PROSIDING SEMINAR NASIONAL. Perkembangan Riset dan Teknologi di Bidang Industri Ke-19 ISBN:

PROSIDING

SEMINAR NASIONAL Perkembangan Riset dan Teknologi di Bidang Industri Ke-19 ISBN: 978-979-95620-9-8 Kantor Pusat Fakultas Teknik UGM Yogyakarta, 4 Juni 2013

Pusat Studi Ilmu Teknik Jurusan Teknik Mesin dan Industri Jurusan Teknik Kimia Fakultas Teknik Universitas Gadjah Mada

Prosiding Seminar Nasional Perkembangan Riset dan Teknologi di Bidang Industri ke 19

Editor: 1. Dr. Ir. Aswati Mindaryani, MSc. 2. Prof. Dr. Ing. Ir. Harwin Saptoadi, MSE 3. Dr. Ir. Rini Dharmastiti, MSc 4. Ir. Suprihastuti SR, MSc. 5. Prof. Dr. Ir. Rochmadi, SU 6 . Dr. Ir. I Made Suardjaja, MSc, PhD 7. Dr. Ir. Hary Sulistyo, SU 8. Dr. Ir. Sarto, MSc 9. Dr. M. Noer Ilman, ST, MSc 10. Dr. M.K. Herliansyah, ST, MT

Prosiding Seminar Nasional Perkembangan Riset dan Teknologi di Bidang Industri ke 19 © 2013, Jurusan Teknik Mesin dan Industri, Jurusan Teknik Kimia,Fakultas Teknik, Pusat Studi Ilmu Teknik, Universitas Gadjah Mada – Yogyakarta IISBN : 978-979-95620-9-8 Alamat : Pusat Studi Ilmu Teknik UGM Jl. Teknika Utara, Barek, Kampus UGM, Yogyakarta 55281 Telpon : (0274) 565834, 902287 Fax : (0274) 565834 E-mail : [email protected]

ISBN : 978-979-95620-9-8

| ii

Prosiding Seminar Nasional Perkembangan Riset dan Teknologi di Bidang Industri ke 19

PERPINDAHAN KALOR DAN MASSA 1

2

3

4

Mass Transfer Model for Basic Blue Adsorption onto Pillared Bentonite Clay Using Langmuir Equilibrium and Taking into Account Liquid and Surface Diffusion Hadiatni Rita Priyantini, Wahyudi Budi Sediawan, Rochmadi and Imam Prasetyo Evaluasi Teknis Separator Uap dan Pengaturan Temperatur Pada Mesin Pengering kayu di Industri Pengolahan Kayu PT. Triowira Kalimantan. Mamat Penggantian Purge gas Recovery unit (PGRU) berbasis Teknologi Cryogenic menjadi berbasis Teknologi Membran di Pabrik Amoniak Pusri IV Muhammad Natsir Hakiki, Ferlyn Fachlevie, Yusman Arullah Evaluasi Unjuk Kerja Pengering Hasil Pertanian Bawang Merah dengan Sistem Pemanfaatan Energi Terpadu Matahari dan Angin Samsul Kamal

PKM – 1

PKM – 9

PKM – 15

PKM – 20

TEKNIK INDUSTRI 1

2

3 4

5

6

7

Model Prediksi Kesuksesan Produk Dengan Pertimbangan Pengaruh Kemudahan Inovasi Ana Yunita Masura, Subagyo, dan Fitri Trapsilawati Korelasi Variabel Competitive Priorities dengan Keunggulan Bersaing Industri Di Provinsi Gorontalo Iwan Inrawan Wiratmadja, Trifandi Lasalewo Karakterisasi Jaringan Sosial Difusi Teknologi Gadget Khairunnisa dan Bertha Maya Sopha Pengukuran Brand dan Inovasi Untuk Prediksi Nilai Intangible Pada Penentuan Harga Produk Reza Bayu Kurniawan dan Subagyo Peningkatan Efisiensi Pabrik Amoniak dan Urea di PT Pupuk Indonesia (Persero) Sigit Abdurrakhman Pembuatan Perangkat Lunak Guna Otomatisasi Penggunaan Control Chart Wilhelmus Abisatya Pararta, dan Hari Agung Yuniarto Pengembangan Framework dan Standard Operating Procedure (SOP) Perencanaan Turnaround Maintenance Berbasis Project Management Zoelverdi Yustian Putra dan Hari Agung Yuniarto

