ANALISIS POLA GENRE ANIME BERDASARKAN VIEW DAN LIKE MENGGUNAKAN ALGORITMA PARTITIONING AROUND MEDOIDS PADA CHANNEL YOUTUBE MUSE INDONESIA
Abstract
Penelitian ini dilatarbelakangi oleh tingginya jumlah konten anime pada Channel YouTube Muse Indonesia serta belum optimalnya pemanfaatan data interaksi penonton dalam menentukan strategi pemilihan konten. Ketergantungan pada survei dinilai kurang mampu merepresentasikan perilaku aktual penonton, sehingga berpotensi menyebabkan pemilihan anime yang tidak sesuai dan berdampak pada rendahnya performa video serta inefisiensi biaya lisensi . Oleh karena itu, penelitian ini bertujuan untuk menganalisis pola genre anime berdasarkan jumlah view dan like menggunakan algoritma Partitioning Around Medoids (PAM). Data diperoleh melalui proses crawling YouTube API pada periode 2020–2025 dan menghasilkan 220 judul anime setelah melalui tahap preprocessing. Fitur yang digunakan meliputi genre, view_count, dan like_count, dengan proses ekstraksi genre menggunakan regex, encoding menggunakan MultiLabelBinarizer, serta normalisasi menggunakan StandardScaler. Hasil clustering menunjukkan jumlah cluster optimal adalah k = 2 dengan nilai Silhouette Score sebesar 0,2169. Cluster pertama didominasi genre Action, Fantasy, dan Adventure dengan tingkat interaksi lebih tinggi, sedangkan cluster kedua didominasi genre Comedy, Drama, dan Romance dengan interaksi lebih rendah. Hasil ini menunjukkan adanya perbedaan pola preferensi penonton yang dapat dimanfaatkan sebagai dasar pengambilan keputusan strategis dalam pemilihan dan pengembangan konten anime.
Downloads
References
T. Ahmad, A. Jamil, A. Zidan, and Y. Huda, “Komunitas Wibu Situbondo Sekai: Sebuah Identitas Kebudayaan Yang Terbentuk Dalam Masyarakat Modern,” AKADEMIK: Jurnal Mahasiswa Humanis, vol. 4, no. 2, pp. 227–238, 2024, doi: 10.37481/jmh.v4i2.741.
H. Cho, T. Disher, W.-C. Lee, S. A. Keating, and J. H. Lee., “Facet Analysis of Anime Genres: The Challenges of Defining Genre Information for Popular Cultural Objects,” KNOWLEDGE ORGANIZATION, vol. 47, no. 1, pp. 13–30, 2020, doi: 10.5771/0943-7444-2020-1-13.
Y. Toi, “Kepopuleran dan Penerimaan Anime Jepang Di Indonesia,” Ayumi : Jurnal Budaya, Bahasa dan Sastra, vol. 7, no. 1, Jul. 2020, doi: 10.25139/ayumi.v7i1.2808.
N. Andari and A. G. M. Litaay, “Anime Trend as An Advert Genre in Indonesian Youtube,” Journal of Development Research, vol. 6, no. 2, pp. 164–170, Nov. 2022, doi: 10.28926/jdr.v6i2.245.
D. D. Abdurrahman, F. Agus, and G. M. Putra, “Implementasi Algoritma Partitioning Around Medoids (PAM) untuk Mengelompokkan Hasil Produksi Komoditi Perkebunan (Studi Kasus: Dinas Perkebunan Provinsi Kalimantan Timur),” Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer, vol. 16, no. 2, p. 130, Oct. 2021, doi: 10.30872/jim.v16i2.6520.
S. Wulandari and N. Dwitiyanti, “IMPLEMENTASI ALGORITMA CLUSTERING PARTITIONING AROUND MEDOID (PAM) DALAM CLUSTERING VIRUS MERS-CoV,” Aug. 2020. doi: https://www.journal.lppmunindra.ac.id/index.php/STRING/article/view/6469.
S. Seimahuira, “Analisa Pola Pengguna Youtube Tranding Menggunakan Algoritma Partitioning Around Medoids (PAM) dan FP-Growth,” Jurnal Penelitian Inovatif, vol. 2, no. 1, pp. 59–66, Jan. 2022, doi: 10.54082/jupin.38.
Wardah and M. J. Reza, “Persepsi Mahasiswa terhadap Penggunaan Youtube sebagai Media Konten Video Kreatif,” Jurnal Komunikasi dan Organisasi (J-KO), vol. 3, no. 1, pp. 39–46, 2021.
J. Shen, “The research of the factors that influence the popularity of YouTube videos,” Theoretical and Natural Science, vol. 51, no. 1, pp. 187–193, Nov. 2024, doi: 10.54254/2753-8818/51/2024ch0200.
K. Pristianti, “Pengaruh Menonton Animasi Jepang Di Internet Terhadap Gaya Hidup Wibu Di Yogyakarta,” Commsphere: Jurnal Mahasiswa Ilmu Komunikasi, vol. 2, no. I, pp. 93–121, 2024, doi: 10.37631/commsphere.v2ii.1353.
Meri Fitriani, Gigih Forda Nama, and Mardiana, “Implementasi Association Rule Dengan Algoritma Apriori Pada Data Peminjaman Buku Upt Perpustakaan Universitas Lampung Menggunakan Metodologi CRISP-DM,” Jurnal Informatika dan Teknik Elektro Terapan (JITET), vol. 10, Jan. 2022.
B. G. Sudarsono, M. I. Leo, A. Santoso, and F. Hendrawan, “Analisis Data Mining Data Netflix Menggunakan Aplikasi Rapid Miner,” JBASE - Journal of Business and Audit Information Systems, vol. 4, no. 1, 2021, doi: 10.30813/jbase.v4i1.2729.
Iddrus and Dewi Wulan Sari, “Penerapan Data Mining Menggunakan Algoritma Decision Tree C4.5 Untuk Memprediksi Mahasiswa Drop Out Di Universitas Wiraraja,” Jurnal Advance Research Informatika, Jun. 2023.
A. P. Rengganis, D. Arifianto, and H. Oktavianto, “Algoritma Partitioning Around Medoids (PAM) dalam Mengelompokkan Kecamatan di Kabupaten Jember Berdasarkan Produktivitas Tanaman Padi Partitioning Around Medoids (PAM) Algorithm in Classifying Districts in Jember Regency Based on Rice Productivity,” Mar. 2021. [Online]. Available: http://jurnal.unmuhjember.ac.id/index.php/JST
Haana Udtari Anjani, Vitriani Vitriani, and Mulya Hastuti, “Pemanfaatan Media Google Colaboratory Pada Mata Pelajaran Informatika di SMA Negeri 5 Pekanbaru,” SOKO GURU: Jurnal Ilmu Pendidikan, vol. 4, no. 1, pp. 101–108, 2024, doi: 10.55606/sokoguru.v4i1.3613.
V. Plotnikova, M. Dumas, and F. Milani, “Adaptations of data mining methodologies: A systematic literature review,” PeerJ Comput. Sci., vol. 6, pp. 1–43, 2020, doi: 10.7717/PEERJ-CS.267.
Afika Rianti, Nuur Wachid Abdul Majid, and Ahmad Fauzi, “CRISP-DM: Metodologi Proyek Data Science,” Jul. 2023.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
