Berita online saat ini merupakan sesuatu yang sangat umum di kalangan masyarakat Indonesia bahkan dunia. Saat ini data berita online yang telah tersimpan pada suatu penyimpanan mencapai ratusan miliar berita. Untuk memudahkan proses pencarian, manipulasi atau pengolahan data diperlukan suatu permodelan data dan model yang cocok untuk data berita adalah model graph. Untuk memudahkan pembaca maka berita online tersebut perlu dikelompokkan berdasarkan keterkaitan isi beritanya. Salah satu metode yang bisa dimanfaatkan untuk mengelompokkan berita adalah dengan graph clustering.
Sebelum melakukan graph clustering, data berita online terlebih dahulu harus diubah menjadi model graph. Langkah pertama yang harus dilakukan untuk mengubah data berita kebentuk graph adalah melakukan preprocessing terhadap data berita, lalu dihitung bobot keterkaitan beritanya dengan memanfaatkan cosine similarity, setelah itu bobot hasil penghitungan cosine similarity dinormalisasi untuk dijadikan edge yang menghubungkan dokumen berita. Setelah berbentuk graph, barulah dilakukan proses graph clustering. Dalam tugas akhir ini algoritma graph clustering yang digunakan adalah Chinese Whispers, karena algoritma Chinese Whispers mampu membentuk cluster dari data graph yang besar dengan waktu yang relatif cepat, sehingga sangat cocok digunakan untuk kasus clustering berita online.
Pada penelitian ini telah diuji performasi algoritma Chinese Whispers dari segi kualitas serta tingkat akurasi cluster yang dihasilkan. Setelah dilakukan pengujian diperoleh bahwa kulitas hasil cluster Chinese Whisper cukup baik karena hampir 95% node hasil cluster sudah memiliki nilai intra-cluster yang lebih tinggi dari pada inter-cluster-nya, sedangkan rata-rata akurasi dari proses clustering menggunakan algoritma Chinese Whispers adalah 80.0 %.
Kata kunci : Graph, Graph Database, Clustering, Graph Clustering, Chinese Whispers