TRI GUNA DHARMATRI GUNA DHARMA

Jurnal Sistem Informasi Triguna Dharma (JURSI TGD)Jurnal Sistem Informasi Triguna Dharma (JURSI TGD)

YouTube telah menjadi platform utama untuk konsumsi konten video, dengan tren video yang terus berkembang sesuai perubahan minat audiens. Penelitian ini bertujuan untuk mengelompokkan film trending di YouTube berdasarkan judul dan popularitasnya menggunakan pendekatan TF-IDF dan K-Means Clustering. TF-IDF digunakan untuk mengekstraksi fitur dari judul video, mengidentifikasi kata-kata kunci penting yang mencirikan tema setiap film. Algoritma K-Means kemudian digunakan untuk mengelompokkan video ke dalam beberapa cluster berdasarkan kemiripan fitur TF-IDF dan jumlah views. Hasil penelitian menunjukkan bahwa video dapat dikelompokkan ke dalam tiga cluster dengan karakteristik unik. Evaluasi menggunakan Silhouette Score menunjukkan bahwa kualitas clustering masih dapat ditingkatkan. Penelitian ini memberikan wawasan bagi kreator konten dan pemasar digital untuk menyusun strategi konten yang lebih menarik dan relevan, serta memberikan kontribusi akademis dalam analisis data berbasis teks.

Penelitian ini berhasil mengelompokkan video YouTube menjadi tiga cluster utama berdasarkan fitur seperti judul video, genre, dan jumlah views.WordCloud untuk setiap cluster memberikan gambaran kata-kata dominan yang mencerminkan tema utama dalam cluster tersebut.Penelitian ini memberikan wawasan tentang bagaimana video YouTube dapat dikelompokkan berdasarkan tema dan popularitas menggunakan teknik TF-IDF, K-Means clustering, dan WordCloud.Kualitas clustering yang rendah menunjukkan bahwa data dalam cluster memiliki tumpang tindih yang tinggi, atau sulit untuk dipisahkan dengan baik ke dalam cluster yang berbeda.Sebagai masukan untuk penelitian ke depan dengan optimalisasi jumlah klaster (k) ataupun dengan pemilihan fitur yang lebih relevan.

Berdasarkan hasil penelitian, terdapat beberapa saran penelitian lanjutan yang dapat dikembangkan. Pertama, perlu dilakukan eksplorasi lebih lanjut mengenai optimalisasi jumlah cluster (k) dalam algoritma K-Means, karena hasil Silhouette Score menunjukkan kualitas clustering yang masih dapat ditingkatkan. Kedua, penelitian selanjutnya dapat mengkaji penggunaan teknik Natural Language Processing (NLP) yang lebih canggih untuk mengekstraksi fitur dari judul film, seperti sentiment analysis atau topic modeling, guna menghasilkan representasi yang lebih akurat dan informatif. Ketiga, penelitian dapat diperluas dengan mempertimbangkan faktor-faktor lain yang memengaruhi popularitas film, seperti aktor, sutradara, atau platform distribusi, untuk menghasilkan model clustering yang lebih komprehensif dan dapat memberikan wawasan yang lebih mendalam bagi kreator konten dan pemasar digital.

