Perpustakaan Digital ITB

Penelitian ini mengembangkan metode yang diberi nama Dense CoDi untuk melakukan pencarian dense subgraph dalam mendeteksi komunitas pada social network yang topologinya terbentuk dari proses difusi informasi. Penggunaan jaringan yang topologinya terbentuk dari proses difusi informasi memungkinkan metode pendeteksian komunitas dilakukan tanpa perlu mengetahui topologi jaringan secara lengkap. Metode Dense CoDi hanya perlu mengamati simpul-simpul yang terinfeksi oleh informasi (contagion). Agar dapat mendeteksi penyebaran contagion yang terjadi secara dinamis di jaringan, digunakan informasi tambahan berupa waktu saat kejadian penyebaran contagion terjadi. Pencarian dense subgraph dilakukan dengan memanfaatkan konsep induced subgraph dan spliced subgraph. Nilai parameter berupa batasan terkait jumlah dan durasi dari rentang waktu terpadat yang perlu diamati digunakan untuk mengukur kualitas hasil yang diperoleh, agar dense subgraph yang dideteksi dipastikan memiliki kepadatan yang temporal. Berdasarkan hasil pengujian, metode Dense CoDi dapat melakukan deteksi komunitas dengan melihat kepadatan penyebaran contagion pada simpul-simpul di jaringan. Banyaknya kejadian penyebaran contagion yang terekam di jaringan memengaruhi waktu pencarian dense subgraph, sedangkan nilai parameter yang digunakan tidak memberikan pengaruh yang signifikan. Komunitas dinamis yang dihasilkan metode Dense CoDi mampu menggambarkan kumpulan entitas yang terinfeksi contagion pada rentang waktu yang berbeda, dengan intensitas penularan yang juga berbeda. Dengan hanya mengamati simpul yang terinfeksi contagion, kompleksitas pendeteksian komunitas pada jaringan dapat dikurangi, terutama pada jaringan yang skalanya besar.