Matematika (S3)

Permanent URI for this collection

https://repository.unpad.ac.id/handle/kandaga/278

Browse

Browsing Matematika (S3) by Subject "Difusi Informasi"

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Model Rantai Markov Waktu Kontinu untuk Deskripsi dan Prediksi Difusi Informasi pada Data Twitter
    (2023-03-07) FIRDANIZA; Jaziar Radianti; Budi Nurani Ruchjana
    Rantai Markov merupakan proses stokastik dengan ruang keadaan diskrit yang mempunyai sifat Markov, yakni distribusi bersyarat dari peluang kejadian yang akan datang jika diketahui kejadian sekarang dan kejadian masa lampau, hanya bergantung kepada kejadian sekarang dan terbebas dari kejadian masa lampau. Penyebaran informasi atau difusi informasi yang terjadi di media sosial seperti Twitter memenuhi sifat Markov. Aktivitas tweet/retweet dari para pengguna Twitter dapat dipandang sebagai Model Rantai Markov Waktu Kontinu (RMWK), karena retweet dari pengguna berikutnya hanya bergantung pada tweet dari pengguna saat ini dan tidak bergantung kepada histori tweet pengguna sebelumnya. Informasi akan menyebar ke banyak pengguna jika seorang pengguna dapat memengaruhi banyak pengguna lainnya. Pada disertasi ini dikaji Model RMWK untuk deskripsi dan prediksi Difusi Informasi pada data Twitter dan memprediksi pengguna yang paling berpengaruh dalam menyebarkan informasi (influencer). Data tweet/retweet dari pengguna Twitter merupakan data dengan ukuran besar dan kompleks. Oleh karena itu, metodologi penelitian yang digunakan dalam penelitian ini mengikuti prosedur Knowledge Discovery in Database (KDD) dalam Data Mining, yakni data preprocessing, processing (data mining) dan postprocessing. Kajian diawali dengan Model RMWK Homogen (RMWKH) dengan asumsi laju transisi konstan untuk deskripsi dan prediksi Difusi Informasi pada data Twitter dan menurunkan teorema limiting probability untuk RMWKH. Selanjutnya kajian dikembangkan untuk RMWK Nonhomogen (RMWKNH) dengan asumsi intensitas transisi tidak konstan dan bergantung pada waktu. Untuk menentukan matriks intensitas transisi, fungsi intensitas transisi diasumsikan merupakan keluarga Fungsi Sigmoid, yang parameternya ditaksir menggunakan Maximum Likelihood Estimation (MLE). Estimasi matriks intensitas transisi ini digunakan untuk menentukan peluang transisi yang menggambarkan pola penyebaran informasi pada Twitter. Dalam penelitian ini juga dihasilkan teorema tentang limiting probability untuk RMWKNH. Selanjutnya RMWKH dan RMWKNH ini diaplikasikan untuk deskripsi dan prediksi Model Difusi Informasi pada data Twitter Indonesia dengan topik vaksinasi Covid-19. Berdasarkan data pengguna Twitter dalam jaringan follower-followee yang terlibat dalam pembicaraan vaksinasi Covid-19, dengan RMWKH dihasilkan prediksi peringkat influencer untuk setiap waktu, pengguna Twitter dengan follower terbanyak tidak menjadi top influencer. Selajutnya, dengan menggunakan keluarga Fungsi Sigmoid sebagai asumsi intensitas transisi, Model RMWKNH dihasilkan lebih baik dari Model RMWKH untuk deskripsi dan prediksi Difusi Informasi pada data Twitter. Hal ini ditunjukkan dengan hasil uji rasio Log-Likelihood yang lebih besar dari Chi-kuadrat tabel. Hasil lain dari penelitian ini adalah Model Optimisasi Linear Difusi Informasi RMWK (MOLDI-RMWK) yang diformulasikan menggunakan Program Evaluation and Review Technique-Critical Path Method (PERT-CPM). Hasil eksperimen numerik menunjukkan bahwa MOLDI-RMWK ini memberikan solusi optimal global dalam hal waktu penyebaran informasi pada Twitter.