ISBN : 978-979-95620-9-8

TI – 1

TI – 7

TI – 13 TI – 19

TI – 25

TI – 31

TI – 36

| vii

Prosiding Seminar Nasional Perkembangan Riset dan Teknologi di Bidang Industri ke 19 TEKNIK INDUSTRI

Karakterisasi Jaringan Sosial Difusi Teknologi Gadget Khairunnisa* dan Bertha Maya Sopha Jurusan Teknik Mesin dan Industri, Fakultas Teknik Universitas Gadjah Mada J1. Graflka No.2, Yogyakarta 55281 *E-mail: [email protected] Intisari Jaringan sosial merupakan salah satu faktor terpenting yang menentukan kecepatan penyebaran suatu teknologi karena keputusan adopsi suatu produk dipengaruhi juga oleh individu lainnya. Penelitian ini bertujuan untuk mengkarakterisasi jaringan sosial difusi teknologi gadget yang berupa smartphones dan tablet PC. Pengambilan data empiris tentang jaringan sosial dilakukan melalui kuesioner yang disebarkan pada responden mahasiswa Teknik Industri UGM dan diperoleh response rate sebesar 96%. Data empiris kemudian diolah dan dianalisa dengan bantuan perangkat lunak Pajek untuk menghasilkan visualisasi jaringan dan karakterisasi jaringan sosial dengan mengukur average path length dan clustering coefficient. Dari hasil analisa diperoleh bahwa jaringan sosial difusi teknologi gadget memiliki nilai average path length sebesar 6,58 dan clustering coefficient sebesar 0,14. Berdasarkan hasil karakterisasi tersebut, jaringan sosial teoritis yang berpotensi merepresentasikan jaringan sosial difusi teknologi gadget yaitu jaringan small-world. Kata kunci: jaringan sosial, teknologi, gadget, average path length, clustering coefficient

1.

Pendahuluan

Teknologi berevolusi dari waktu ke waktu. Perkembangan teknologi tersebut akan memberikan dampak terhadap manusia sebagai pemakai teknologi itu. Selain perkembangannya, satu hal lagi yang perlu diperhatikan dari suatu teknologi adalah penyebarannya. Teknologi menyebar melalui cara-cara yang berbeda. Hal ini dipengaruhi oleh nilai-nilai yang terdapat pada teknologi itu sendiri dan juga latar belakang masyarakat penerima inovasi tersebut. Menurut Kuandykov (2010), pengambilan keputusan dalam pengadopsian suatu produk dipengaruhi oleh faktor internal yaitu personal preference, pengalaman dan komunikasi interpersonal, dan faktor eksternal yaitu media massa dan iklan. Individu dalam suatu jaringan sosial memiliki kecenderungan yang berbeda untuk mempertimbangkan pengaruh eksternal (misalnya, media massa) dan kontak interpersonal dalam mengambil keputusan tentang mengadopsi suatu inovasi. Mekanisme yang mendasari teori difusi adalah komunikasi sosial, dimana ada kemungkinan efek fundamental pada difusi yang berkaitan dengan bagaimana struktur sistem sosial (Bohlmann, 2010). Seperti yang kita ketahui, tidak semua orang dapat menerima perubahan ataupun hal baru dengan mudah. Ada beberapa faktor yang mempengaruhi adopsi terhadap teknologi baru, antara lain nilai positif yang terkandung pada teknologi itu, tingkat pengetahuan dari orang tersebut, media yang digunakan sebagai sarana penyebar inovasi, dan yang paling penting adalah adanya persepsi kebutuhan akan teknologi tersebut (Romadlan, 2011). Seseorang yang mengadopsi sebuah inovasi akan menyebarkan inovasi tersebut ke jaringan sosial di sekitarnya, sehingga sebuah inovasi bisa secara luas diadopsi oleh masyarakat. Penyebaran suatu teknologi sangat dipengaruhi oleh proses penyampaian dari suatu individu ke individu lain melalui hubungan sosial yang mereka miliki. Hal ini menunjukan bahwa dalam pengadopsian suatu produk oleh seorang konsumen dipengaruhi oleh konsumen lainnya, seperti yang diungkapkan Janssen & Jager (2010) bahwa tidak mudah bagi konsumen untuk mengadopsi suatu teknologi karena keputusan pengadopsian seorang konsumen dipengaruhi juga oleh konsumen lainnya. Sehingga untuk mempercepat proses difusi teknologi, pihak terkait harus menentukan strategi yang sesuai dengan struktur jaringan sosial pengadopsinya. Oleh karena itu, dirasa perlu untuk mengetahui karakter dan struktur jaringan sosial difusi suatu teknologi. Tujuan dari penelitian ini adalah mengkarakterisasi jaringan sosial difusi teknologi gadget. Manfaat penelitian ini adalah untuk memberikan gambaran struktur jaringan sosial yang ada di dalam difusi teknologi gadget sehingga informasi tersebut dapat digunakan untuk memprediksi kecepatan difusi teknologi gadget.

