KLASIFIKASI VIDEO PADA MEDIA SOSIAL YOUTUBE DENGAN MENGGUNAKAN METODE K-MEANS DAN SUPPORT VECTOR MACHINE
Main Article Content
Dalam era digital dan sosial media, platform seperti YouTube telah menjadi salah satu sumber utama video konten. Meningkatnya jumlah video di YouTube memunculkan kebutuhan untuk mengklasifikasikan video-video ini, baik untuk tujuan manajemen konten, rekomendasi, atau penegakan hukum. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan metode klasifikasi video yang efektif berdasarkan kontennya. Tujuan dari penelitian ini Mengembangkan sistem klasifikasi video yang dapat mengidentifikasi dan mengkategorikan video di platform media sosial YouTube. Mengimplementasikan metode k-Means dan Support Vector Machine (SVM) sebagai alat utama dalam proses klasifikasi. Meningkatkan akurasi dalam mengklasifikasikan video berdasarkan fitur-fitur kontennya. Meningkatkan pemahaman tentang penggunaan teknik Machine Learning dalam mengelola konten video di platform media sosial. Penelitian ini menggunakan metode k-Means untuk mengelompokkan video berdasarkan kesamaan fitur-fitur kontennya. Selanjutnya, Support Vector Machine (SVM) digunakan untuk melakukan klasifikasi berdasarkan hasil kelompok dari k-Means. Data yang digunakan dalam penelitian ini terdiri dari dataset video dari YouTube, dan fitur-fitur ekstrak yang relevan seperti tag, deskripsi, dan pemrosesan gambar. Proses eksperimen dan pengujian dilakukan untuk mengukur akurasi klasifikasi. Hasil penelitian ini menunjukkan bahwa kombinasi metode k-Means dan SVM dapat digunakan untuk mengklasifikasikan video pada platform media sosial YouTube dengan tingkat akurasi yang baik. Dengan menggunakan fitur-fitur konten yang relevan, sistem ini mampu mengenali kategori video dengan baik, yang bermanfaat untuk manajemen konten, analisis, dan rekomendasi. Kesimpulan dari penelitian ini Dalam era digital yang dipenuhi dengan konten video, penelitian ini menawarkan pendekatan yang efektif dalam mengklasifikasikan video di platform media sosial YouTube. Metode k-Means dan SVM berhasil digunakan untuk mengelompokkan dan mengklasifikasikan video dengan akurasi yang baik.
Fauzi, Raffie Rizky. (n.d.). Analisis sentimen dampak ekonomi masyarakat Indonesia akibat pandemi covid-19 pada media sosial twitter menggunakan metode naïve bayes classifier, support vector machine dan lexicon. Fakultas Sains dan Teknologi UIN Syarif Hidayatullah Jakarta.
Fernanda, Paternus Adita Resky. (2022). Analisis Sentimen Publik Terhadap Ibadah Online Di Masa Pandemi Pada Media Twitter Menggunakan Metode Sentistrength. Universitas Atma Jaya Yogyakarta.
Fikry, Muhammad. (2018). Ekstrover atau Introver: Klasifikasi Kepribadian Pengguna Twitter dengan Menggunakan Metode Support Vector Machine. SITEKIN: Jurnal Sains, Teknologi Dan Industri, 16(1), 72–76.
Irmanda, Helena Nurramdhani, & Astriratma, Ria. (2020). Klasifikasi Jenis Pantun Dengan Metode Support Vector Machines (SVM). Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 4(5), 915–922.
Iskandara, Trias Pyrenia, & Nadhifab, Rubby Ariza Fadhlan. (2021). Fenomena penggunaan youtube channel pada anak usia dini di masa pendemic covid-19. Jurnal Ilmiah LISKI (Lingkar Studi Komunikasi) Vol, 7(2).
Kulsum, Ummi, Jajuli, Mohamad, & Sulistiyowati, Nina. (2022). Analisis Sentimen Aplikasi WETV di Google Play Store Menggunakan Algoritma Support Vector Machine. Journal of Applied Informatics and Computing, 6(2), 205–212.
Kusumah, Elsandy Wirahadi, Chandranegara, Didih Rizki, & Nuryasin, Ilyas. (2023). Pengembangan Sistem Informasi Geografis Pemetaan daerah Prioritas Tujuan Vaksin Berbasis Website. Jurnal Impresi Indonesia, 2(3), 236–245.
Maulina, Dina, & Sagara, Rofie. (2018). Klasifikasi artikel hoax menggunakan support vector machine linear dengan pembobotan term frequency–Inverse document frequency. Jurnal Mantik Penusa, 2(1).
Mico, Sastra. (2021). Pengaruh Promosi Online Terhadap Keputusan Pembelian Jasa Transportasi Online Grab di Kota Pagar Alam. Jurnal Aktiva: Riset Akuntansi Dan Keuangan, 3(1), 29–43.
Octaviani, Pusphita Anna, Wilandari, Yuciana, & Ispriyanti, Dwi. (2014). Penerapan Metode Klasifikasi Support Vector Machine (SVM) pada Data Akreditasi Sekolah Dasar (SD) di Kabupaten Magelang. Jurnal Gaussian, 3(4), 811–820.
Rahman, Oryza Habibie, Abdillah, Gunawan, & Komarudin, Agus. (2021). Klasifikasi Ujaran Kebencian pada Media Sosial Twitter Menggunakan Support Vector Machine. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(1), 17–23.
Ramadhan, Nur Ghaniaviyanto, & Khoirunnisa, Azka. (2021). Klasifikasi Data Malaria Menggunakan Metode Support Vector Machine. Jurnal Media Informatika Budidarma, 5(4), 1580–1584.
Ritonga, Alven Safik, & Purwaningsih, Endah Supeni. (2018). Penerapan Metode Support Vector Machine (SVM) Dalam Klasifikasi Kualitas Pengelasan Smaw (Shield Metal Arc Welding). Jurnal Ilmiah Edutic: Pendidikan Dan Informatika, 5(1), 17–25.
Rofit Fatahillah, Mohamad. (2023). Youtube Sebagai Stimulus Media Sosial Dalam Pengambilan Keputusan Pembelian (Analisis Youtube Channel HSR_Wheel). Universitas Islam Sultan Agung Semarang.
Setiyono, Agus, & Pardede, Hilman F. (2019). Klasifikasi Sms Spam Menggunakan Support Vector Machine. Jurnal Pilar Nusa Mandiri, 15(2), 275–280.
Suryaningsih, Vera, Sihwi, Sari Widya, & Sulistyo, Meiyanto Eko. (n.d.). Analisis Clustering Dokumen Menggunakan Algoritma Self-Organizing Map (SOM)(Studi Kasus: Dokumen Skripsi Di Fakultas Pertanian UNS). Kata Pengantar.
