Perpustakaan Digital ITB

Permasalahan dalam dunia nyata dapat secara efektif dimodelkan sebagai jaringan hubungan kompleks yang dapat digambarkan dengan graf. FacetNet merupakan salah satu framework untuk melakukan analisis jaringan sosial khususnya dalam melakukan deteksi komunitas dan evolusinya pada graf dinamis. Namun penelitian FacetNet masih terbatas pada graf yang bersifat homogen, sedangkan pada dunia nyata, komunitas terbentuk dari sekumpulan jaringan kompleks yang bersifat heterogen. Tesis ini akan membahas mengenai pengembangan framework FacetNet untuk data graf heterogen. Berdasarkan hasil analisa yang telah dilakukan, FacetNet dapat dikembangkan untuk melakukan analisis komunitas dan evolusinya pada data graf heterogen. Adapun penelitian terkait yang dapat membantu pengembangan FacetNet untuk data graf heterogen ialah GPNRankClus. Terdapat 2 pendekatan yang dapat dilakukan. Pertama, dengan melakukan modifikasi terhadap komponen FacetNet dengan menambahkan unsur heterogen dari GPNRankClus atau dengan memodifikasi GPNRankClus dengan menambah unsur evolutionary dari FacetNet. Dari kedua pendekatan yang diajukan, diperoleh kesimpulan bahwa untuk memodifikasi FacetNet agar dapat digunakan pada data graf heterogen hanya diperlukan modifikasi terhadap proses awal FacetNet, yaitu pada saat pembentukan matriks ketetanggaan. Matriks ketetanggaan graf heterogen yang dibentuk pada penelitian ini memiliki struktur yang mirip dengan matriks ketetanggaan pada graf homogen. Hanya saja pada matriks ketetanggaan graf heterogen diperlukan dictionary untuk mendefinisikan pemetaan id simpul terhadap indeks pada matriks ketetanggaan yang terbentuk. Eksperimen dilakukan dengan menguji hasil pengembangan framework FacetNet menggunakan data graf buatan homogen yang terdapat pada penelitian FacetNet sebelumnya oleh Y. Lin dkk pada tahun 2008, data graf buatan heterogen yang dikembangkan dalam penelitian ini dan data graf buatan yang terdapat dalam penelitian Maryadi E (2017). Tujuan eksperimen adalah untuk menguji kualitas serta fungsionalitas arsitektur yang telah dikembangkan. Berdasarkan hasil eksperimen yang dilakukan, FacetNet yang dikembangkan pada penelitian ini mampu mempertahankan kualitas setiap fungsionalitas FacetNet yang sudah ada sebelumnya oleh Y. Lin dkk pada tahun 2008 dan mampu menggambarkan hasil evolusi keanggotaan cluster data graf heterogen yang masuk akal.