Pengelompokan Karakteristik Data Komentar Film Exhuma Dengan Metode K-Medoids
Keywords:
Clustering, K-Medoids, Exhuma_Movie, Elbow_MethodeAbstract
Dalam beberapa tahun terakhir, pertumbuhan industri perfilman global menunjukkan perkembangan yang signifikan, ditandai dengan hadirnya berbagai film yang berhasil menarik perhatian masyarakat. Salah satu film yang saat ini menjadi sorotan adalah Exhuma, sebuah karya dari Korea Selatan yang mengangkat tema kontroversial. Tema tersebut memicu beragam respons dan reaksi dari berbagai pihak, sehingga penting untuk mempertimbangkan sensitivitas sosial dan budaya untuk menghindari potensi kritik maupun konflik. Exhuma dikenal sebagai film yang kompleks dan memikat, menghasilkan respons penonton yang sangat bervariasi. Penelitian ini dilakukan untuk menganalisis sentimen masyarakat terhadap film Exhuma dengan menggunakan metode K-Medoids Clustering. Data penelitian diambil dari platform Twitter/X untuk memahami bagaimana masyarakat merespons film ini. Tahapan penelitian meliputi pengambilan data (data crawling), prapemrosesan (data preprocessing), pembobotan menggunakan metode TF-IDF, dan pengelompokan sentimen dengan metode K-Medoids Clustering. Proses pengelompokan dilakukan untuk mengklasifikasikan komentar-komentar penonton ke dalam tiga kategori sentimen utama, yaitu positif, netral, dan negatif. Hasil analisis menunjukkan bahwa mayoritas komentar masyarakat tergabung dalam kluster sentimen positif, dengan persentase sebesar 77,50% dari total 155 komentar yang dianalisis. Hal ini mengindikasikan bahwa secara umum, tanggapan masyarakat terhadap film Exhuma cenderung bernada positif. Sebagai saran, penelitian selanjutnya diharapkan dapat membandingkan dengan metode clustering lainnya untuk meningkatkan tingkat akurasi pengelompokan data dan hasil analisis.References
P. Pasek, O. Mahawardana, G. Arya, I. P. Agus, and E. Pratama, “Analisis Sentimen Berdasarkan Opini dari Media Sosial Twitter terhadap ‘ Figure Pemimpin ’ Menggunakan Python,” JITTER-Jurnal Ilmiah Teknologi dan Komputer, vol. 3, no. 1, pp. 810–820, 2022, [Online]. Available: https://ojs.unud.ac.id/index._php/jitter/article/view/82975
Hartono, O. S. Sitompul, Tulus, and E. B. Nababan, “Optimization Model of K-Means Clustering Using Artificial Neural Networks to Handle Class Imbalance Problem,” IOP Conf Ser Mater Sci Eng, vol. 288, no. 1, 2018, doi: 10.1088/1757-899X/288/1/012075.
A. Julia Azzahra, F. Shafira, V. Suciana Kusuma, and D. Eka Putri, “ANALISIS ISI FILM ‘EXHUMA,’” NETIZEN: JOURNAL OF SOCIETY AND BUSSINESS, vol. 1, no. 8, pp. 382–392, 2024.
A. J. Simanullang, D. R. Manalu, and I. K. Jaya, “Analisa Persepsi Mahasiswa FIKOM Di Universitas Methodist Indonesia Terhadap Pelayanan Tenaga Pendidik Menggunakan User Centered Design,” vol. 1, no. 1, pp. 1–6, 2021.
M. N. Afrilia et al., “OPTIMASI ANALISIS CLUSTERING UNTUK AKTIVITAS DAN RESPON PENGGUNA MEDIA SOSIAL DENGAN K-MEANS,” 2024. [Online]. Available: https://www.kaggle.com/.
E. Ditendra, S. Suryani, S. Romelah, M. H. Arsyiddik Tanjung, and M. Sarah, “Perbandingan Algoritma Klasifikasi untuk Analisis Sentimen Islam Nusantara di Indonesia,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 2, no. 1, pp. 71–77, 2022, doi: 10.57152/malcom.v2i1.199.
K. J. S. Sepyanto, Y. H. Chrisnanto, and F. R. Umbara, “Sistem Segmentasi Program Talk Show Berdasarkan Media Sosial Twitter Menggunakan Metode K-Medoids Clustering,” Prosiding SISFOTEK, pp. 342–347, 2020.
N. Mirantika, T. S. Syamfithriani, and R. Trisudarmo, “Implementasi Algoritma K-Medoids Clustering Untuk Menentukan Segmentasi Pelanggan,” Jurnal Nuansa Informatika, vol. 17, no. 1, pp. 2614–5405, 2023.
N. Syahfitri, E. Budianita, A. Nazir, and I. Afrianty, “Pengelompokan Produk Berdasarkan Data Persediaan Barang Menggunakan Metode Elbow dan K-Medoid,” KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 4, no. 3, pp. 1668–1675, 2023, doi: 10.30865/klik.v4i3.1525.
F. Hardiyanti, H. S. Tambunan, and I. S. Saragih, “Penerapan Metode K-Medoids Clustering Pada Penanganan Kasus Diare Di Indonesia,” KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer), vol. 3, no. 1, pp. 598–603, 2019, doi: 10.30865/komik.v3i1.1666.