  1. Penerapan K-Means Clustering untuk Klasifikasi Serangan Cyber pada Syslog File | Jurnal Sistem dan Informatika... doi.org/10.30864/jsi.v14i2.305Penerapan K Means Clustering untuk Klasifikasi Serangan Cyber pada Syslog File Jurnal Sistem dan Informatika doi 10 30864 jsi v14i2 305
  2. Implementation of TF-IDF Algorithm and K-mean Clustering Method to Predict Words or Topics on Twitter... trilogi.ac.id/journal/ks/index.php/JISA/article/view/831Implementation of TF IDF Algorithm and K mean Clustering Method to Predict Words or Topics on Twitter trilogi ac journal ks index php JISA article view 831
  3. KLASIFIKASI VIDEO PADA MEDIA SOSIAL YOUTUBE DENGAN MENGGUNAKAN METODE K-MEANS DAN SUPPORT VECTOR MACHINE... locus.rivierapublishing.id/index.php/jl/article/view/1732KLASIFIKASI VIDEO PADA MEDIA SOSIAL YOUTUBE DENGAN MENGGUNAKAN METODE K MEANS DAN SUPPORT VECTOR MACHINE locus rivierapublishing index php jl article view 1732
  4. Opinion-based Homogeneity on YouTube | Amsterdam University Press Journals Online. opinion based homogeneity... doi.org/10.5117/CCR2020.1.004.ROCHOpinion based Homogeneity on YouTube Amsterdam University Press Journals Online opinion based homogeneity doi 10 5117 CCR2020 1 004 ROCH
Read online
File size1.17 MB
Pages10
DMCAReport

Related /

JURIS Pengelompokkan Hasil Produksi Tanaman Perkebunan Berdasarkan Provinsi Menggunakan Metode K Means 2026More at 2026

LITERASISAINSLITERASISAINS Tujuan dari penelitian ini untuk melakukan pengelompokkan hasil produksi tanaman perkebunan setiap tahunnya berdasarkan provinsi di Indonesia, agar dapatTujuan dari penelitian ini untuk melakukan pengelompokkan hasil produksi tanaman perkebunan setiap tahunnya berdasarkan provinsi di Indonesia, agar dapat

JURIS Klasterisasi Pemetaan Kedisiplinan Pegawai Berdasarkan Rekap Kehadiran menggunakan Algoritma Clustering K Means 2025More at 2025

UMIUMI Metode K-Means berhasil mengelompokkan kedisiplinan pegawai menjadi tiga cluster, dengan Cluster 2 menunjukkan tingkat kedisiplinan tertinggi. PegawaiMetode K-Means berhasil mengelompokkan kedisiplinan pegawai menjadi tiga cluster, dengan Cluster 2 menunjukkan tingkat kedisiplinan tertinggi. Pegawai

JURIS Implementasi K Means Clustering pada Pengelompokan Pasien Penyakit Jantung 2024More at 2024

UIN SUKAUIN SUKA Penelitian menunjukkan bahwa cluster k1 memiliki profil risiko tertinggi, mayoritas laki-laki, usia lebih tua, nyeri dada parah, tekanan darah dan kolesterolPenelitian menunjukkan bahwa cluster k1 memiliki profil risiko tertinggi, mayoritas laki-laki, usia lebih tua, nyeri dada parah, tekanan darah dan kolesterol

JURIS Analisis Kombinasi Algoritma K Means Clustering dan TOPSIS Untuk Menentukan Pendekatan Strategi Marketing Berdasarkan Background Target Audiens 2024More at 2024

SEMINAR IDSEMINAR ID Perhitungan Sillhoute Score mendapat 0,426 dan masuk ke dalam kategori cluster yang lemah karena berada pada rentang nilai -1. Interpretasi nilai ini masihPerhitungan Sillhoute Score mendapat 0,426 dan masuk ke dalam kategori cluster yang lemah karena berada pada rentang nilai -1. Interpretasi nilai ini masih

JURIS Aplikasi Dynamic Cluster pada K Means BerbasisWeb untuk Klasifikasi Data Industri Rumahan 2022More at 2022

BUMIGORABUMIGORA Implementasi algoritma Dynamic cluster pada K-means untuk pengelompokan data industri rumahan pada Dinas P3ACSKB di Provinsi Kepulauan Bangka BelitungImplementasi algoritma Dynamic cluster pada K-means untuk pengelompokan data industri rumahan pada Dinas P3ACSKB di Provinsi Kepulauan Bangka Belitung

JURIS Implementasi Algoritma C4 5 dan K Means pada Diagnosis Penyakit Ginjal Kronis 2021More at 2021