ISBN : 978-979-95620-9-8

|TI - 13


Penelitian terdahulu mengenai jaringan sosial dalam penyebaran teknologi dilakukan oleh Valente (1996), Clatech (2006) dan Troshani (2007). Valente (1996) sebagai salah satu contoh kajian empiris yang mempelajari threshold dalam jaringan sosial dalam penyebaran inovasi, sedangkan Caltech (2006) membahas threshold jika muncul titik kritis dalam adopsi, lalu Troshani (2007) menganalisis pemangku kepentingan dalam jaringan sosial dan difusi inovasi. Dalam proses penyebaran inovasi, threshold berperan sebagai salah satu penjelasan untuk kesuksesan atau kegagalan dari difusi inovasi. Threshold didefinisikan sebagai proporsi dari adopters dalam jaringan personal suatu individu (Valente, 1996). Pada penelitiannya, Valente (1996) menciptakan model threshold berdasarkan berdasarkan kategori adopters milik Ryan and Gross (1943) yaitu early adopters, early majority dan later majority. Pembahasan mengenai threshold dari sisi yang berbeda dilakukan oleh Caltech (2006) yang menganalisis model difusi dalam jaringan sosial dimana responden berkoneksi berdasarkan sebuah undirected graph (jaringan) dan memilih satu di antara dua tindakan yaitu mengadopsi suatu teknologi atau tidak. Pemilihan salah satu tindakan ini bergantung dari berapa banyak tetangga yang dimiliki, tindakan mana yang dipilih oleh tetangga, serta biaya dan parameter manfaat. Sedangkan Troshani (2007) melakukan penelitian yang bertujuan untuk memanfaatkan pemangku kepentingan dan teori jaringan sosial untuk mengevaluasi masalah. Dengan bukti kualitatif empiris yang diperoleh melalui wawancara digunakan untuk mengidentifikasi para pemangku kepentingan. Hal ini membantu mengenali masing-masing potensi pemangku kepentingan untuk difusi inovasi jaringan, dan menggunakannya efek mereka berdasarkan ciri khasnya masing-masing. Secara keseluruhan, informasi ini dapat membantu dalam merancang adopsi yang proaktif dan strategi difusi untuk inovasi jaringan. 2.

Metode Penelitian

Metode penelitian ini menggunakan pendekatan empiris. Tahapan dalam penelitian ini dimulai dengan studi literatur yang berhubungan dengan jaringan sosial dan teori difusi inovasi untuk merancang instrument kuesioner yang digunakan dalam pengambilan data empiris berupa ketertarikan responden terhadap gadget, pengaruh jaringan sosial terhadap pengadopsian suatu gadget, hubungan antarresponden dalam jaringan, dan pengaruh jaringan sosial terhadap pengadopsian teknologi gadget. Dalam penelitian ini, studi kasus yang diangkat adalah teknologi berupa gadget, yaitu smart-phone dan tablet PC. Jaringan sosial yang akan diangkat merupakan jaringan sosial tertutup dimana hanya hubungan antar-anggota di dalam jaringan tersebut yang dianalisis. Responden adalah komunitas mahasiswa Teknik Industri UGM dengan total jumlah 148 orang, sehingga response rate yang diperoleh sebesar 96%.

