• Tidak ada hasil yang ditemukan

Pengelompokkan Minat Menonton Film Mahasiswa Program Studi Dkv Universitas Pasundan Bandung Di Aplikasi Netflix Selama Masa Pandemi Covid-19 Menggunakan Algoritma K-Means Clustering - Elibrary Unikom

N/A
N/A
Protected

Academic year: 2024

Membagikan "Pengelompokkan Minat Menonton Film Mahasiswa Program Studi Dkv Universitas Pasundan Bandung Di Aplikasi Netflix Selama Masa Pandemi Covid-19 Menggunakan Algoritma K-Means Clustering - Elibrary Unikom"

Copied!
2
0
0

Teks penuh

(1)

78

BAB V

KESIMPULAN DAN SARAN

Bab terakhir pada penulisan ini menjelaskan mengenai kesimpulan dari penelitian terkait pengelompokkan minat menonton film pada mahasiswa program studi DKV Universitas Pasundan Bandung di aplikasi Netflix selama masa pandemi COVID-19. Pada bab ini dijelaskan saran yang diberikan pada perhitungan yang sudah dibuat.

5.1 Kesimpulan

Berdasarkan hasil kuesioner dan perhitungan data yang dilakukan terhadap mahasiswa DKV Universitas Pasundan Bandung pengguna aplikasi Netflix sebanyak 50. Maka dapat disimpulkan sebagai berikut :

Berdasarkan hasil kuesioner, dapat disimpulkan bahwa mahasiswa program studi DKV Universitas Pasundan Bandung menonton aplikasi Netflix selama < 1 jam /hari berjumlah 15 orang (30%) , 1–3 jam /hari berjumlah 25 orang (50%) , dan > 3 jam /hari berjumlah 10 orang (20%). Dalam hal ini menunjukkan diantara 50 mahasiswa program studi DKV Universitas Pasundan Bandung menghabiskan waktu dalam menonton streaming video menggunakan aplikasi Netflix selama 1-3 jam/hari selama masa pandemi COVID-19.

Pada perhitungan dengan menggunakan algoritma K-Means Clustering pada dua cluster yaitu C1 “Minat Menonton Film” dan C2 “Tidak Minat Menonton Film” berdasarkan intensitas menonton streaming video di aplikasi Netflix selama masa pandemi COVID-19. Didapatkan cluster 1 dengan jumlah 19 mahasiswa, sedangkan pada cluster 2 berjumlah 31 mahasiswa pada iterasi pertama.

(2)

79

Pada saat iterasi kedua data pengelompokkan tersebut berubah karena penentuan cluster yang baru, begitu juga dengan perhitungan pengelompokkan data cluster berbeda hingga pada iterasi kedelapan berhenti karena sudah mencapai stabil dan konvergen dengan data C1 “Minat Menonton Film” berjumlah 27 mahasiswa dan C2 “Tidak Minat Menonton Film” berjumlah 23 mahasiswa.

Disimpulkan bahwa pengelompokkan berdasarkan intensitas menonton streaming video, diantara 50 mahasiswa program studi DKV Universitas Pasundan Bandung memiliki minat menonton film selama masa pandemi COVID-19.

5.2 Saran

Saran yang diperlukan untuk pengembangan lebih lanjut sebagai berikut:

1. Dalam penelitian ini dapat dikembangkan tidak hanya melakukan penelitian mengenai pengelompokkan minat menonton film berdasarkan intensitas menonton streaming video selama masa pandemi COVID-19.

2. Penelitian tidak hanya pengguna aplikasi Netflix, tetapi pengguna aplikasi streaming video yang lain selama masa pandemi COVID-19 .

3. Dalam perhitungan algoritma K-means Clustering menggunakan data hasil kuesioner, dapat diketahui lebih signifikan dengan menambahkan jumlah sampel pada mahasiswa DKV Universitas Pasundan Bandung. Selain itu objek penelitian tidak hanya mahasiswa DKV Universitas Pasundan Bandung.

Referensi

Dokumen terkait

Tugas Akhir yang berjudul Analisis Cluster dengan Algoritma K-Means dan Fuzzy C-Means Clustering untuk Pengelompokan Data Obligasi Korporasi ini disusun sebagai salah satu syarat

Salah satu algoritma Clustering adalah K- Means yang digunakan untuk mengelompokkan data menjadi beberapa kelompok dengan beberapa Cluster.[2] Data – data dipilih

Dan hasil pengujian clustering dengan data penduduk miskin menunjukkan bahwa pada algoritma K-means didapatkan tingkatan kemiskinan dengan kategori Sangat Miskin berada pada cluster

Hasil yang didapatkan dari perhitungan algoritma Fuzzy C-Means tersebut kemudian dievaluasi dengan CVI Cluster Validity Index, CVI mempunyai banyak metode salah satunya yang digunakan

Algoritma k-means clustering digunakan untuk mempartisi data ke dalam cluster sehingga data yang memiliki karakteristik yang sama dikelompokkan ke dalam satu cluster yang sama dan data

Penelitian ini menggunakan metode clustering data obat-obatan yaitu algoritma K-Means yang merupakan metode data clustering non hirarki untuk mempartisi data ke dalam cluster hingga