Pengelompokan Data Film Pada Netflix Menggunakan Algoritma K-Means Clustering

Abstract

Dalam era digital yang berkembang sangat pesat, adanya platform streaming telah membuka pintu bagi ribuan film dan serial TV untuk diakses oleh jutaan pelanggan di seluruh dunia. Netflix sebagai salah satu pemimpin dalam industri layanan streaming, telah merevolusi cara kita mengkonsumsi berbagai konten. Permasalahan dalam penelitian ini bahwa persepsi tentang "film terpopuler" dapat bervariasi secara subyektif tergantung pada preferensi individu, kelompok, atau faktor budaya serta pengelolaan data film dilayanan streaming seperti Netflix didalam konteks Informatika. Tujuan penelitian ini untuk mengelompokkan dataset film Netflix menggunakan algoritma K-Means untuk mengidentifikasi pola atau kesamaan antara film-film berdasarkan atribut-atribut tertentu serta mengevaluasi struktur dan jarak antar klaster yang dihasilkan. Analisis data film akan membantu dalam mengidentifikasi tren yang relevan. Metode penelitian ini Knowledge Discovery in Database (KDD) dengan Algoritma K-Means Clustering menggunakan dataset yang diperoleh dari Kaggle sebagai data acuan. Hasil dari penelitian ini dalam menggunakan metode KDD dan Algoritma K-Means Clustering, menunjukkan 2 cluster yang memiliki nilai rata-rata centroid yang berbeda. Dari kedua cluster tersebut menemukan film-film popularitas dalam dataset film Netflix pada cluster 0 yaitu dengan ciri-ciri ideal rata-rata atribut Hidden Gem Score sebesar 8.034, atribut Runtime sebesar 0.793 dan atribut IMDb Score sebesar 7.148. Dari hasil penelitian tersebut dapat membantu pengguna dalam menemukan film-film yang sesuai dengan minat dan preferensi pengguna.