So far, a standard approach to anal

So far, a standard approach to analyzing multimodal networks has been to transform them into unimodal social networks either through projection or through separation. For example, the ties between manufacturers and users of a product are transformed (or projected) to ties
among manufacturers established in case of common users [10]. In other cases, a manufacturer’s network and a user’s network are divided and analyzed separately, or combined into a unimodal network with the modes treated as node attributes. While these conversions are done for simplicity as well as for utilizing existing unimodal social network analysis (uSNA) tools, a rich set of information is lost during this process [34]. First of all, networks produced through this transformation do not represent a direct relation between actors of different
modes, but an indirect relation induced by their common affiliation to a set of events [4]. Second, by removing one set of nodes from the data or combining the nodes, attribute information associated with each of the modes cannot be simultaneously considered [42].
Given these limitations, we believe that a social network analysis tool that presents the subtleties and complexities of multimodal social networks can help social scientists gain useful new insights about what they would like to learn from such multimodal networks.

Results (Indonesian) 1:

Sejauh ini, pendekatan standar untuk menganalisis multimodal jaringan telah mengubah mereka menjadi jaringan sosial unimodal baik melalui proyeksi atau melalui pemisahan. Sebagai contoh, hubungan antara produsen dan pengguna produk berubah (atau diproyeksikan) untuk hubunganantara produsen didirikan dalam hal pengguna umum [10]. Dalam kasus lain, pengguna dan produsen jaringan dibagi dan dianalisis secara terpisah, atau digabungkan ke jaringan unimodal dengan mode diperlakukan sebagai node atribut. Sementara konversi selesai untuk kesederhanaan serta untuk memanfaatkan alat analisis (uSNA) yang ada unimodal jaringan sosial, seperangkat informasi ini hilang selama proses ini [34]. Pertama-tama jaringan diproduksi melalui transformasi ini tidak mewakili hubungan langsung antara aktor-aktor yang berbedamode, tetapi hubungan langsung yang disebabkan oleh affiliation mereka umum serangkaian peristiwa [4]. Kedua, dengan menghapus satu set node dari data atau menggabungkan node, informasi atribut yang terkait dengan masing-masing mode tidak dapat secara bersamaan dianggap [42].Mengingat keterbatasan ini, kami percaya bahwa alat analisis jaringan sosial yang menyajikan kehalusan dan kompleksitas multimodal jaringan sosial yang dapat membantu para ilmuwan sosial yang mendapatkan wawasan baru yang berguna tentang apa yang mereka ingin belajar dari jaringan seperti multimodal.

Results (Indonesian) 2:

Sejauh ini, pendekatan standar untuk menganalisis jaringan multimoda telah mengubah mereka menjadi jaringan sosial unimodal baik melalui proyeksi atau melalui pemisahan. Misalnya, hubungan antara produsen dan pengguna produk diubah (atau diproyeksikan) untuk hubungan
antara produsen didirikan pada kasus pengguna umum [10]. Dalam kasus lain, jaringan produsen dan jaringan pengguna dibagi dan dianalisis secara terpisah, atau digabungkan menjadi jaringan unimodal dengan mode diperlakukan sebagai atribut simpul. Sementara konversi ini dilakukan untuk kesederhanaan serta untuk memanfaatkan analisis jaringan sosial unimodal (Usna) alat yang ada, satu set kaya informasi yang hilang selama proses ini [34]. Pertama-tama, jaringan yang dihasilkan melalui transformasi ini tidak mewakili hubungan langsung antara pelaku yang berbeda
mode, tetapi hubungan tidak langsung disebabkan oleh umum af fi liation mereka untuk satu set peristiwa [4]. Kedua, dengan menghapus satu set node dari data atau menggabungkan node, atribut informasi yang terkait dengan masing-masing mode tidak dapat secara bersamaan dianggap [42].
Mengingat keterbatasan ini, kami percaya bahwa alat analisis jaringan sosial yang menyajikan seluk-beluk dan kompleksitas jaringan sosial multimodal dapat membantu para ilmuwan sosial mendapatkan wawasan baru yang berguna tentang apa yang mereka ingin belajar dari jaringan multimoda tersebut.