Publication Search

This study evaluates the performance of three community detection algorithms—Leiden, Infomap, and Label Propagation—on the legal network of the Republic of Indonesia spanning the period 2014–2024. The network consists of 679 nodes and 2,295 edges, constructed based on citation relationships among regulations. The evaluation employs four network topology metrics: modularity, coverage, conductance, and inter-cluster density. Results show that the Leiden algorithm achieves the highest modularity score (0.522991), indicating the formation of communities with strong internal density. Additionally, it yields the lowest conductance value (0.302455), suggesting relatively well-isolated communities. In contrast, the Label Propagation algorithm produces the highest coverage (0.835294) and inter-cluster density (0.542331), but with a lower modularity (0.431583), reflecting the formation of large communities with less distinct boundaries. Infomap exhibits moderate performance, with a modularity score of 0.508406 and inter-cluster density of 0.420803, yet records a relatively high conductance (0.410409). Network visualizations reveal three major communities for each algorithm, representing thematic clusters such as institutional governance, constitutional law, and public finance. Overall, the Leiden algorithm is considered the most optimal for detecting modular, stable, and thematically coherent community structures within the complex and interrelated network of Indonesian laws.

Pada era modern yang ditandai oleh dinamika ekonomi yang terus berkembang dan tantangan keuangan yang semakin kompleks, pengambilan keputusan mengenai kelayakan penerima pinjaman kredit menjadi sangat krusial. Untuk mengatasi kompleksitas ini, pen-erapan Metode Multi-Attribute Utility Theory (MAUT) dan Rank Order Centroid (ROC)  dalam Sistem Pendukung Keputusan dianggap sebagai langkah strategis. MAUT adalah metode perbandingan kuantitatif yang menggabungkan pengukuran biaya risiko dan keuntungan yang berbeda, mengubah berbagai kepentingan menjadi nilai numerik dalam skala 0-1, di mana 0 merepresentasikan nilai terburuk dan 1 nilai terbaik, sedangkan ROC membantu menentukan bobot kriteria secara efisien berdasarkan prioritas. Penelitian ini bertujuan untuk mendiskusikan konsep dasar MAUT dan ROC serta integrasinya dalam mengevaluasi kelayakan penerima pinjaman kredit. Penelitian ini fokus pada kredit sebagai pinjaman dengan perjanjian pembayaran antara peminjam dan pemberi pinjaman. MAUT dan ROC diaplikasikan untuk menilai kelayakan nasabah peminjaman kredit FIF Group dengan melibatkan 8 alternatif dan 5 kriteria. Hasil perhitungan menunjukkan bahwa Teguh Syahputra dengan alternatif A2 mendapatkan nilai tertinggi 0.875, sehingga direkomendasikan sebagai nasabah yang layak menerima Kredit Pinjaman dari perusahaan Finance.