<![CDATA[ Penelitian ini bertujuan untuk menganalisis framing berita pemilu di Kompas.com dengan mengelompokkan berita berdasarkan pola teks menggunakan algoritma K-Means. Kompas.com sebagai salah satu media online memiliki peran dalam membentuk opini publik pada masa pemilu, namun pendekatan kuantitatif untuk memetakan framing media online masih jarang dilakukan. Penelitian ini akan menerapkan metode klasterisasi untuk menganalisis framing berita. Data dikumpulkan melalui web scarpping dari Juni 2023 hingga Januari 2024, menghasilkan 6.570 berita. Hasil pembobotan kata menggunakan TF-IDF digunakan untuk klasterisasi, dengan jumlah klaster optimal ditentukan oleh elbow method. Hasil klasterisasi menunjukkan framing pemberitaan setiap bulan, yang di evaluasi menggunakan Davies-Boudin Indeks (DBI) dengan menunjukkan hasil klaster yang layak. Analisis framing dilakukan pada klaster dengan data terbanyak tiap bulannya, menggunakan dua dimensi (seleksi isu dan penonjolan aspek), serta empat elemen (framing: define problem, diagnose cause, make moral judgment, dan treatment recommendation). Hasil penelitian menunjukkan bahwa pola framing yang muncul mencerminkan dinamika pemilu, seperti isu koalisi, dukungan calon presiden, serta kontroversi regulasi pemilu. Temuan ini memberikan kontribusi tentang bagaimana media menyajikan berita politik serta memperkuat pentingnya klasterisasi dalam studi framing media. Abstract This study aims to analyze the framing of election news on Kompas.com by grouping news based on text patterns using the K-Means algorithm. Kompas.com as one of the online media has a role in shaping public opinion during the election period, but a quantitative approach to mapping online media framing is still rare. This study will apply the clustering method to analyze news framing. Data were collected through web scrapping from June 2023 to January 2024, resulting in 6,570 news items. The results of word weighting using TF-IDF were used for clustering, with the optimal number of clusters determined by the elbow method. The clustering results show news framing each month, which is evaluated using the Davies-Boudin Index (DBI), showing decent cluster results. Framing analysis was carried out on the cluster with the most monthly data, using two dimensions (issue selection and aspect highlighting), and four elements (framing: define problem, diagnose cause, make moral judgment, and treatment recommendation). The study results show that the emerging framing patterns reflect the election dynamics, such as coalition issues, presidential candidate support, and election regulation controversies. These findings contribute to how the media presents political news and strengthen the importance of clustering in media framing studies.]]>