Jenis kelamin

Umur Gambar 1. Profil Responden

Analisa data dilakukan dengan dua tahap. Pertama, hubungan antar-responden dalam jaringan sosial divisualisasikan dan kemudian dikarakterisasi dengan perangkat lunak Pajek. Karakteristik jaringan sosial yang akan dianalisis adalah koefisien average path length (APL) dan clustering coefficient (CC). Average path length adalah rata-rata panjang jalur yang dihitung dengan mencari jarak terpendek antara semua pasangan simpul (responden), menambahkan semuanya, dan kemudian membaginya dengan jumlah total pasangan simpul (responden). Average path length menunjukkan rata-rata jumlah langkah yang dibutuhkan untuk menjangkau seorang anggota dari anggota lain dalam jaringan. Besarnya APL adalah berkisar 0 sampai tak hingga. Sedangkan clustering coefficient adalah ukuran dari “all-my-friend-know-each-other”. Lebih tepatnya, clustering coefficient suatu simpul ISBN : 978-979-95620-9-8

|TI - 14


adalah rasio dari jumlah garis yang menghubungkan neighbors dari simpul satu sama lain dengan jumlah maksimum dari garis tersebut. Besarnya CC berkisar antara 0-1 dengan 0 berarti tidak ada pengelompokan dan 1 berarti semua responden berkelompok. Pada keseluruhan jaringan, clustering coefficient adalah rata-rata clustering coefficient semua simpul. Kedua, berdasarkan hasil karakterisasi di atas dilakukan estimasi struktur jaringan sosial teoritis yang berpotensi merepresentasikan jaringan sosial aktual difusi teknologi gadget. 3. Hasil dan Pembahasan Hasil analisa dibagi menjadi dua bagian, yaitu karakterisasi jaringan sosial dan identifikasi struktur jaringan teoritis. Karakterisasi jaringan dimulai dengan memetakan direct neighbors responden 1 hingga responden 148. Teman-teman responden yang berhubungan langsung didalam jaringan sosial disebut dengan direct neighbors dan anggota jaringan sosial yang lain yang tidak berkoneksi langsung dengan responden dikenal disebut dengan indirect neighbors. Setiap responden dan hubungan antar-responden akan divisualisasikan ke dalam suatu gambar, dimana responden akan divisualisasikan sebagai simpul, dan hubungan antar-responden digambarkan sebagai garis (lihat Gambar 2). Dalam jaringan sosial tersebut, masing-masing responden dapat mengamati perilaku responden lain, hal ini dikarenakan mereka berada di dalam satu komunitas yang sama. Tetapi tidak semua responden terhubung langsung dengan responden lainnya. Hubungan responden disini dapat diartikan sebagai komunikasi antar responden. Dalam konteks difusi teknologi gadget, komunikasi digambarkan sebagai proses konsultasi ataupun bertukar pikiran mengenai teknologi gadget. Sebelum mengambil keputusan untuk mengadopsi suatu gadget, responden akan berkonsultasi ataupun menanyakan pendapat temannya mengenai gadget tersebut. Dalam penelitian ini, masing-masing responden di dalam jaringan sosial menentukan teman yang akan diajak untuk berkomunikasi. Gambar 2 menunjukan jaringan sosial aktual difusi teknologi gadget dengan menggunakan Pajek.

Gambar 2. Jaringan Sosial Responden dalam Difusi Teknologi Gadget Gambar 2 menunjukkan bagaimana responden terhubung satu sama lain, baik secara langsung maupun tidak langsung. Setelah membuat visualisasi jaringan, langkah selanjutnya adalah mengkarakterisasi jaringan sosial tersebut dan diperoleh nilai APL sebesar 6,58 dan CC sebesar 0,14. Nilai APL yang diperoleh tidak berbeda jauh dengan sebuah teori six degrees of separation. Teori ini diperkenalkan Milgram (1967) yang menyatakan bahwa jika diambil dua orang secara acak di dunia ini, rata-rata derajat pemisah antara mereka adalah sebesar enam, atau dengan kata lain setiap orang di ISBN : 978-979-95620-9-8

