Berita digital yang akan terus bertambah dan berkembang memunculkan permasalahan baru untuk memodelkan data berita digital yang tersimpan dalam database lebih mudah untuk dipahami dan diambil beberapa informasi penting yang menyeluruh. Untuk memudahkan pengolahan informasi dalam database tersebut diperlukan suatu model dan metode tertentu untuk mengelompokkan berita-berita tersebut berdasarkan kedekatan dan karakteristiknya satu sama lain. Menggunakan model graph database dan metode graph clustering dengan algoritma MCL (Markov Cluster Algorithm) dapat mempermudah pengolahan informasi dengan cara mengidentifikasi karakteristik tiap vertex dalam graph sehingga akan membentuk kelompok-kelompok vertex dengan label terterntu. Dalam proses pengidentifikasian kelompok graph, satu dokumen berita digital akan disimpan ke dalam satu vertex yang akan dihubungkan dengan vertex lainnya yang memiliki kesamaan kategori berita. Proses expand dan inflate matriks akan menjadi proses utama dalam pengelompokan berita digital yang telah ditransformasi ke dalam model graph database dimana expand bertujuan untuk memunculkan edge baru yang dianggap perlu dan menghapus edge lama yang dianggap tidak dipelukan dalam graph. Sedangkan proses inflate bertujuan untuk memperkuat edge yang telah kuat dan memperlemah edge yang telah lemah. Sehingga dalam pengelompokan berita digital ini proses inflate matriks sangat berpengaruh dalam execution time algoritma MCL dan jumlah cluster yang akan terbentuk.