SARASWATI, Rhadiyyah Ariana (2025) Deteksi Komunitas Topik Skincare Pada Media Sosial X Menggunakan Algoritma Louvain dan Density-Based Spatial Clustering of Applications with Noise (DBSCAN). Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (55kB)
	Text 3. HALAMAN PENGESAHAN I.pdf Download (242kB)
	Text 4. HALAMAN PENGESAHAN II.pdf Download (239kB)
	Text 6. ABSTRAK.pdf Download (97kB)
	Text 7. ABSTRACT.pdf Download (26kB)
	Text 8. DAFTAR ISI.pdf Download (134kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (120kB)

Abstract

Media sosial X menjadi tempat bagi pengguna untuk berbagi pengalaman dan berdiskusi.
Interaksi dalam media sosial tidak hanya membentuk opini publik tetapi juga mempengaruhi
pola konsumsi dan berpengaruh terhadap niat pembelian produk, termasuk dalam industri
kecantikan. Analisis terhadap struktur komunitas yang terbentuk di media sosial X terkait
dengan tren skincare menjadi penting guna mengidentifikasi kelompok-kelompok pengguna
yang saling berhubungan. Berbagai metode telah dikembangkan untuk deteksi komunitas
dalam analisis jaringan sosial. Algoritma Girvan-Newman menggunakan penghapusan edge
dengan betweenness tertinggi untuk membagi komunitas, tetapi kurang efisien untuk jaringan
besar, sedangkan algoritma Clauset-Newman-Moore (CNM) meningkatkan efisiensi dengan
pendekatan Greedy berbasis modularitas, namun cenderung menghasilkan solusi suboptimal.
Oleh karena itu pada penelitian ini diterapkan algoritma Louvain yang menawarkan efisiensi
tinggi dengan pendekatan optimasi modularitas serta lebih unggul dalam menangani jaringan
besar karena tidak memerlukan jumlah komunitas sebagai parameter awal. Algoritma Louvain
diterapkan untuk mendeteksi komunitas besar berdasarkan keterkaitan antar pengguna yang
menggunakan tagar ‘skincare’ berdasarkan graf yang dibangun menggunakan directed graph,
weighted graph, di mana node merepresentasikan pengguna dan edge merepresentasikan
hubungan antar pengguna melalui mention. Selanjutnya algoritma DBSCAN diterapkan untuk
mengelompokkan komunitas-komunitas besar tersebut menjadi cluster yang lebih kecil
berdasarkan kepadatan. Penelitian ini menggunakan data posting X yang diperoleh dengan
metode web scraping, kemudian dilakukan pre-processing untuk membersihkan data. Hasil
dari penelitian ini adalah terbentuknya 14 cluster dan 1 cluster noise. Evaluasi parameter hasil
DBSCAN dilakukan menggunakan metode grid search untuk menemukan kombinasi yang
mengoptimalkan nilai Silhouette Score. Dari hasil grid search, kombinasi parameter terbaik
adalah nilai eps = 0,9 dan minPts = 3, yang menghasilkan Silhouette Score sebesar 0,9932.
Kombinasi algoritma Louvain dan DBSCAN meningkatkan pemisahan komunitas besar
menjadi subkomunitas dengan lebih baik, serta memberikan informasi yang lebih mendalam
mengenai interaksi antar pengguna.
Kata kunci : Deteksi Komunitas, Louvain, DBSCAN, Skincare

Actions (login required)

View Item