpretasi: Bandingkan Karangrowo vs Pluit[ppl-ai-file-upload.s3.amazonaws]
Contoh Sociogram Manual:
[Tetangga A] ←→ [Tetangga B] (bonding, mutual) ↓ [BPBD] (linking, degree tinggi)
6. Hipotesis Penelitian
H1: Bonding social capital lebih dominan di Karangrowo (rural) daripada Pluit (urban)
H2: Social capital intensity berbanding terbalik dengan intensi migrasi
H3: Betweenness centrality pemerintah lebih tinggi di recovery phase
Daftar Pustaka
Aldrich, D. P. (2012). Building resilience: Social capital in post-disaster recovery. University of Chicago Press. https://doi.org/10.7208/chicago/9780226012896.001.0001[ppl-ai-file-upload.s3.amazonaws]
Alexander, D. (2013). Resilience and disaster risk reduction: An etymological journey. Natural Hazards and Earth System Sciences, 13(11), 2707-2716. https://doi.org/10.5194/nhess-13-2707-2013
Bubeck, P., Botzen, W. J. W., & Aerts, J. C. J. H. (2012). A review of risk perceptions and other factors that influence flood mitigation behavior. Risk Analysis, 32(9), 1481-1495. https://doi.org/10.1111/j.1539-6924.2011.01783.x[ppl-ai-file-upload.s3.amazonaws]
Granovetter, M. S. (1973). The strength of weak ties. American Journal of Sociology, 78(6), 1360-1380.
Putnam, R. D. (2000). Bowling alone: The collapse and revival of American community. Simon & Schuster.
Putti, H. M. D. M., Shalih, O., Mardiah, A. N. R., & Abandhika, F. (2023). Risk perception in facing post-disaster of Rob flood in North Jakarta coastal using social network approach. The Journal of Indonesia Sustainable Development Planning, 4(2), 159-172. https://doi.org/10.46456/jisdep.v4i2.443[ppl-ai-file-upload.s3.amazonaws]
Wasserman, S., & Faust, K. (1994). Social network analysis: Methods and applications. Cambridge University Press. https://doi.org/10.1017/CBO9780511813948
Woolcock, M., & Narayan, D. (2000). Social capital: Implications for development theory, research, and policy. The World Bank Research Observer, 15(2), 225-249. https://doi.org/10.1093/wbro/15.2.225
Posting Komentar
0Komentar