Pendahuluan
YouTube merupakan salah satu media sosial dengan situs web yang menyediakan
berbagai macam video mulai dari video clip sampai film, serta video-video yang dibuat
oleh pengguna YouTube itu sendiri. Dimana kita bisa menikmati media sosial ini dengan
cara melihat video atau gambar yang bergerak. Dan kita tau bahwa YouTube ini sangat
mudah untuk di gunakan dan kini hadir di aplikasi ponsel seluler. YouTube merupakan
salah satu media sosial yang sangat populer sekarang. Dimana sekarang banyak orang
yang menggunakan YouTube sebagai tempat untuk berkarya terutama untuk anak muda.
Rata-rata anak muda yang menggunakan YouTube sebagai tempat berkarya adalah
dengan membuat video-video. Orang orang yang menggunakan YouTube sebagai tempat
berkarya mereka biasa di sebut YouTubers. Oleh karena itu tidak sedikit orang-orang
menjadi terkenal hanya dengan mengupload video mereka di YouTube. YouTube juga
bisa jadi wadah untuk berpenghasilan dimana jika video yang di upload atau di unggah
memiliki viewers yang sangat banyak maka itu akan menjadi royalti untuk si pengupload.
Maka dari itu sekarang YouTube sangatlah di minati oleh berbagai kalangan. Dan juga
YouTube ini menjadi media sosial yang sangat populer karena pengguna dan
penikmatnya bisa menggunakan secara gratis entah untuk mengupload video atau pun
sekedar menikmati video di YouTube.
Namun data yang sudah terlalu banyak akan sangat sulit jika diolah secara
manual. Oleh karena itu, melalui perkembangan Teknologi Informasi saat ini, dapat
dimanfaatkan software tools untuk melakukan analisis meta data salah satunya adalah
Rapid Miner. Dalam penelitian ini, Rapid Miner digunakan untuk melakukan proses
cleansing data, preprocessing data dan kemudian dilakukan processing data
menggunakan association model dengan metode FPGrowth yang akan menghasilkan
rule-rule yang berisi relasi hubungan antar Video Trending Youtube berdasarkan views ,
like dan comment.
2. Metode
Sedangkan, Association Rule Mining adalah suatu prosedur untuk mencari hubungan antar
item dalam suatu dataset [6]. Penting tidaknya Association Rules dapat diketahui dengan dua
parameter, yaitu nilai support (nilai penunjang) dan nilai confidence (nilai kepastian) [7].
Dalam menentukan suatu hubungan, terdapat ukuran kepercayaan (interestingness measure),
yaitu : (1) Support : support merupakan ukuran yang menunjukkan seberapa besar tingkat
dominasi suatu barang (item atau itemset) terhadap keseluruhan transaksi. Ukuran ini
digunakan untuk menentukan apakah suatu item atau itemset layak untuk dicari confidence-
nya. (2) Confidence : confidence merupakan suatu ukuran yang menunjukkan hubungan
antara dua buah barang atau item secara conditional. Sebagai contoh jika confidence A dan B
bernilai satu (100%), maka dapat disimpulkan bahwa jika pelanggan membeli A pasti
membeli B. Akan tetapi jika nilai confidence hanya mendekati satu (misal 0,08) maka
kesimpulannya adalah jika pelanggan membeli barang A maka cenderung membeli B [8].
Nilai support dan nilai confidence dirumuskan seperti Persamaan 1 dan Persamaan 2.
Dalam penelitian ini kami menggunakan metode FP-Growth dan Association rules.
Algoritma FP-Growth lebih efisien dalam memproses market basket atau data keranjang
belanja konsumen [9]. Sedangkan, dengan menggunakan association rule dapat diketahui
hubungan tiap item produk. Tahapan penelitian ini dibagi menjadi empat tahapan utama yaitu
pengumpulan data, preprocessing data didalamnya terdapat proses Extract, Transform dan
Loading, kemudian tahap data mining menggunakan metode FP-Growth dan Association
rules dan terakhir adalah tahapan analisis hasil. Pada Gambar 1 menunjukan tahapan
penelitian ini.
Daftar Pustaka
Adi Nugroho Susanto Putro, and Richardus Indra Gunawan, “Implementasi, Algoritma FP-
Growth untuk Strategi Pemasaran Ritel Hidroponik (Studi Kasus : PT. HAB)”, Program Studi
Teknik Informatika, Fakultas Teknik, Universitas Kristen Surakarta, 22 April 2019.