Perpustakaan Digital ITB

Social network merupakan salah satu sumber data yang dapat menggambarkan hubungan yang terjadi antar anggota pada jaringan tersebut. Dari hubungan tersebut dapat diperoleh beberapa informasi, salah satunya adalah komunitas. Dalam melakukan pendeteksian komunitas, pada umumnya algoritma yang digunakan membutuhkan pengetahuan mengenai struktur jaringan. Namun untuk memperoleh struktur jaringan yang lengkap cukup sulit untuk dilakukan. Salah satu metode yang dapat dilakukan untuk mendeteksi komunitas tanpa menggunakan struktur jaringan adalah dengan memanfaatkan proses difusi informasi (RCoDi). Kemudian terdapat metode pendeteksian komunitas lainnya yang dilakukan dengan memanfaatkan social influence, yaitu dengan cara melihat pengaruh aktivitas yang dilakukan terhadap hubungan antar anggota pada jaringan. Namun pendeteksian komunitas dengan menggunakan social influence masih memerlukan struktur jaringan untuk mendeteksi komunitas. Pada penelitian ini telah mengembangkan sebuah metode yang dinamakan SICoDi. Metode ini melakukan proses pendeteksian komunitas yang berdasarkan proses difusi informasi namun menggunakan kriteria dari social influence. Proses pendeteksian komunitas dengan menggunakan social influence dapat berjalan tanpa memerlukan pengetahuan awal mengenai struktur jaringan, melainkan dengan memanfaatkan proses difusi informasi. Sehingga dengan menambahkan kriteria baru, metode SICoDi akan memberikan hasil komunitas yang berbeda dibandingkan dengan metode RCoDi. Berdasarkan hasil pengujian dengan menggunakan nilai Normalized Mutual Information (NMI), metode SICoDi memberikan hasil komunitas yang lebih optimal dibandingkan dengan metode RCoDi, namun dengan ukuran dataset (node dan cascade) yang besar. Metode SICoDi membutuhkan durasi eksekusi yang lebih lama dibandingkan metode RCoDi karena membutuhkan komputasi yang lebih kompleks dalam menghitung nilai Social Influence Similarity.