ANALISIS SUKU DI INDONESIA MENGGUNAKAN ALGORITMA CLOSENESS CENTRALITY

Authors

  • Puspa Nur Indrianingtyas Departemen Sistem Informasi, Fakultas Teknik Elektro dan Informatika Cerdas, Institut Teknologi Sepuluh Nopember
  • Fanny Azhary Formen Departemen Sistem Informasi, Fakultas Teknik Elektro dan Informatika Cerdas, Institut Teknologi Sepuluh Nopember
  • Nur Aini Rakhmawati Departemen Sistem Informasi, Fakultas Teknik Elektro dan Informatika Cerdas, Institut Teknologi Sepuluh Nopember

DOI:

https://doi.org/10.31961/positif.v6i2.923

Keywords:

sparql, Graph algoritma, Node2vec, closeness algoritma, t-SNE

Abstract

Indonesia merupakan negara yang memiliki banyak keanekaragaman kebudayaan. salah satu keanekaragaman budaya yang dimiliki oleh negara indonesia ini adalah bahasa yang berbeda-beda antar suku serta lokasi. maka dengan keanekaragaman yang dimiliki negara indonesia ini perlu adanya pemetaan  mengenai suku bangsa indonesia dengan menggunakan algoritma graph serta untuk menganalisis kedekatan antar node digunakan closeness algoritma dan node2vec untuk mencari hubungan dari setiap suku. Dalam pencarian data paper ini menggunakan data yang disediakan oleh dbPedia yang didapatkan menggunakan sparql.  untuk menampilkan data yang memiliki dimensi yang tinggi maka digunakan TSNE untuk mengkonversi titik data.  Kata Kunci: sparql, Graph algoritma, Node2vec, closeness algoritma, TSNE.

Downloads

Download data is not yet available.

References

Grover, A., & Leskovec, J. (2016, August). node2vec: Scalable feature learning for networks. In Proceedings of the 22nd ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 855-864).

Golbeck, J. (2013). Closeness Centrality Social network analysis : Measuring , mapping , and modeling collections of connections, Anal. Soc. Web, vol. 3.

Hansen, D. L., Shneiderman, B., Smith, M. A., & Himelboim, I. (2011). Social network analysis: measuring, mapping, and modeling collections of connections. Analyzing social media networks with NodeXL: insights from a connected world. Elsevier Inc, Burlington, 31-52.

Khosla, M., Setty, V., & Anand, A. (2019). A Comparative Study for Unsupervised Network Representation Learning. IEEE Transactions on Knowledge and Data Engineering.

Maaten, L. V. D., & Hinton, G. (2008). Visualizing data using t-SNE. Journal of machine learning research, 9(Nov), 2579-2605.

Memahami Metode Centrality Dasar. [Online]. Available: https://budsus.wordpress.com/2013/05/01/memahami-metode-centrality-dasar/.

node2vec: Scalable Feature Learning for Networks. Available : https://snap.stanford.edu/node2vec

World Wide Web Consortium. (2013). SPARQL 1.1 overview.

Downloads

Published

2020-12-29

How to Cite

Indrianingtyas, P. N., Formen, F. A., & Rakhmawati, N. A. (2020). ANALISIS SUKU DI INDONESIA MENGGUNAKAN ALGORITMA CLOSENESS CENTRALITY. POSITIF : Jurnal Sistem Dan Teknologi Informasi, 6(2), 137–142. https://doi.org/10.31961/positif.v6i2.923