Penggunaan Algoritma K-Means Clustering CRISP-DM Dalam Mengelompokkan Drama Korea Sebagai Rekomendasi Film

Penelitian ini bertujuan untuk mengelompokkan drama Korea berdasarkan tingkat rekomendasi dengan menggunakan algoritma K-Means. Dataset yang digunakan terdiri dari informasi rating dan jumlah vote dari berbagai judul drama, yang telah melalui tahap preprocessing untuk memastikan kualitas data. Proses klasterisasi dilakukan untuk mengidentifikasi pola dan struktur dalam data secara tidak berlabel. Hasil klasterisasi menunjukkan bahwa dua klaster optimal dapat dibentuk, masing-masing mewakili kelompok drama yang direkomendasikan dan kurang direkomendasikan. Validasi hasil klaster menggunakan metrik Silhouette Score menghasilkan nilai sebesar 0.97, yang mengindikasikan bahwa struktur klaster cukup baik dan pemisahan antar kelompok data jelas. Klaster 1 berisi drama dengan rating dan vote tinggi, sedangkan klaster 0 terdiri atas drama dengan rating dan vote rendah. Hasil ini menunjukkan bahwa algoritma K-Means efektif dalam mengelompokkan preferensi pengguna terhadap drama Korea berdasarkan data rating dan vote, serta dapat digunakan sebagai dasar sistem rekomendasi atau pengambilan keputusan dalam platform hiburan digital. Pengembangan selanjutnya dapat dilakukan dengan metode clustering lain seperti DBSCAN, Hierarchical Clustering dan penambahan fitur seperti genre untuk meningkatkan akurasi.

Kata kunci: K-Means, CRISP-DM, Clustering, Rekomendasi Film, Drama Korea.