Analisis dan Implementasi Algoritma CNM-Centrality untuk Deteksi Komunitas pada Dataset Facebook

FARAH RAHMADIANI

Informasi Dasar

72 kali
18.04.1415
005.1
Karya Ilmiah - Skripsi (S1) - Reference

Deteksi komunitas menjadi salah satu task dari social network analysis yang banyak dibahas. Hal ini disebabkan dengan pendeteksian komunitas tersebut dapat digunakan untuk berbagai hal seperti skema pemasaran produk, mendeteksi isu di masyarakat, dan sebagainya. Masalah dalam mendeteksi komunitas yaitu bagaimana cara mengelompokkan simpul yang baik untuk mengidentifikasi suatu kelompok. Salah satu algoritma untuk mendeteksi komunitas adalah CNM-Centrality. CNM-Centrality merupakan algoritma Clauset-Newman-Moore yang dikombinasi dengan algoritma Pagerank. Algoritma Pagerank digunakan untuk menentukan simpul terpenting sedangkan algoritma CNM digunakan untuk mendeteksi komunitas. Algoritma ini dianggap algoritma dengan kecepatan running time yang baik dan nilai modularity yang baik pada pengujian sebelumnya. Namun, pada pengujian sebelumnya hanya menguji beberapa data saja seperti data jazz network dengan 198 simpul dengan relasi sebanyak 2742, belum diketahui bagaimana performansi algoritma CNM-Centrality jika menggunakan dalam jumlah yang besar. Algoritma CNM-Centrality mempunyai parameter yaitu damping factor. Damping factor merupakan parameter yang digunakan untuk menghitung nilai rank dan bernilai antara 0 sampai 1. Pada pengujian ini akan menggunakan dataset Facebook dengan tiga jenis damping factor yang berbeda untuk mengetahui pengaruh damping factor terhadap nilai modularity dan juga keandalan performansi algoritma CNM-Centrality untuk dataset Facebook. Penelitian ini bermanfaat untuk menilai apakah algoritma CNM-Centrality mempunyai nilai modularity dan running time yang baik dengan dataset yang berbeda dan damping factor yang berbeda. Hasil dari pengujian ini adalah nilai damping factor 0,15 memperoleh nilai rank tertinggi daripada dua damping factor yang diujikan. Namun, damping factor 0,85 memperoleh running time yang baik untuk menentukan simpul terpenting dan mendeteksi komunitas dibandingkan dua damping factor yang diuji. Selain itu, modularity terbaik yang dihasilkan pada pengujian ini adalah 0,8318 yang diperoleh oleh damping factor 0,85.

Subjek

ALGORITHMS PROGRAMMING
 

Katalog

Analisis dan Implementasi Algoritma CNM-Centrality untuk Deteksi Komunitas pada Dataset Facebook
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

FARAH RAHMADIANI
Perorangan
IMELDA ATASTINA , ANISA HERDIANI
 

Penerbit

Universitas Telkom
Bandung
2018

Koleksi

Kompetensi

  • CSH4O3 - PEMROSESAN BAHASA ALAMI
  • CSH4G3 - PENAMBANGAN DATA
  • CII4G3 - PEMROSESAN BAHASA ALAMI
  • CII4I3 - PENAMBANGAN DATA
  • CPI4I3 - PENAMBANGAN DATA

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini