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.

Penelitian ini dilakukan untuk menganalisis dan membandingkan sentimen pelanggan terhadap lima restoran Sunda di Kota Bogor menggunakan metode Aspect-Based Sentiment Analysis (ABSA) berbasis Fine-Tuning IndoBERT. Ulasan pelanggan di platform digital seperti Google Review berpengaruh besar terhadap citra dan keputusan konsumen, sementara jumlah ulasan yang besar sulit dijelaskan secara manual. Data penelitian diperoleh dari 3.232 ulasan Google Review dan diproses menjadi 3.010 data yang dikelompokkan berdasarkan lima aspek utama, yaitu makanan, pelayanan, harga, suasana, dan fasilitas. Metode Fine-Tuning IndoBERT digunakan untuk mengklasifikasikan sentimen positif, netral, dan negatif, dengan evaluasi melalui metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa model memiliki performa sangat baik dengan akurasi tertinggi sebesar 97,51% pada aspek pelayanan dan terendah 92,52% pada aspek makanan, serta nilai F1-score makro di atas 0,91. Analisis menunjukkan bahwa Bumi Aki unggul pada aspek makanan dan fasilitas, Saung Abah pada pelayanan, Saung Kuring pada harga, dan Gumati pada suasana. Hasil penelitian ini menunjukkan bahwa Fine-Tuning IndoBERT efektif dalam memahami opini pelanggan berbahasa Indonesia dan dapat menjadi acuan bagi pelaku usaha kuliner dalam meningkatkan kualitas layanan.