Perpustakaan Digital ITB

Link prediction merupakan sebuah metode untuk melihat kemungkinan adanya link dalam network yang kompleks berdasarkan network yang terbentuk sebelumnya. Namun, hingga saat ini metode link prediction hanya dikembangkan untuk kasus-kasus yang heterogen atau dinamis. Padahal, sebagian besar kasus nyata dapat digambarkan dengan network yang heterogen dan dinamis. Pelaksanaan tesis ini dilakukan untuk mengembangkan metode DTLPLP supaya dapat melakukan link prediction kasus homogen dinamis dengan penambahan konsep Heter-LP yang melakukan link prediction pada kasus heterogen statis sehingga metode yang diusulkan dapat melakukan link prediction pada kasus heterogen dinamis. Konsep utama yang ditambahkan pada perubahan algoritma DTLPLP yang diusulkan adalah konsep proyeksi network bipartit sehingga algoritma yang diusulkan mempertimbangkan karakeristik network heterogen. Selain itu, karakteristik network dinamis dipertimbangkan dengan mempertahankan tahap kompresi network. Kemudian, dilakukan perubahan pada tahap link prediction based on label propagation sehingga link prediction dapat dilakukan pada network heterogen. Pengujian dilakukan menggunakan data Yelp pada tanggal 1-7 April 2020 dengan metriks evaluasi AUC-ROC. Berdasarkan pengujian yang dilakukan didapatkan skor terbaik untuk prediksi keseluruhan link adalah 0,4796; 0,6392; 0,9787 masing-masing untuk jenis link user-business, user-user, dan user-business. Selain itu, didapatkan skor terbaik untuk memprediksi link yang baru adalah 0,9486; 0,7595; 0,8787 masing- masing untuk jenis link user-business, user-user, dan user-business. Pengembangan metode DTLPLP dengan menambahkan konsep heterogen dari Heter- LP telah berhasil dilakukan. Didapatkan kesimpulan bahwa algoritma yang diusulkan sudah baik untuk memprediksi link baru yang muncul namun belum baik untuk memprediksi keseluruhan link yang terdiri dari link yang baru dan link yang hilang.