PENGELOMPOKKAN KATEGORI FILM BERPENGARUH YANG MASUK DALAM IMDb TOP 250 MENGGUNAKAN METODE K-MEANS CLUSTERING

• NURUL FATIRA

---

ABSTRAK

ABSTARK

Nurul Fatira (11162865), Pengelompokan Kategori Film Berpengaruh yang Masuk Dalam IMDb Top 250 Menggunakan Metode K-Means Clustering

 

Dalam dunia perfilman memiliki kisah perjalanan yang cukup panjang, mulai dari film tanpa suara dan tidak berwarna hingga saat ini telah menjadi film yang kaya efek dan dapat dengan mudah ditemukan di dunia hiburan. Seiring berjalanan waktu hingga sekitar tahun 1980/1990an film indonesia semakin meningkat. Namun peningkatan tersebut juga diikuti dengan masuknya film luar baik hollywood maupun bollywood yang akhirnya mendominasi perfilman negeri. Sejak tahun 2019 hingga pertengahan tahun 2020, saat ini terdapat wabah yang membuat masyarakat tidak dapat beraktivitas di luar atau bersenang-senang seperti menonton film di bioskop. IMDb (Internet Movie Database), Netflix, Rotten Tomatoes adalah sumber informasi paling populer dan terpercaya tentang film, TV, dan konten selebriti lainnya. Berbagai informasi mengenai film, seperti: judul, review, atau rating, waktu tayang, pemeran, sutradara, penulis, pendapatan film, durasi film, dll. Semua dapat diperoleh disitus itu. Dalam penelitian ini, penulis menggunakan metode K-Means Clustering untuk menentukan kategori film yang sering masuk dalam daftar IMDb Top 250. Melakukan pengambilan data menggunakan Web Scrapinng dan melakukan perhitungan hasil menggunakan Rapid Miner. Sehingga didapatkan hasil 5 cluster dengan nilai akurasi sebesar 64% untuk kelompok cluster 3 yang mana lebih dominan bergenre Action dan disutradarai oleh Robert Benigni.

 

 

Kata Kunci: Pengelompokan Film, K-Means Clustering, IMDb Top 250

KATA KUNCI

Analisis,Metode K-means

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

 

[1]

U. Indriani, “Pendekatan K-Means Clustering Terhadap,” PENDEKATAN K-MEANS CLUSTERING TERHADAP REKOMENDASI FILM UNTUK DITONTON, vol. 2, no. 1, pp. 84-88, 2018.

[2]

O. I. Oktivianto, “Pengaruh Implementasi Model Pembelajaran Role Playing dengan Media Film terhadap Motivasi Belajar Peserta Didik dalam Pelajaran Sejarah Materi Perang Palembang Kelas X di SMA Srijaya Negara Palembang,” Jurnal Pendidikan (Teori dan Praktik), vol. 3, no. 2, p. 113, 2018.

[3]

D. P. d. K. (1989), FILM, Jakarta: Kamus Besar Bahasa Indonesia. Jakarta:.

[4]

t. f. e. Wikipedia, “IMDb,” Wikipedia, 2020.

[5]

Anggara, Mario, “Pemilihan Distance Measure Pada K-Means Clustering Untuk Pengelompokkan Member Di Alvaro Fitness,” Jurnal Sistem dan Teknologi Informasi, vol. 1, no. 1, pp. 1-6, 2016.

[6]

Y. Darmi, “Penerapan metode clustering k-means dalam pengelompokan penjualan produk,” Jurnal Media Infotama Universitas Muhammadiyah Bengkulu, vol. 12, no. 2, pp. 148-157, 2016.

[7]

T. S. Madhulatha, “AN OVERVIEW ON CLUSTERING METHODS,” IOSR Journal of Engineering, vol. 2, no. 4, pp. 719-725, 2012.

[8]

R. Mitchell, Web Scraping With Python - Collecting Data From The Modern WEB, United State of America: O'Reilly Media, 2015.

[9]

A. M. M. Ayunda, “Implementasi Metode Improved K-Means dengan Algoritma Dbscan untuk Pengelompokan Film,” Ujmc, Jurnal, vol. 6, no. 2, pp. 1-8, 2020.

[10]

S. Budi, “Text Mining Untuk Analisis Sentimen Review Film,” Text Mining Untuk Analisis Sentimen Review Film Menggunakan Algoritma K-Means, vol. 16, no. 1, pp. 1-8, 2017.

[11]

I. Hadi, “Sistem Rekomendasi Film menggunakan User-based,” Sistem Rekomendasi Film menggunakan User-based Collaborative Filtering dan K-modes Clustering, vol. 2, no. 12, pp. 33-36, 2017.

[12]

H.-P. K. J. S. X. X. Martin Ester, “A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise,” Published in Proceedings of 2nd International Conference on Knowledge Discovery and Data Mining (KDD-96), p. 67, 2019.