Perpustakaan Digital ITB

Berbagai fenomena di dunia nyata seperti sistem rekomendasi, jaringan sosial, dan susunan protein dapat dinyatakan dengan baik oleh graf, khususnya graf heterogen dinamis. Link prediction adalah salah satu task dalam graf yang penting untuk diteliti karena dengan melakukan link prediction, maka interaksi baru atau interaksi yang hilang dalam suatu graf dapat diketahui. Namun, hingga saat ini penelitian link prediction untuk graf heterogen dinamis masih sangat terbatas. Heter-LP dan DTLPLP merupakan dua algoritma link prediction yang berturut-turut fokus pada graf heterogen dan graf dinamis. Kedua algoritma ini menggunakan label propagation yang telah terbukti simpel dan hemat komputasi sebagai metode basis. Selain itu, kedua algoritma ini memiliki fase persiapan untuk menangani sifat dinamis atau heterogen pada graf sebelum dilakukan label propagation. Dalam Tesis ini, diusulkan algoritma Dynamic Heter-LP sebagai solusi link prediction untuk graf heterogen dinamis dengan basis label propagation. Kontribusi dalam Tesis ini adalah melakukan pengembangan pada algoritma Heter- LP dengan menyisipkan komponen dinamis dari algoritma DTLPLP sehingga terbentuklah algoritma Dynamic Heter-LP sebagai algoritma baru link prediction yang dikhususkan untuk graf heterogen dinamis. Evaluasi dalam Tesis ini menggunakan data user, business, dan review dari Yelp Dataset dengan durasi tujuh hari berdasarkan waktu review dilakukan. Metrik yang digunakan adalah evaluasi adalah skor AUROC dan waktu pemrosesan. Dynamic- Heter-LP dapat memprediksi review baru dengan skor AUROC sebesar 0,49. Sebagai kesimpulan, Dynamic Heter-LP dapat memenuhi fungsionalnya sebagai algoritma link prediction untuk graf heterogen dinamis. Namun, Dynamic Heter- LP masih memiliki kelemahan dalam memprediksi link baru dan waktu pemrosesan yang cukup panjang. Dalam penelitian selanjutnya, dapat dilakukan peningkatan akurasi prediksi dalam eksperimen serta mengoptimasi waktu pemrosesan.