Seiring berkembangnya jaringan sosial, banyak media-media di internet yang menyediakan sarana untuk berhubungan dengan orang lain, salah satunya adalah Twitter. Twitter memungkinkan terbentuknya sebuah komunitas. Komunitas berkembang setiap saat, seiring dengan berkembangnya interaksi antar pengguna di Twitter, oleh karena itu diperlukan alat untuk mendeteksi evolusi dari komunitas tersebut. DynamicNet merupakan algoritma untuk mendeteksi evolusi komunitas yang mendefinisikan evolusi komunitas dengan simpel namun mencakup banyak bidang, yang mana sebelum mendeteksi evolusi dilakukan deteksi komunitas menggunakan algoritma Louvain. Pada jurnal ini dilakukan percobaan untuk mengetahui parameter apa sajakah yang mempengaruhi hasil dari algoritma DynamicNet, mulai dari jumlah data dan threshold. Hasil yang didapat dari penelitian ini adalah algoritma DynamicNet dapat digunakan untuk mendeteksi evolusi komunitas di media sosial Twitter. Didapatkan juga bentuk kerateristik data yang ideal agar algoritma DynamicNet dapat berjalan dengan optimal, yaitu jumlah data yang banyak dengan kepadatan hubungan yang tinggi, komunitas dengan kualitas (Modularity) yang tinggi dan nilai threshold yang berada di rentan nilai Normalized Mutual Information (NMI). Pada penelitian ini NMI tertinggi dicapai pada 1000 data simpul yang bernilai 0.16.