|TI - 15


dunia ini terhubung melalui enam langkah. Dari penjelasan tersebut, teori tersebut bahwa jaringan aktual yang ada di dunia ini memiliki nilai APL sebesar enam. Jika mengacu kepada teori six degrees of separation, nilai APL dari jaringan sosial yang diteliti mampu merepresentasikan jaringan aktual yang ada di dunia ini. Banyak peneliti yang mengatakan bahwa di dunia nyata, jaringan sosial memiliki nilai APL kecil dan CC yang besar. Nilai APL dikategorikan kecil apabila nilai tersebut berkisar 6 ke bawah, dan CC dikategorikan besar apabila nilai berkisar 0,3-0,4, dan dikategorikan kecil apabila kurang dari 0,1 (Zeinaliapour-Yazti dan Folias, 2002). Dari jaringan sosial yang telah dianalisis dapat dikatakan bahwa APL jaringan tersebut terkategori kecil dan CC terkategori sedang. Hubungan satu responden dengan direct neighbors akan saling mempengaruhi dalam pengambilan keputusan adopsi. Jika satu responden mengadopsi suatu teknologi, maka akan mempengaruhi direct neighbors-nya dalam pengambilan keputusan adopsi teknologi tersebut. Berbeda halnya dengan indirect neighbor, pengadopsian suatu teknologi oleh indirect neighbor juga akan mempengaruhi pengambilan keputusan responden, tetapi bukan melalui komunikasi ataupun tukar pendapat, tetapi responden hanya mengamati bagaimana indirect neighbors menggunakan teknologi tersebut. Dalam konteks gadget, responden dapat melakukan pengamatan secara langsung seperti melihat secara langsung seseorang tersebut memegang dan mengoperasikan gadget-nya, dan juga pengamatan secara tidak langsung seperti membaca ulasan orang tersebut mengenai gadget tersebut melalui media tertentu, yang dapat memberikan responden tersebut informasi mengenai gadget tersebut tanpa ada persuasif dari pihak tersebut. Besarnya pengaruh direct neighbors dalam pengambilan keputusan responden dalam jaringan sosial ini adalah 6 dari skala 10. Sedangkan besarnya pengaruh indirect neighbors dalam pengambilan keputusan responden dalam jaringan sosial ini adalah 5 dari skala 10. Berdasarkan besarnya pengaruh tersebut dapat dikatakan bahwa pengaruh jaringan sosial terhadap penyebaran teknologi gadget cukup signifikan. Sehingga, pengetahuan mengenai jaringan sosial yang ada dalam proses penyebaran teknologi gadget dapat memberikan masukan dalam penentuan strategi yang tepat untuk mempercepat proses penyebaran teknologi gadget. Setelah karakterisasi jaringan, analisa selanjutnya adalah mengidentifikasi struktur jaringan sosial teoritis yang berpotensi merepresentasikan struktur jaringan difusi teknologi gadget. Dalam struktur jaringan sosial, ada empat jenis struktur jaringan sosial teoritis yang memiliki karakteristik nilai average path length dan clustering coefficient yang berbeda-beda. Jaringan tersebut adalah jaringan reguler, jaringan acak (random), dan jaringan small-world. Selain tiga jenis jaringan teoritis tersebut, ada satu jenis jaringan sosial teoritis lain yaitu jaringan scale-free. Jaringan ini secara signifikan berbeda dengan jaringan acak. Jaringan acak yang dibuat dan diteliti oleh Paul Erdos dan Alfred Renyi di tahun 1959-1960 memiliki asumsi dasar jumlah simpul yang tetap, terkoneksi dengan garis yang acak dan simpul yang bersifat democratic, yaitu kebanyakan simpul memiliki jumlah koneksi yang hampir sama. Sebaliknya, dalam jaringan scale-free yang dicetuskan oleh Barabasi (1999), pertumbuhan jaringan dari waktu ke waktu dengan menambahkan simpul dan garis baru. Hal ini menyebabkan konsep jaringan ini tidak dipertimbangkan dalam analisis. Tinggi

Average Path Lengths

Jaringan Reguler Jaringan Small-world Jaringan Acak

Rendah

Clustering Coefficient

Tinggi

Gambar 3. APL dan CC pada struktur jaringan acak, small-world, dan reguler (Delre et al., 2006)

