Penerapan Algoritma K-Means Untuk Mengelompokkan Film Berdasarkan Rating Dan Popularitas Di Aplikasi Netflix
Keywords:
Data mining, K-Means, clustering, Orange Data Mining, TMDB.Abstract
Perkembangan platform streaming digital, seperti Netflix, menghasilkan data film dalam jumlah besar yang dapat dimanfaatkan untuk memperoleh informasi melalui teknik data mining. Salah satu teknik yang banyak digunakan adalah clustering, yaitu proses mengelompokkan data berdasarkan tingkat kemiripan karakteristik tanpa memerlukan label kelas. Penelitian ini bertujuan menerapkan algoritma K-Means untuk mengelompokkan data film berdasarkan atribut Popularity dan Vote Average menggunakan Orange Data Mining. Dataset yang digunakan berasal dari The Movie Database (TMDB) dengan jumlah awal 9.827 data film. Setelah melalui tahapan preprocessing, diperoleh 1.991 data yang layak dianalisis. Proses clustering dilakukan dengan jumlah cluster sebanyak empat menggunakan algoritma K-Means. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu mengelompokkan data film ke dalam empat cluster yang memiliki karakteristik berbeda berdasarkan tingkat popularitas dan penilaian pengguna. Visualisasi menggunakan Data Table dan Scatter Plot mempermudah proses interpretasi hasil pengelompokan sehingga dapat memberikan informasi mengenai karakteristik setiap kelompok film. Hasil penelitian ini diharapkan dapat menjadi dasar dalam pengembangan sistem rekomendasi film serta mendukung proses analisis data pada platform streaming.
