Perpustakaan Digital ITB

Perkembangan sosial media yang sangat pesat pada zaman sekarang menyebabkan sosial media menjadi sangat popular digunakan. Sosial media ini memiliki struktur komunitas seperti dunia nyata yang terdiri dari satu atau beberapa orang di dalam komunitas. Seiring perkembangan yang pesat tersebut, terdapat sebuah cara untuk mengetahui komunitas yang disebut dengan community detection. Community detection terbagi menjadi dua yaitu disjoint dan overlapping community. Disjoint community adalah komunitas yang anggota dari komunitas hanya dapat masuk ke salah satu komunitas. Overlapping community adalah komunitas yang anggota dari komunitas dapat masuk ke lebih dari satu komunitas. Metode Louvain adalah metode yang paling sering digunakan untuk disjoint community detection karena metode Louvain dapat mendeteksi sangat cepat. Proses pembentukan komunitas dengan metode Louvain yang terdiri dari 2 juta node hanya membutuhkan waktu 2 menit. Solusi yang ditawarkan oleh penelitian sebelumnya pada overlapping community detection masih memiliki keterbatasan yaitu terdapat algoritma yang harus menentukan jumlah klaster terlebih dahulu, terdapat anggota yang tidak diketahui masuk ke komunitas, dan waktu proses deteksi yang lambat. Seiring perkembangan sosial media, ukuran data yang besar membutuhkan algoritma yang dapat mendeteksi dengan waktu proses yang lebih cepat daripada penelitian sebelumnya. Dari permasalahan tersebut diperlukan eksperimen untuk meningkatkan waktu deteksi pada overlapping community detection dengan penerapan metode Louvain. Eksperimen dirancang berdasarkan hasil analisis pada penelitian sebelumnya. Penulis mengusulkan dua usulan eksperimen. Eksperimen pertama menggunakan perhitungan betweenness centrality dan belonging coefficient. Perhitungan betweenness centrality digunakan untuk menemukan anggota yang memiliki pengaruh terhadap anggota lain jika nilai vertex betweenness lebih besar dibandingkan nilai edge betwenness. Perhitungan belonging coefficient digunakan pada anggota yang didapatkan dari perhitungan betweenness centrality untuk menemukan overlapping community. Eksperimen kedua menggunakan belonging coefficient pada semua anggota di dalam jaringan graf untuk menemukan overlapping community. Kedua usulan eksperimen ini digunakan untuk mengetahui usulan yang memiliki waktu proses deteksi yang lebih cepat dengan nilai kualitas komunitas yang baik. Hasil pengujian pada penelitian ini dengan membandingkan usulan eksperimen dengan algoritma overlapping community detection pada penelitian sebelumnya. Eksperimen pertama menghasilkan nilai kualitas komunitas yang lebih baik dibandingkan dengan eksperimen kedua dan penelitian sebelumnya. Namun, eksperimen pertama masih memiliki keterbatasan pada waktu proses deteksi ketika diuji pada data yang besar. Hal ini dikarenakan kompleksitas dari perhitungan betweenness centrality. Eksperimen kedua menghasilkan nilai kualitas komunitas yang tidak terlalu berbeda dengan eksperimen pertama. Eksperimen kedua berhasil menemukan overlapping community dengan waktu proses deteksi yang lebih cepat. Pada data dengan jumlah node 334.863 dan 925.872, eksperimen kedua berhasil menemukan overlapping community dalam waktu 1 jam 65 menit, sedangkan usulan eksperimen pertama dan penelitian sebelumnya tidak dapat mengeluarkan hasil. Dari hasil ini dapat disimpulkan bahwa eksperimen kedua dapat menghasilkan waktu deteksi yang lebih cepat dengan nilai kualitas komunitas yang baik.