Analisis Topic Modeling menggunakan Latent Dirichlet Allocation (LDA) pada Dialog Film (Studi Kasus: Film Berbahasa Inggris dengan Rating Tertinggi dan Rating Terendah menurut IMDb)

Abstract

Film merupakan bagian besar dalam industri hiburan. Pesatnya pertumbuhan dan perkembangan platform streaming online yang ada, memiliki pengaruh yang penting dalam industri ini. IMDb merupakan salah satu situs web populer yang yang sering dikunjugi para penikmat film untuk menggali informasi terkait suatu film. Hal pertama yang menjadi perhatian calon penonton dalam menentukan film pilihannya adalah rating dari film itu sendiri. Rating dapat digunakan untuk melihat kecenderungan film-film yang digemari dan kurang digemari oleh penonton. Data yang digunakan dalam penelitian ini adalah adalah dialog dari tiga film berbahasa Inggris dengan rating tertinggi dan tiga film berbahasa Inggris dengan rating terendah menurut IMDb. Metode penelitian yang digunakan dalam penelitian ini terdapat dua, yakni metode Lexicon-based Analysis untuk melakukan analisis sentimen dan metode Latent Dirichlet Allocation (LDA) untuk melakukan

pemodelan topik dari data dialog film. Hasil penelitian dengan metode Lexicon- based Analysis diketahui bahwa film dengan penilaian yang tinggi cenderung

menyajikan sentimen positif dengan elemen lain seperti trust dan anticipation yang seimbang sedangkan, film dengan penilaian yang rendah cenderung memiliki sentimen negatif dan kurang efektif dalam membangun kepercayaan dan antisipasi dalam cerita. Hasil dari metode LDA diperoleh jumlah topik pada film dengan penilaian tinggi dan rendah berturut-turut adalah 4 topik dan 6 topik. Berdasarkan hasil perbandingan topik, film dengan penilaian tinggi menampilkan kedalaman intelektual dengan refleksi mendalam, sedangkan film dengan penilaian rendah menampilkan percakapan klise dan tema-tema yang sudah umum serta tidak menawarkan tantangan intelektual kepada penonton.