Perpustakaan Digital ITB

Penilaian cluster pada algoritma Relevancy-Connected Cluster Model dilakukan pada tahapan terakhir dari 4 tahapan utama algoritma. Pada tahap terakhir ini, penilaian cluster dilakukan untuk mempermudah pengurutan clustercluster hasil eksekusi algoritma pencarian kata kunci tersebut. Pada metode penilaian cluster ini pula, dimanfaatkan metode heuristik r-radius dengan fungsi kernel yang ditinjau pada setiap simpul core pada cluster. Untuk setiap cluster, suatu cluster akan memiliki nilai yang tinggi apabila simpul core pada cluster tersebut dapat mencapai sejumlah variasi kata kunci yang dicari dengan jumlah lompatan simpul yang minimal. Pada tugas akhir ini, penilaian cluster dilakukan dengan meninjau setiap kombinasi jumlah variasi kata kunci dan jumlah lompatan simpul yang dilakukan oleh simpul core. Selain itu, dilakukan pula peninjauan terhadap peran nilai rentang radius r dalam melakukan eksekusi algoritma. Hasil analisis menyimpulkan bahwa bertambahnya nilai rentang radius r mengakibatkan hasil pencarian yang semakin luas namun waktu eksekusi menjadi semakin lama. Eksperimen dilakukan dengan menggunakan data graf DBLP yang dikembangkan sehingga didapat data graf homogen dan heterogen. Hasil analisis dan eksperimen menunjukkan bahwa metode penilaian cluster yang diimplementasikan memberikan hasil pencarian kata kunci dengan jumlah variasi kata kunci terbanyak dengan jumlah sisi hubung tersedikit. Selain itu, berdasarkan hasil eksperimen tersebut juga, dengan bertambahnya nilai rentang radius r dihasilkan pencarian kata kunci dengan informasi yang lebih luas dengan kompleksitas waktu polinomial.