ALGORITMA UNTUK SOCIAL NETWORK ANALYSIS MENGGUNAKAN BETWEENNESS CENTRALITY DAN CLIQUE PARTITIONING BERBASIS ALGORITMA BHASKER\u27S <STUDI KASUS : DATA TWITTER>

Mencari user terpopuler pada jejaring sosial Twitter, dapat diamati dari hubungan antar user seperti relasi follow, mention, retweeet, dan replies to. Social Network Analysis pada Twitter adalah analisis sosial media berdasarkan pola interaksi user. Hubungan yang terbentuk antar akun Twitter direpresentasikan dalam matriks dan digambarkan sebagai graf. Data pada tugas akhir ini didapat melalui proses crawling di Twitter menggunakan NodeXL, selanjutnya proses clique partitioning membagi sejumlah data dari sebuah graf terhubung menjadi sub graf lengkap. Centrality measurement digunakan untuk mengukur besar pengaruh suatu node dalam menyebarkan informasi pada suatu graf. Betweenness centrality merupakan metode centrality yang mengukur banyaknya relasi suatu node, mempertimbangkan nilai kepentingan relasi, dan hubungan relasi tidak langsung node tersebut. Hasil pengujian tugas akhir ini menganalisis penggunaan metode clique partitioning menggunakan algoritma Bhasker’s, selanjutnya diintegrasikan dengan metode betweenness centrality untuk menganalisis nilai dan perangkingan dari interaksi node atau user untuk setiap sub graf yang terbentuk dari clique partitioning. Perbedaan nilai centrality rata - rata perangkingan data uji di sistem melewati dengan tanpa melewati proses clique partitioning sebesar 0,102488. Perbedaan nilai centrality rata - rata perangkingan data uji di sistem melewati proses clique partitioning dengan hasil penelitian web sebesar 575,6185125. Kata Kunci : Betweenness centrality, Clique Partitioning, Social Network Analysi