Ekstraksi Topik Diskusi dalam Forum MyAnimeList Menggunakan Latent Dirichlet Allocation

Abstract

Penelitian ini dilakukan untuk memahami topik-topik utama yang dibahas dalam forum MyAnimeList, salah satu platform diskusi terbesar bagi penggemar anime. Dengan begitu banyak data yang tersedia di forum ini, penelitian bertujuan untuk mengidentifikasi preferensi dan perhatian utama penggemar anime. Tujuan utama penelitian ini adalah mengidentifikasi topik-topik utama dalam diskusi di MyAnimeList selama enam bulan terakhir dan memberikan wawasan bagi produser anime mengenai preferensi penggemar. Metode yang digunakan meliputi pengumpulan data dari forum, preprocessing teks, vektorisasi menggunakan CountVectorizer, pemodelan topik dengan Latent Dirichlet Allocation (LDA), dan visualisasi hasil dengan pyLDAvis. Hasil analisis menunjukkan lima topik utama yang dibahas: pengalaman menonton anime, cerita dan alur dengan minat pada genre isekai, anime favorit termasuk genre shoujo dan karakter Sakura, produksi audio-visual dengan unsur bahasa dan teknologi, serta karakterisasi dan dinamika gender dalam anime dan manga. Algoritma LDA terbukti efektif dalam mengidentifikasi topik, dan visualisasi dengan pyLDAvis memudahkan pemahaman distribusi topik dan kata kunci relevan. Kesimpulan penelitian menunjukkan bahwa penggemar anime di MyAnimeList cenderung mendiskusikan pengalaman menonton, alur cerita, proses produksi, dan karakterisasi. Wawasan ini berguna bagi produser anime untuk menciptakan konten yang relevan dan menarik. Penelitian selanjutnya disarankan menggunakan dataset lebih besar dan metode deep learning serta analisis sentimen untuk pemahaman lebih mendalam terhadap persepsi penggemar.