UNDHIRA BALIUNDHIRA BALI 5 adalah salah satu algoritma yang dapat digunakan dalam metode decision tree (pohon keputusan). 5 hanya dapat menggunakan data kategorikal, sehingga data5 adalah salah satu algoritma yang dapat digunakan dalam metode decision tree (pohon keputusan). 5 hanya dapat menggunakan data kategorikal, sehingga data

JURIS Penerapan Data Mining Untuk Mengetahui Pola Pemilihan Program Studi Di STMIK Primakara Menggunakan Algoritma K Means Clustering 2021More at 2021

UNDHIRA BALIUNDHIRA BALI Cluster 2 yang lebih banyak memilih program studi IF berasal dari sekolah SMK di daerah Gianyar, Karangasem, dan Tabanan. Cluster 3 terdiri dari mahasiswaCluster 2 yang lebih banyak memilih program studi IF berasal dari sekolah SMK di daerah Gianyar, Karangasem, dan Tabanan. Cluster 3 terdiri dari mahasiswa

JURIS Penerapan Metode K Means Pada Pengelompokkan Pengangguran Di Indonesia 2021More at 2021

TUNASBANGSATUNASBANGSA Penelitian menunjukkan algoritma K-means berhasil mengelompokkan 34 provinsi menjadi dua cluster pengangguran. Cluster tinggi mencakup 13 provinsi yangPenelitian menunjukkan algoritma K-means berhasil mengelompokkan 34 provinsi menjadi dua cluster pengangguran. Cluster tinggi mencakup 13 provinsi yang

Useful /

JURIS Microsatellite RM20A RM241 and RM315 Amplification of Panic Grass DNA Panicum maximum 2025More at 2025

UnimorUnimor Berdasarkan hasil penelitian, dapat disimpulkan bahwa pemandu SSR RM241 mampu membentuk pita polimorfik sehingga dapat digunakan sebagai alat untuk mendeteksiBerdasarkan hasil penelitian, dapat disimpulkan bahwa pemandu SSR RM241 mampu membentuk pita polimorfik sehingga dapat digunakan sebagai alat untuk mendeteksi

JURIS Analisis Kepuasan Masyarakat Terhadap Kualitas Pelayanan Pada Pengadilan Negeri Simalungun Menggunakan Metode Algoritma C4 5 2021More at 2021

TUNASBANGSATUNASBANGSA 5. Sumber data yang digunakan dalam penelitian ini diambil dengan instrument berupa kuisioner dengan jawaban tertutup dan terbuka, dimana datanya berupa5. Sumber data yang digunakan dalam penelitian ini diambil dengan instrument berupa kuisioner dengan jawaban tertutup dan terbuka, dimana datanya berupa

JURIS Pengaruh Pengetahuan dan Sikap terhadap Pendidikan Seks Siswa Madrasah Aliyah Swasta Calang Kabupaten Aceh Jaya 2018More at 2018

SERAMBI MEKKAHSERAMBI MEKKAH Metode penelitian ini bersifat analitik dengan pendekatan Cross Sectional. Populasi dalam penelitian ini adalah siswa dan siswi di Madrasah Aliyah SwastaMetode penelitian ini bersifat analitik dengan pendekatan Cross Sectional. Populasi dalam penelitian ini adalah siswa dan siswi di Madrasah Aliyah Swasta

JURIS Buah Lindur Bruguera gymnorrhyza sebagai Makanan 2018More at 2018

SERAMBI MEKKAHSERAMBI MEKKAH Data diperoleh dengan teknik wawancara. Data diolah dengan menguraikan jawaban‑jawaban responden. Dari hasil penelitian diperoleh bahwa masyarakat DesaData diperoleh dengan teknik wawancara. Data diolah dengan menguraikan jawaban‑jawaban responden. Dari hasil penelitian diperoleh bahwa masyarakat Desa

ads-block-test