ISBN : 978-979-95620-9-8

|TI - 16


Jaringan reguler memiliki nilai APL dan CC terbesar dibandingkan jenis jaringan lainnya. Berlawanan dengan jaringan reguler, jaringan acak memiliki APL bernilai cukup kecil dibandingkan ukuran keseluruhan jaringan. Sebenarnya jaringan acak memenuhi karakteristik jaringan sosial nyata. Namun, jaringan acak tidak menunjukan pengelompokan. CC dari jaringan acak sangat kecil ketika jaringan berukuran sangat besar, sehingga terlihat kecil kemungkinan teman dari teman untuk berteman. Banyak jaringan nyata yang memiliki kedua sifat pada jaringan acak (APL kecil) dan jaringan reguler (CC tinggi). Watts dan Strogatz (1998) mengusulkan model jaringan yang berada di antara dua ekstrim yaitu di antara jaringan acak dan reguler. Struktur ini muncul untuk mengatasi kekurangan utama dalam jaringan acak dan jaringan reguler. Watts dan Strogatz (1998) menunjukan bahwa dengan pergeseran bertahap dari jaringan reguler ke jaringan acak, panjang jalur (path length) dan pengelompokan berubah menjadi berbeda. Karakteristik panjang jalur turun dengan sangat cepat, sedangkan jumlah koefisien pengelompokan turun dengan relatif lambat. Oleh karena itu, dibutuhkan hanya sejumlah kecil perubahan ujung simpul atau jalan pintas (rewire) antar simpul untuk mengubah dunia besar menjadi small-world. Jadi, jaringan small-world memiliki APL yang rendah dan CC yang cukup tinggi (berada diantara jaringan reguler dan jaringan acak). Berdasarkan penjelasan di atas, jenis struktur jaringan sosial teoritis yang berpotensi untuk merepresentasikan jaringan aktual berdasarkan nilai APL yang kecil yaitu jaringan acak dan smallworld. Tetapi jika dilihat dari ketegori CC, dengan nilai CC jaringan aktual yang berada diantara kategori kecil dan besar, jaringan teoritis yang mampu merepresentasikannya adalah jaringan smallworld. Dapat disimpulkan bahwa kandidat jaringan teoritis yang berpotensi untuk merepresentasikan jaringan soasial difusi teknologi gadget adalah jaringan small-world. Namun begitu, untuk menentukan strauktur jaringan teoritis secara akurat dibutuhkan penelitian lebih lanjut. Salah satu metode yang dapat digunakan adalah dengan melakukan analisa kuantitatif yaitu dengan membangun model struktur jaringan teoritis yang diparameterisasi dengan data empiris. Selanjutnya hasil simulasi jaringan teoritis dibandingkan dengan data empiris jaringan aktual, sehingga diperoleh jaringan sosial teoritis yang paling representatif dengan jaringan sosial aktual difusi teknologi gadget. 4.

Kesimpulan

Berdasarkan pembahasan diatas dapat disimpulkan bahwa jaringan sosial difusi teknologi gadget memiliki nilai APL sebesar 6,58 dan CC sebesar 0,14. Dengan nilai APL dari jaringan sosial yang diteliti mampu merepresentasikan jaringan aktual yang ada di dunia ini dengan mengacu pada teori six degree of separation, dan nilai CC dalam kategori sedang, sehingga dapat disimpulkan bahwa struktur jaringan teoritis yang dapat merepresentasikan jaringan tersebut adalah struktur jaringan small-world. Daftar Pustaka Alkemade, F., dan Castaldi, C., 2005, Strategies for the Diffusion of Innovations on Social Networks, Computational Economics, 25, 3–23 Baraba´si, A.-L. and Albert, R., 1999, Emergence of Scaling in Random Networks, Science, 286, 509– 512. Bohlmann, J. D., Calantone, R. J., dan Zhao, M., 2010, The Effects of Market Network Heterogeneity on Innovation Diffusion : An Respondent-Based Modeling Approach, Journal Product Innovation Management, 27, 741-760 Caltech, M. O. J., dan Caltech, L. Y., 2006, Diffusion on Social Networks, Économie Publique, 16, 316 Delre, S. A., Jager, W., Janssen, M. A., 2006, Diffusion dynamics in small-world networks with heterogenous consumers, Computer Mathematics Organizazion Theory. Duncan, J. W., 2003, Six Degrees: The Science of a Connected Age, New York : W.W. Norton & Company, 83-100 Erdo¨s, P., dan Re´yi, A., 1959, On Random Graphs, Publicationes Mathematicae, 6, 290–297 Janssen, M.A., Jager, W., 2001, Adoption of new products in a market of changing preferences and social networks, Journal of Economic Psychology, 22, 745–772 Kuandykov, L., dan Sokolov, M., 2010, Impact of social neighborhood on diffusion of innovation Scurve, Decision Support System, 48, 531-535 Pajek, 2013, diakses tanggal 17 Februari 2013, http://pajek.imfm.si/doku.php?id=download ISBN : 978-979-95620-9-8

|TI - 17

PROSIDING SEMINAR NASIONAL. Perkembangan Riset dan Teknologi di Bidang Industri Ke-19 ISBN:

Recommend Documents