Article Per Year (5 Year)
p-Index From 2020 - 2025
1.784
P-Index
This Author published in this journals
All Journal Desimal: Jurnal Matematika Jurnal Abdimas PHB : Jurnal Pengabdian Masyarakat Progresif Humanis Brainstorming Jurnal TIKOMSIN (Teknologi Informasi dan Komunikasi Sinar Nusantara) International Journal of Computer and Information System (IJCIS) Journal of English Language and Education Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi Journal of Technology, Mathematics and Social Science (J'THOMS) Jurnal Pengabdian Masyarakat Ilmu Komputer Jurnal Pengabdian Masyarakat Teknologi dan Pendidikan (MANTAP)
Wijayanto, Hendro
Unknown Affiliation
Religion Aerospace Engineering Arts Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Mathematics Mechanical Engineering Public Health Social Sciences Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Sistem Informasi Triguna Dharma (JURSI TGD)

 1 
Pengelompokkan Film Trending di Youtube Menggunakan TF-IDF dan K-Means Clastering Remawati, Dwi; Wijayanto, Hendro; Wahyu Utami, Yustina Retno; Raharja, Bayu Dwi
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 4 No. 1 (2025): EDISI JANUARI 2025
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v4i1.10614

Abstract

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. Cluster pertama berisi video dengan tema komedi, aktor populer, dan jumlah views tinggi. Cluster kedua mencakup video dari berbagai genre dengan jumlah views yang bervariasi. Cluster ketiga terdiri dari video yang lebih spesifik dengan popularitas tinggi. 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.
Co-Authors Adi Guno, Sepbianto Ady Prabowo, Iwan Arumsari, Arumsari Dorestin, Nacita Agnes Dwi Raharja, Bayu Febrianto, R Arie Fitriani, Putri Asiska Nur Hakim, Yunif Lukman Hendrianto, Yogi Lathofy, Afan Lestari, Zannuba Anugrah Indah Muhammad Mustofa Mujirahayu Meyliana, Nirma Nugroho, Novianto Nugroho, Zulkifly Setyo Octaviani, Saly Kurnia Putri Pertiwi, Ina Raharja, Bayu Dwi Remawati, Dwi Restu Utami, Widya Retno Tri Vulandari Saptomo, Wawan Laksito Yuly Sri Harjanto Sri Siswanti Teguh Susyanto Tri Irawati, Tri W, Yustina Retno Waskitho, Anggit Widhi wati, Dwi Rema Widada, Bebas Yustina Retno Wahyu Utami