Publication Search

Penelitian ini mengevaluasi performa tiga algoritma deteksi komunitas Louvain, Infomap, dan Walktrap dalam konteks social network analysis pada jaringan undang-undang Republik Indonesia periode 2014–2024. Jaringan dibangun dari hubungan kutipan antar undang-undang Republik Indonesia pada rentang waktu antara tahun 2014 sampai dengan tahun 2024. Kutipan antar undang-undang diperoleh pada bagian “Mengingat” pada setiap undang-undang, menghasilkan sebuah konstruksi struktur graf berarah dan tak berbobot. Setiap algoritma diuji berdasarkan empat metrik evaluasi: modularity, coverage, conductance, dan inter-cluster density. Evaluasi terhadap tiga algoritma deteksi komunitas Infomap, Louvain, dan Walktrap pada jaringan undang-undang menunjukkan perbedaan karakteristik dalam membentuk struktur komunitas. Louvain unggul dalam hal modularity (0.522387) dan conductance (0.287157), yang mencerminkan kemampuan optimal dalam memisahkan komunitas besar yang kohesif dan minim koneksi keluar. Infomap menempati posisi menengah dengan modularity dan inter-cluster density yang cukup baik, menawarkan keseimbangan antara segmentasi dan kepadatan komunitas. Walktrap memiliki keunggulan pada coverage (0.809586) dan inter-cluster density (0.50640), menandakan kemampuannya membentuk komunitas kecil yang sangat padat secara internal, meskipun cenderung kurang terstruktur secara global karena modularity-nya paling rendah (0.464787). Dengan demikian, Louvain direkomendasikan sebagai algoritma paling sesuai untuk analisis jaringan undang-undang, terutama jika tujuan utama adalah memperoleh segmentasi komunitas yang terstruktur kuat dan representatif secara makro terhadap arsitektur hukum nasional.

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.