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.