Perpustakaan Digital ITB

Deteksi komunitas pada jaringan sosial dinamis merupakan tantangan tersendiri dalam memahami struktur dan dinamika kelompok sosial seiring berjalannya waktu. Penelitian ini memanfaatkan pendekatan deep learning berbasis representasi, yaitu Deep Learning Evolutionary Clustering (DLEC) dan Dynamic Network Feature Embedding (DNFE), untuk mengidentifikasi komunitas dalam jaringan sosial dinamis secara efisien dan tanpa pengawasan. Kedua metode ini mengintegrasikan pembelajaran representasi simpul dengan regularisasi temporal untuk menjaga konsistensi komunitas antar snapshot. Evaluasi dilakukan menggunakan metrik modularitas, temporal smoothness, dan silhouette score. Hasilnya menunjukkan bahwa meskipun struktur komunitas yang terdeteksi cukup jelas secara topologis (modularitas tinggi), kualitas embedding yang diperoleh tidak selalu menghasilkan clustering spasial yang optimal (silhouette rendah). Hal ini disebabkan oleh berbagai faktor, seperti sparsity jaringan, perubahan struktur yang fluktuatif antar waktu, pemilihan parameter embedding, dan jumlah komunitas yang tidak selalu selaras dengan representasi laten jaringan. Meskipun demikian, pendekatan DLEC dan DNFE terbukti efektif dalam mendeteksi komunitas dinamis serta dapat diimplementasikan pada platform komputasi terbatas. Eksperimen ini menunjukkan potensi besar metode deep learning dalam menganalisis pola komunitas jangka panjang pada jaringan sosial dinamis dari dunia nyata.