Detection of the TV-VIU Community on Social Media X Using Louvain, Leiden, and Label Propagation
Article Sidebar
Main Article Content
Abstract
Perkembangan media sosial telah mendorong terbentuknya komunitas digital yang kompleks, termasuk pada platform media sosial X terkait layanan streaming VIU (TV-VIU). Penelitian ini bertujuan untuk memetakan struktur jaringan sosial percakapan TV-VIU di media sosial X, mengidentifikasi komunitas yang terbentuk, serta membandingkan kinerja tiga algoritma deteksi komunitas, yaitu Louvain, Leiden, dan Label Propagation, menggunakan pendekatan Social Network Analysis (SNA). Dataset yang digunakan merupakan data sekunder berupa rekaman interaksi pengguna dalam format CSV yang diperoleh melalui proses scraping menggunakan tools SocialX. Jaringan dibangun menggunakan Python dengan library NetworkX, python-louvain, dan leidenalg, kemudian divisualisasikan menggunakan Gephi. Evaluasi kinerja dilakukan menggunakan empat metrik, yaitu modularity, coverage, conductance, dan inter-cluster density. Hasil penelitian menunjukkan bahwa jaringan percakapan TV-VIU terdiri dari 701 node dan 549 edge, dengan struktur komunitas yang tersegmentasi menjadi beberapa kelompok pengguna. Algoritma Leiden menunjukkan performa terbaik dengan nilai modularity sebesar 0,9015, coverage sebesar 0,9873, conductance sebesar 0,0033, dan inter-cluster density sebesar 0,000029. Algoritma Louvain menghasilkan performa yang mendekati Leiden, sedangkan Label Propagation memperoleh hasil paling rendah akibat sifatnya yang non-deterministik. Penelitian ini menyimpulkan bahwa algoritma Leiden paling optimal dalam mendeteksi komunitas pada jaringan sosial percakapan TV-VIU di media sosial X.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
All rights reserved. This publication may be reproduced, stored in a retrieval system, or transmitted in any form or by any means, electronic, mechanical, photocopying, recording.
References
Amin, M. F., Rahmawati, S., & Hidayat, T. (2024). Social network analysis untuk mengidentifikasi akun kunci dalam percakapan Capres di Twitter. Jurnal Teknoinfo, 18(2), 1–10. https://doi.org/10.33365/jti.v18i2.3620
Fitriani, N., Sembiring, I., & Hartomo, K. D. (2020). Evaluasi jaringan dan interaksi tim sukses Pileg tahun 2019 melalui Social Network Analysis (SNA). InfoTekJar: Jurnal Nasional Informatika dan Teknologi Jaringan, 2(14), 1–8.
Kartino, A., Anam, M. K., Rahmaddeni, R., & Junadhi, J. (2021). Analisis akun Twitter berpengaruh terkait Covid-19 menggunakan Social Network Analysis. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 5(10), 697–704.
Latifah, R. (2022). Kajian literature deteksi komunitas dan analisis jaringan di Indonesia. Just IT: Jurnal Sistem Informasi, Teknologi Informasi dan Komputer, 13(1), 1–15. https://doi.org/10.24853/justit.13.1.
Lestari, D. W., & Ambarwati, R. (2024). Social network analysis: Understanding user behavior in Threads. Kontigensi: Jurnal Ilmiah Manajemen, 12(1), 115–124. https://doi.org/10.56457/jimk.v12i1.505
Muharam, A. S. (2024). Implementasi social network analysis dengan menggunakan data topic modelling untuk identifikasi buzzer dan deteksi komunitas pada media sosial X (Twitter) (Skripsi, Universitas Komputer Indonesia). Elibrary UNIKOM. https://elibrary.unikom.ac.id/id/eprint/10747/
Rabbani, A. P., Alamsyah, A., & Widiyanesty, S. (2020). Analisa interaksi user di media sosial mengenai industri Fintech menggunakan Social Network Analysis (Studi kasus: GoPay, OVO dan LinkAja). Jurnal Mitra Manajemen, 4(3), 341–351. https://doi.org/10.52160/ejmm.v4i3.352
Rakhmawati, N. A., & Mufidah, K. (2020). Social network analysis of legislative candidates in Indonesia general election 2019 using community detection. SISTEMASI: Jurnal Sistem Informasi, 9(1), 52–63.
Ramadhani, F., & Sukmana, A. (2023). Analisis struktur jaringan komunikasi boikot Pizza Hut di Twitter menggunakan pendekatan Social Network Analysis (SNA). Syntax Literate: Jurnal Ilmiah Indonesia, 9(10). https://jurnal.syntaxliterate.co.id/index.php/syntax-literate/article/view/50114
Saraswati, R. A. (2025). Deteksi komunitas topik skincare pada media sosial X menggunakan algoritma Louvain dan Density-Based Spatial Clustering of Applications with Noise (DBSCAN) (Skripsi, Universitas Diponegoro). Undip Repository. https://eprints2.undip.ac.id/id/eprint/40559/
Setianto, Y. P. (2020). Melihat perbincangan #Pilpres2019 di media sosial dengan social media. Jurnal Ultima, 12(1), 1–12.
Susanto, B., Lina, H., & Chrismanto, A. R. (2024). Penerapan social network analysis dalam penentuan centrality: Studi kasus social network Twitter (otomotif). ResearchGate. https://www.researchgate.net/publication/323731430
Utami, S. R., Safitri, R. N., & Kuncoroyakti, Y. A. (2021). Analisis jaringan dan aktor #BatalkanOmnibusLaw di media sosial Twitter menggunakan Social Network Analysis (SNA). Jurnal Komunikasi dan Media, 4(3), 135–148.
Widyantara, I. M. O., Krisnawan, I. K. A., & Prasetya, I. G. N. A. (2022). Deteksi komunitas spesies laba-laba berdasarkan negara menggunakan algoritma label propagation. E-Proceeding of Engineering, 9(3), 1–8. https://www.researchgate.net/publication/362242423
Yusuf, M., & Krisnadi, I. (2019). Analisis jaringan sosial pada publikasi bidang Teknik Elektro Indonesia di IEEE. Seminar Nasional Teknik Elektro UIN Sunan Gunung Djati Bandung, 19–26.
Leskovec, J., Lang, K. J., & Mahoney, M. W. (2010). Empirical comparison of algorithms for network community detection. Proceedings of the 19th International Conference on World Wide Web (WWW '10), 631–640. https://doi.org/10.1145/1772690.1772755
Yang, J., & Leskovec, J. (2012). Defining and evaluating network communities based on ground-truth. Proceedings of the IEEE International Conference on Data Mining (ICDM '12), 745–754. https://doi.org/10.1007/s10115-013-0693-z