Klasterisasi Topik Konten Channel Youtube Gaming Indonesia Menggunakan Latent Dirichlet Allocation

Main Article Content

Abstract

Youtube adalah platform untuk saling berbagi video terbesar di internet. Semakin platform ini berkembangan, semakin banyak konten yang tersedia di dalamnya, yang dikarenakan semakin beragam genre videonya. Salah satu genre video yang sedang naik daun adalah konten gaming, yang mana topik tersebut adalah objek pada penelitian ini. Penelitian ini dilakukan dengan menggunakan metode Latent Dirichlect Allocation (LDA) untuk memetakan topik-topik dari genre gaming ini. Data didapatkan dari 10 kanal gaming dengan subscribers terbanyak di Indonesia, yang diekstrak dengan melakukan text mining. Total data yang didapatkan adalah sebanyak 12.757 video. Sekian banyak video ini dipetakan menjadi 5 topik yang paling dominan. Adapun jumlah topik yang diambil didasarkan pada perhitungan perplexity, dan keterkaitan kata dalam topik dihitung menggunakan coherence. Topik tersebut antara lain bocoran update dan season baru, review hero dan skin baru, live bermain game di saat ada event yang menarik, membahas bug yang terjadi pada patch baru rilis sehingga mempengaruhi gameplay, dan konten memborong skin dalam game.


Kata Kunci— Latent Dirichlet Allocation, Gaming, analisis topik, topik dominan, konten youtube. 

Article Details

Section
Articles