Jurnal: Clustering Tagg Status Facebook Dengan Menggunakan Algoritma K-MEDOIDS

Abstract

This research is implementing K-Medoids algorithm to discover clusters on a friend list of a Facebook user. To find those clusters, the system uses the strongest path which is based on the tag frequency of status update of the facebook user to measure the tie strength from a friend to other friends. The experiments of using 3 clusters, 5 clusters, and 7 clusters, which resulted in average purity score 0.7430. The experiment resulted in rank of highest average purity score, at the first rank is experiment which used 3 clusters with the average score 0.8806, at the second rank is experiment which used 7 clusters with the average score 0.7114, and the third rank is experiment which used 5 clusters with the average score 0.6368.

Keywords: cluster, Dijkstra, Facebook, strongest path, K-Medoids, purity, status update, tag

Pendahuluan

Facebook merupakan jejaring sosial yang terkenal di dunia yang membantu pengguna untuk menjalin pertemanan yang sangat luas. Pengguna Facebook dapat menjalin pertemanan dengan ratusan bahkan ribuan teman, baik yang dikenal maupun yang tidak. Akan tetapi, ketika pertemanan menjadi begitu besar, akan sangat sulit untuk memilahmilah informasi, informasi mana yang ingin diterima dan yang akan dibagikan ke teman lain. Facebook sendiri berusaha untuk menyelesaikan masalah tersebut dengan meningkatkan fitur dalam daftar pertemanan, yaitu dengan membuat daftar teman dan mengelompokkan teman secara otomatis dan up-to-date berdasarkan informasi pengguna Facebook, seperti berdasarkan sekolah, tempat kerja, keluarga, dan domisili. Namun, pengelompokkan tersebut masih terlalu luas dan tidak dapat menggambarkan suatu kelompok individu yang saling berhubungan baik.

Peneliti: Sefia Candra

Untuk lebih lengkapnya silahkan download di link berikut: