Analisis dan Implementasi Community Detection Menggunakan Algoritma DBSCAN pada Twitter
LULU ALFI'A RAHMA NINGSIH
Informasi Umum
Kode
18.04.109
Klasifikasi
C -
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Data Mining-clustering Analysis
Dilihat
371 kali
Informasi Lainnya
Abstraksi
Community detection atau clustering merupakan proses partisi data ke dalam kelompok-kelompok. Data yang berada dalam satu kelompok memiliki kemiripan (similarity) karakteristik antar satu sama lainnya dan berbeda dengan kelompok lain, seperti halnya kemiripan antar individu pada social network. Pada penelitian ini, community detection dilakukan pada social network Twitter berdasarkan kemiripan interaksi (follows, mentions, reply) antar pengguna dengan menggunakan algoritma DBSCAN dan perhitungan kualitas cluster dengan menggunakan modularity. Algoritma DBSCAN memiliki dua parameter penting, yakni epsilon dan minPts yang bernilai random. Dari hasil penelitian yang dilakukan, hasil terbaik didapat dari data ke-10 dengan membentuk 4 cluster yang menghasilkan nilai modularity 0,61492 dari nilai epsilon 0,3 dan minPts 4. Hal tersebut dikarenakan jumlah cluster yang terbentuk dari adanya keterkaitan nilai epsilon dan minPts dengan nilai kemiripan (similarity) dan nilai modularity disebabkan adanya kepadatan dari relasi dan bobot similarity yang besar. Sehingga untuk mendapatkan hasil cluster yang baik diperlukan penentuan nilai epsilon dan minPts yang tepat.
Kata Kunci : social network, algoritma DBSCAN, modularity, Twitter.
- CS4333 - DATA MINING
Koleksi & Sirkulasi
Tersedia 1 dari total 1 Koleksi
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | LULU ALFI'A RAHMA NINGSIH |
| Jenis | Perorangan |
| Penyunting | Imelda Atastina, Anisa Herdiani |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom |
| Kota | Bandung |
| Tahun | 2018 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
