TOWARDS MULTIPLE IDENTITY DETECTION IN SOCIAL NETWORKS & RESEARCH METODOLOGY 3KS2 ERMA FITRIANA RANITA RIZKI APRILLIA

Set JOB Latar Belakang Riset Teknologi/Istilah Penting Permasalahan Riset Kontribusi Utama Riset Metode Pemacahan Masalah Evaluasi Ide Pengembangan Riset Kesimpulan Ranita R.A Erma Fitriana

LATAR BELAKANG RISET TOWARDS MULTIPLE IDENTITY DETECTION IN SOCIAL NETWORKS

People Social Networks Single Identity Multiple Identity Own Identity Someone Identity Fantasy Identity Latar Belakang Riset (1)

Multiple identity terkadang digunakan untuk cyber-crime atau penipuan. Terdapat kesulitan dalam mengidentifikasi multiple identity karena pelakunya akan berusaha menyembunyikan profil dan jejaknya. Perlu suatu metode untuk mengidentifikasi multiple identity yang dimiliki user sehingga dapat membantu proses pencarian cyber-crime. Latar Belakang Riset (2)

TEKNOLOGI/ISTILAH PENTING TOWARDS MULTIPLE IDENTITY DETECTION IN SOCIAL NETWORKS

Teknologi/Istilah Penting Authorship analysis Suatu proses pemeriksaan karakteristik dengan 3 taxonomy: 1. Problems Category : authorship identification, authorship characterization, similarity detection 2. Feature Category : social, lexical, sintatic, idiosyncractic 3. Approach Category : manual, machine learning Macine learning techniques Suatu pendekatan yang terfokus dalam menghasilkan suatu pemetaan dari input ke output secara akurat dan efisien.

Teknologi/Istilah Penting K-means dan Kohonen Map Algoritma clustering yang bersifat unsupervised learning. Kohonen map memudahkan dalam membedakan data yang normal dengan data yang tidak tidak normal. - tidak dapat menentukan cluster secara cepat K-means dapat melakukan pengolahan data dalam jumlah yang besar dengan waktu yang cepat namun memiliki kelemahan dalam menentukan titik centroid

PERMASALAHAN RISET TOWARDS MULTIPLE IDENTITY DETECTION IN SOCIAL NETWORKS

Bagaimana cara mengidentifikasi multiple identities di Social Networks? Permasalahan Riset ?

KONTRIBUSI UTAMA RISET TOWARDS MULTIPLE IDENTITY DETECTION IN SOCIAL NETWORKS

1.mengajukan suatu framework untuk clustering identitas- identitas yang mirip karakteristiknya berdasarkan feature-feature: social, lexical, syntatic, idyiosintratic 2. melakukan penelitian lebih luas mengenai authorship analysis, yang sebelumnya baru dilakukan pada ataupun newsgroup, tetapi pada penelitian ini diterapkan pada social networks yaitu twitter Kontribusi Utama Riset 2 Kontribusi Utama Riset 1

3. Membantu crime investigator yaitu mempercepat pencarian pelaku cyber crime di social network karena wilayah pencarian telah terfokuskan dalam cluster-cluster Kontribusi Utama Riset 3

METODE PEMECAHAN MASALAH TOWARDS MULTIPLE IDENTITY DETECTION IN SOCIAL NETWORKS

Metode Pemecahan Masalah Setiap orang itu unik dan bisa didentifikasi melalui writing style, atau social behavior Metode ini hanya dipergunakan untuk Social Networks Representation space Learning Layer Validation Batasan Hipotesis 1 3 Tahapan 2

METHODOLOGY OF THE PROPOSED FRAMEWORK

EVALUASI TOWARDS MULTIPLE IDENTITY DETECTION IN SOCIAL NETWORKS

Dari 1 juta akun Twitter diambil 1000 user kemudian dilakukan pengclusteran dengan konfigurasi 10 dan 20 cluster Evaluasi

IDE PENGEMBANGAN RISET TOWARDS MULTIPLE IDENTITY DETECTION IN SOCIAL NETWORKS

Ide Pengembangan Riset Penulis merencanakan untuk mengevaluasi cluster dengan dataset yang besar dan langsung mendiskusikanny a dengan para ahli (domain experts) mengkaji ulang teknik pengclusteran nya Riset Penulis Riset Pembahas 1 2

Ide Pengembangan Riset Pembahas (2) membuat aplikasi pengklasteran kinerja pegawai BPS. membuat aplikasi potensi desa membuat aplikasi keadaan sosial ekonomi suatu desa klaster berdasarkan: a. efisiansi wakatu kerja b. kualitas kerja c. keadaan sosial 3 4 5

KESIMPULAN TOWARDS MULTIPLE IDENTITY DETECTION IN SOCIAL NETWORKS

Kesimpulan Peneliti menggunakan authorship analysis dengan menggunakan machine learning techniques, sehingga dihasilkan metode pengidentifikasian multiple identity disocial network dengan pengklusteran

TOWARDS MULTIPLE IDENTITY DETECTION IN SOCIAL NETWORKS RESEARCH METODOLOGY 감사합니다

TOWARDS MULTIPLE IDENTITY DETECTION IN SOCIAL NETWORKS RESEARCH METODOLOGY 감사합니다

Algoritma umum Kohonen (1)

Algoritma umum Kohonen (2) melakukan inisialisasi bobot untuk tiap-tiap node dengan nilai random. Setelah diberikan bobot random, jaringan diberi masukan sejumlah dimensi masukan node/neuron. Setelah masukan diterima jaringan, jaringan mulai melakukan perhitungan jarak vector yang didapatkan dengan menjumlahkan selisih atau jarak antar vektor dengan vektor bobot.

Algoritma umum Kohonen (3) Setelah diketahui tiap-tiap jarak antara keluaran node dengan masukannya, dilakukan perhitungan jumlah jarak selisih minimum. Node yang terpilih (winner) dan berjarak minimum diberi tanda khusus, yaitu diberikan angka satu dan node yang lain nol. Tahap akhir algoritma ini adalah melakukan perubahan bobot pada keluaran node yang terpilih beserta tetangga sekitarnya (misal node terpilih adalah node ke-20 dan jumlah neighbourhood=5, maka bobot pada node ke-15 sampai ke-25 akan diubah)