Metode Latent Dirichlet Allocation Untuk Menentukan Topik Pada Review Drama Korea

Penulis

  • Alfun Roehatul Jannah Universitas Jenderal Achmad Yani Yogyakarta, Indonesia
  • Ria Kristi Universitas Jenderal Achmad Yani Yogyakarta, Indonesia
  • Muhammad Habibi Universitas Jenderal Achmad Yani Yogyakarta, Indonesia

DOI:

https://doi.org/10.30989/ijds.v2i1.1345

Kata Kunci:

Drama Korea, Budaya Korea Selatan, k-drama, review, LDA, Latent Dirichlet Allocation

Abstrak

Hallyu Wave, yang melibatkan penyebaran budaya dan media populer Korea Selatan, telah berkembang pesat selama dua dekade terakhir. Selain industri hiburan seperti K-pop dan K-drama, fenomena ini juga merambah ke sektor makanan dan K-beauty. Drama Korea, sebagai inti dari Hallyu, telah menjadi fenomena global dengan basis penggemar yang terus berkembang di seluruh dunia. Survei global tahun 2022 menunjukkan bahwa 36 persen responden di 26 negara menganggap drama Korea sangat populer di negara mereka. Di Indonesia, film dan drama Korea tetap menjadi favorit, dengan 72 persen penonton streaming memilihnya pada layanan OTT sepanjang 2022. Viu mendominasi sebagai platform streaming drakor paling populer dengan 57 persen penggunaan, diikuti oleh Netflix, Telegram, dan WeTv. Penelitian ini fokus pada analisis data review drama Korea dari 2015–2023 menggunakan metode Latent Dirichlet Allocation (LDA). Tujuannya adalah memberikan pemahaman mendalam tentang aspek kritis seperti akting, alur cerita, dan sinematografi. Dengan LDA, penelitian ini bertujuan mengidentifikasi topik-topik terkait elemen-elemen tersebut, memberikan wawasan spesifik tentang preferensi penonton. Dari hasil penelitian yang dilakukan, muncul 10 topik ideal dari 20 topik yang ada untuk memastikan konsistensi topik menggunakan topic coherence. Dari hasil topic coherence untuk 20 topik tersebut, dapat disimpulkan bahwa skor topik keseluruhan untuk topik 10 adalah 0,527 yang memberikan hasil topic modelling yang ideal dan sesuai dengan ketetapan.

Referensi

[1] G. Ganghariya and R. Kanozia, “Proliferation of Hallyu wave and Korean popular culture across the world: A systematic literature review from 2000-2019,” Journal of Content, Community and Communication, vol. 10, no. 6. Amity University, pp. 177–207, Jun. 01, 2020. doi: 10.31620/JCCC.06.20/14.
[2] R. Hasya, “Drama Korea Masih Jadi Favorit Masyarakat Indonesia dalam Streaming Film dan Serial di Tahun 2022,” GoodStats.
[3] R. Pahlevi, “Bukan Netflix, Penonton Drakor Indonesia Paling Banyak Nonton Lewat Platform Ini,” databoks.
[4] G. Rosalinda, R. Santoso, and P. Kartikasari, “PEMODELAN TOPIK ULASAN APLIKASI NETFLIX PADA GOOGLE PLAY STORE MENGGUNAKAN LATENT DIRICHLET ALLOCATION,” Jurnal Gaussian, vol. 11, no. 4, pp. 554–561, Feb. 2023, doi: 10.14710/j.gauss.11.4.554-561.
[5] L. Zhao, Q. Zhao, and Y. Wang, “Research on Chinese Movie Reviews Based on Latent Dirichlet Allocation Topic Model,” in Proceedings - 2020 2nd International Conference on Machine Learning, Big Data and Business Intelligence, MLBDBI 2020, Institute of Electrical and Electronics Engineers Inc., Oct. 2020, pp. 46–49. doi: 10.1109/MLBDBI51377.2020.00016.
[6] S. Karmila, V. Intan Ardianti Prodi Telematika Energi, and V. Intan Ardianti, “METODE LATENT DIRICHLET ALLOCATION UNTUK MENENTUKAN TOPIK TEKS SUATU BERITA,” Jurnal Informatika & Komputasi, vol. 16, 2022.
[7] M. D. R Wahyudi, A. Fatwanto, U. Kiftiyani, and M. Galih Wonoseto, “Topic Modeling of Online Media News Titles during COVID-19 Emergency Response in Indonesia Using the Latent Dirichlet Allocation (LDA) Algorithm,” Telematika, vol. 14, no. 2, pp. 101–111, Aug. 2021, doi: 10.35671/telematika.v14i2.1225.
[8] D. M. Blei, A. Y. Ng, and J. B. Edu, “Latent Dirichlet Allocation Michael I. Jordan,” 2003.
[9] J. C. Campbell, A. Hindle, and E. Stroulia, “Latent Dirichlet Allocation,” in The Art and Science of Analyzing Software Data, Elsevier, 2015, pp. 139–159. doi: 10.1016/B978-0-12-411519-4.00006-9.
[10] T. K. Kurniasari, W. Maharani, and J. H. Husen, “Analisis Media Sosial Twitter untuk Mengetahui Pengguna Berpengaruh pada Portal Berita di Indonesia dengan Metode TSIM (Topic-based Social Influence Measurment).”
[11] K. B. Putra and R. P. Kusumawardani, “Analisis Topik Informasi Publik Media Sosial di Surabaya Menggunakan Pemodelan Latent Dirichlet Allocation (LDA),” Jurnal Teknik ITS, vol. 6, no. 2, Sep. 2017, doi: 10.12962/j23373539.v6i2.23205.

Unduhan

Diterbitkan

2024-08-07

Citation Check