ABSTRAK Nama : Fatia Kusuma Dewi Program Studi : Ilmu Komputer Judul : Identifikasi Central Node dalam Penyebaran Rumor pada Online Social Network Twitter Menggunakan Pembobotan Edge dan Pembobotan Algoritma Centrality Measure untuk Static Network Penyebaran rumor yang terbukti palsu banyak terjadi di OSN yang salah satu contohnya Twitter. Kegiatan tersebut ilegal, sehingga menemukan pelaku yang berpengaruh dalam penyebarannya menjadi hal penting. Salah satu cara dalam menemukan pelaku tersebut adalah centrality measure pada studi ilmu social network analysis. Centrality measure menghitung nilai pada setiap node di jaringan dengan node pada urutan teratas dapat disebut dengan central nodes. Central node pada penyebaran rumor dapat dikaitkan dengan istilah opinion leader Pemilihan centrality measure untuk menemukan central node yang sesuai dengan kriteria opinion leader adalah fokus yang penting. Setiap centrality measure memiliki sifat dan karakteristiknya sendiri. Salah satu penelitian terkait centrality measure adalah penelitian yang melakukan kombinasi centrality measure. Penelitian tersebut bertujuan untuk mendapatkan sifat dari setiap centrality measure. Terdapat beberapa hubungan pada OSN Twitter. Biasanya, penelitian yang menemukan central node menganggap semua hubungan sama penting. Padahal, tidak semua hubungan pada Twitter memiliki peranan yang sama dalam penyebaran informasi. Penelitian ini terdiri dari dua eksperimen pembobotan yaitu pembobotan edge dan pembobotan centrality measure (in-degree, betweenness dan PageRank). Hal ini ditujukan untuk mengetahui bobot hubungan pada Twitter dan analisis bobot pada centrality measure yang sesuai dengan kriteria opinion leader. Hasil dari pembobotan edge menunjukkan bahwa hubungan yang menampilkan tweet pada timeline pengguna lain seperti quote, retweet, dan reply memiliki bobot yang cenderung lebih besar dibandingkan hubungan mention. Kemudian pada pembobotan centrality ditemukan bahwa tidak adanya bobot PageRank, bobot in-degree kecil (0,1 sampai 0,4), dan bobot betweenness besar (0,6 sampai 0,9) cenderung membuat hasil kombinasi centrality lebih baik. Hal ini diukur oleh kesepakatan dengan seluruh algoritma evaluasi dalam menemukan opinion leader lainnya. Kata Kunci: Social Network Analysis, Centrality Measure, Rumor vi