Seiring berkembangnya teknologi terdapat beberapa cara untuk
mendapatkan sebuah informasi salah satunya dengan cara analisis sebuah data. Data
tersebut dapat ditemukan di mana saja dan dalam berbagai jenis salah satunya
adalah data teks. Data teks tersebut dapat ditemukan diberbagai jenis sumber
informasi atau di kolom komentar suatu konten media. Pada penelitian ini penulis
menggunakan dataset berupa data teks yang diambil dari video klip seorang
penyanyi yaitu Raisa yang berjudul Kali Kedua. Dataset tersebut akan diproses
dengan menggunakan pendekatan text mining. Pada peniltian ini dataset yang
diambil merupakan data yang belum label sehingga dalam proses text mining akan
diproses untuk menghasilkan cluster. Metode yang digunakan untuk clustering
adalah K-means dan pembobotan teks menggunakan metode Word2vec. Dari
penelitian yang dilakukan, ditemukan permasalahan bahwa tentang apakah metode
K-means merupakan metode yang tepat untuk clustering sehingga mendapatkan
kualitas cluster yang baik.
Penelitian di awali dengan melakukan analisis, pada dataset yang dperoleh
dari kolom komentar video klip Raisa – Kali Kedua pada tanggal 2 Agustus 2021.
Setelah analisis dilakukan selanjutnya melakukan data preprocessing dan
mengambil kolom yang diperlukan saja. Penelitian berlanjut dengan tahap data
exploration untuk melihat dan memahami data. Pembobotan data atau word
embedding adalah mengubah teks menjadi vektor agar dapat diproses menggunakan
metode K-means. Setelah itu penelitian berlanjut dengan proses clustering
menggunakan metode K-means. Setelah itu, setiap cluster dievaluasi dengan nilai
silhouette score dan dimaknai menggunakan pendekatan segitiga semantik Ogden
dan Richard’s.
Berdasarkan hasil penelitian, dapat disimpulkan bahwa hasil evaluasi
silhouette score secara global yang didapatkan cukup baik yaitu sebesar
0.34135555. Namun, dari setiap cluster juga dimaknai sehingga dapat disimpulkan
bahwa audiens mendengarkan lagu ini tidak hanya sekadar dikenal dalam tataran
pengetahuan, tetapi juga diolah dengan perasaan.