Analisis Dan Implementasi Algoritma Agglomerative Hierarchical Clustering Untuk Deteksi Komunitas Pada Media Sosial Facebook

Abstract

Deteksi komunitas merupakan proses pencarian dan identifikasi komunitas dalam suatu jaringan, salah satunya pada jaringan sosial. Terdapat dua karakteristik data dalam mendeteksi komunitas yaitu hubungan antar individu dan kesamaan (similarity) antar individu. Algoritma deteksi komunitas biasanya hanya berfokus pada salah satu karakteristiknya saja. Pada penelitian ini penulis membahas pembentukan komunitas menggunakan algoritma Agglomerative Hierarchical Clustering (AHC) berbasis enhanced similarity pada data Facebook, yang mana merupakan algoritma yang secara berturut-turut memodelkan pengelompokan yang menggunakan nilai threshold sebagai alat pengelompokkan, dua simpul yang memiliki nilai similarity lebih besar dibandingkan nilai threshold maka akan dijadikan satu komunitas dengan memperhitungkan hubungan yang dimiliki simpul. Dalam pengujiannya, penulis menggunakan modularity sebagai alat penentu kualitas cluster, yang mana kualitas cluster dikatakan baik jika memiliki hubungan yang pada di dalam satu komunitasnya dibandingkan hubungan di luar komunitasnya. Hasil dari Algortima AHC mampu menunjukan bahwa AHC dapat mendeteksi komunitas dengan kualitas cluster (modularity) mencapai 0.4453 pada jaringan nyata.