Analisa Pola Pengguna Youtube Tranding Menggunakan Algoritma Partitioning Around Medoids (PAM) dan FP-Growth

Penulis

  • Syarah Seimahuira Informatika, Fakultas Teknik, Universitas Nusa Mandiri, Indonesia

DOI:

https://doi.org/10.54082/jupin.38

Kata Kunci:

Clustering, DBI, FP-Growth, PAM

Abstrak

Seiring dengan perkembangan media digital menjadikan Youtube sebagai salah satu platform media sosial yang memiliki banyak peminatan di dunia. Banyaknya pengguna Youtube yang memanfaatkan platform ini sebagai sarana untuk berkarya dan menghasilkan seperti blog video, video pendidikan, dan berbagai konten lainnya Penelitian ini membahas mengenai pola pengguna youtube trending. Oleh karena itu, Konten Creator akan berlomba untuk membuat video agar masuk dalam daftar trending YouTube. Dari data trending tersebut dapat digunakan untuk mengetahui pola pengguna Youtube dan hubungan antara setiap kelompok berdasarkana aktifitas pengguna dalam merespon konten. Penggunaan algoritma Partitioning Around Medoids (PAM) bersamaan dengan algoritma FP-Growth diterapkan dalam melakukan analisa pola pengguna youtube untuk dapat menentukan seberapa besar pengaruh tingkat view terhadap comment, comment count, dislike dan like pada video. Sehingga dengan demikian dapat membantu pengguna youtube dalam mengetahui interaksi dan pengaruhnya terhadap konten yang telah diupload hingga menjadi trending pada youtube. Pengujian dilakukan dengan menerapkan data mining dimana pada pengaplikasiannya menggunakan Aplikasi Rapidminer. Dari hasil yang didapatkan berdasarkan pengujian tersebuat adalah ditemukan 12 pola dari sampel dataset Youtube Trending yang dapat digunakan dalam memberikan informasi baru terkait pola masyarakat pengguna Youtube. Hasil tersebut dievaluasi dengan menerapkan Davies Bouldin Index (DBI) dimana dilakukan pengujian evaluasi hasil dataset dengan 10 cluster, namun pada kelompok 3 cluster mampu memberikan hasil evaluasi yang mendekati 0 dengan hasil 0,148 sehingga dianggap lebih baik dibandingkan cluster lainnya.

Referensi

David, E. R. (Eribka), Sondakh, M. (Mariam), & Harilama, S. (Stefi). (2017). Pengaruh Konten Vlog Dalam Youtube Terhadap Pembentukan Sikap Mahasiswa Ilmu Komunikasi Fakultas Ilmu Sosial Dan Politik Universitas Sam Ratulangi. Acta Diurna, 6(1), 93363. https://www.neliti.com/publications/93363/pengaruh-konten-vlog-dalam-youtube-terhadap-pembentukan-sikap-mahasiswa-ilmu-kom

litbang. (2019). APJII: Jumlah Pengguna Internet di Indonesia Tembus 171 Juta Jiwa. Litbang Kemendagri. https://litbang.kemendagri.go.id/website/apjii-jumlah-pengguna-internet-di-indonesia-tembus-171-juta-jiwa/

Mitchell, J. (2019). Trending YouTube Video Statistics. Kaggle. http://www.kaggle.com/datasnaek/youtube-new

Nanuru, R. F. (2017). YOUTUBE: Seni Berwawasan Teknologi Modern. https://doi.org/10.31219/osf.io/3vshc

Nastuti, A. (2019). Amelia Nastuti 1 ) , Syaiful Zuhri Harahap 2 ). Teknik Data Mining Untuk Penentuan Paket Hemat Sembako Dan Kebutuhan Harian Dengan Menggunakan Algoritma Fp-Growth, 7(3), 111–119.

Saputra, P. Y., Subhi, D. H., & Winatama, F. Z. A. (2019). Implementasi Sentimen Analisis Komentar Channel Video Pelayanan Pemerintah Di Youtube Menggunakan Algoritma Naïve Bayes. Jurnal Informatika Polinema, 5(4), 209–213. https://doi.org/10.33795/jip.v5i4.259

Tanesab, F. I., Sembiring, I., & Purnomo, H. D. (2017). Sentiment Analysis Model Based On Youtube Comment Using Support Vector Machine. International Journal of Computer Science and Software Engineering (IJCSSE), 6(8), 180–185. http://ijcsse.org/published/volume6/issue8/p2-V6I8.pdf

Wardhani, A. K. (2017). Penerapan Algoritma Partitioning Around Medoids Untuk Menentukan Kelompok Penyakit Pasien ( Studi Kasus : Puskesmas Kajen Pekalongan ). Jurnal Kajian Ilmu Dan Teknologi (KILAT), 6(1), 6–10.

Diterbitkan

22-01-2022

Cara Mengutip

Seimahuira, S. (2022). Analisa Pola Pengguna Youtube Tranding Menggunakan Algoritma Partitioning Around Medoids (PAM) dan FP-Growth. Jurnal Penelitian Inovatif, 2(1), 59–66. https://doi.org/10.54082/jupin.38