In 1967, Stanley Milgram found a small world phenomenon that is sometimes called “six degrees of separation”. Christakis and Fowler are some of the scientists researching this phenomenon . Christakis found that we could monitor the spread of epidemic earlier by choosing nodes that have larger centrality values in the network. The more friends and the more centrally positioned the nodes are the measures of the centrality value. Nodes which have the largest centrality are called hotspot nodes. In real life, we find many difficulties to figure out the chain of relationship in a social network. Christakis used the friendship paradox concept to solve those difficulties. Random samples of people are asked to nominate their acquaintance. These nominated acquaintance are more likely to have more friends and central positions in the social network. This thesis analyzes the Christakis algorithm of friendship paradox by recreating a model of small-world network of Duncan Watts and Steven Strogatz using OMNeT++. This network was build by n (total nodes), k (number of connection), and p (randomness) parameters. Additionally, the algorithm will be iterated several times and the centrality at each iteration will be observed using a method called as the blind method. Basicly, this method works by using the friendship paradox concept. It is found that four iterations are the maximum, and the increase of centrality is significant until the second iteration. This means that the hotspot nodes can already be found on the second iteration. More initial connections in the random samples lead to less iteration of the algorithm in finding the hotspots. / Pada tahun 1967, Stanley Milgram menemukan sebuah fenomena small-world dimana fenomena tersebut sering disebut sebagai “enam tingkat pemisahan”. Salah satu penelitian tentang fenomena ini dilakukan oleh Nicholas Christakis bersama rekannya James Fowler. Christakis mengatakan bahwa penyebaran epidemi dapat diprediksi lebih awal dengan memilih nodus-nodus yang memiliki nilai centrality yang besar di dalam kelompoknya. Besar nilai centrality suatu nodus didapatkan jika nodus tersebut memiliki jumlah teman yang lebih besar dan posisinya lebih terpusat dibandingkan nodus lainnya di dalam kelompok tersebut. Nodus dengan nilai centrality terbesar dapat disebut sebagai nodus hotspot. Dalam kehidupan nyata akan sangat sulit untuk bisa mengetahui kondisi pertemanan dalam sebuah kelompok. Menurut Christakis untuk memudahkan hal tersebut maka digunakan konsep paradoks. Setiap orang yang dipilih akan diminta untuk dapat menominasikan kenalan-kenalannya. Kenalan yang telah dipilih adalah yang memiliki teman yang lebih banyak dan posisi yang lebih sentral di dalam jejaring sosial. Tesis ini menganalisis algoritma Christakis mengenai paradoks pertemanan dengan membuat simulasi model jaringan small-world dengan OMNeT++. Jaringan ini terbentuk dari parameter n (total node), k (jumlah koneksi awal), dan p (nilai keacakan). Selain itu, algoritma tersebut akan diiterasikan beberapa kali dan pada setiap iterasi yang terjadi akan dilihat nilai centrality yang terbentuk. Dalam percobaan yang dilakukan ditemukan bahwa iterasi maksimal yang terjadi adalah sebanyak empat kali, dan kenaikan nilai centrality yang paling signifikan terjadi pada iterasi kedua. Hal ini berarti bahwa nodus hotspot sudah dapat ditemukan pada iterasi yang kedua. Pemilihan nodus sampel secara acak dengan koneksi awal yang lebih besar akan menyebabkan iterasi yang dibutuhkan oleh algoritma ini dalam mencari nodus hotspot semakin kecil.