Individu-individu dalam sebuah sistem kompleks cenderung membentuk kelompok atau komunitas berdasarkan kesamaan secara alami. Dalam sebuah jaringan, komunitas tersebut tampak sebagai gumpalan simpul yang berhubungan erat. Pemetaan komunitas merupakan metode penting untuk memahami struktur dan organisasi dari berbagai jaringan pada dunia nyata dan memiliki aplikasi dalam beragam masalah seperti pembentukan konsensus dalam komunitas sosial dan identifikasi unit-unit fungsional dalam jaringan biokimia. Algoritma untuk mengidentifikasi struktur komunitas jaringan riil yang berskala besar umumnya memerlukan informasi apriori seperti jumlah dan ukuran dari komunitas yang ada di dalam jaringan serta daya komputasi yang besar. Pada Tugas Akhir ini, akan digunakan algoritma propagasi label yang hanya menggunakan struktur jaringan sebagai input dan memiliki waktu running yang hampir linier. Dalam algoritma ini, setiap simpul diberikan label awal yang unik, dan pada setiap iterasi, setiap simpul mengadopsi label yang dimiliki oleh sebagian besar tetangganya. Pada akhir proses iterasi ini, sekelompok simpul yang berhubungan erat akan memiliki label yang sama dan membentuk satu komunitas. Kemudian, metode aglomerasi akan diterapkan untuk meningkatkan nilai modularitas jaringan. Metode gabungan antara algoritma propagasi label dengan metode aglomerasi ini disebut algoritma propagasi label lanjut. Kemudian, algoritma ini diuji validitasnya pada jaringan-jaringan dengan struktur komunitas yang sudah diketahui.