Klasterisasi Teks Berita Pemilu untuk Analisis Framing di Kompas.Com
DOI:
https://doi.org/10.25126/jtiik.2025125Kata Kunci:
clustrization, text, framing, news, electionAbstrak
Penelitian ini bertujuan untuk menganalisis framing berita pemilu di Kompas.com dengan mengelompokkan berita berdasarkan pola teks menggunakan algoritma K-Means. Kompas.com sebagai salah satu media online memiliki peran dalam membentuk opini publik pada masa pemilu, namun pendekatan kuantitatif untuk memetakan framing media online masih jarang dilakukan. Penelitian ini akan menerapkan metode klasterisasi untuk menganalisis framing berita. Data dikumpulkan melalui web scarpping dari Juni 2023 hingga Januari 2024, menghasilkan 6.570 berita. Hasil pembobotan kata menggunakan TF-IDF digunakan untuk klasterisasi, dengan jumlah klaster optimal ditentukan oleh elbow method. Hasil klasterisasi menunjukkan framing pemberitaan setiap bulan, yang di evaluasi menggunakan Davies-Boudin Indeks (DBI) dengan menunjukkan hasil klaster yang layak. Analisis framing dilakukan pada klaster dengan data terbanyak tiap bulannya, menggunakan dua dimensi (seleksi isu dan penonjolan aspek), serta empat elemen (framing: define problem, diagnose cause, make moral judgment, dan treatment recommendation). Hasil penelitian menunjukkan bahwa pola framing yang muncul mencerminkan dinamika pemilu, seperti isu koalisi, dukungan calon presiden, serta kontroversi regulasi pemilu. Temuan ini memberikan kontribusi tentang bagaimana media menyajikan berita politik serta memperkuat pentingnya klasterisasi dalam studi framing media.
Abstract
This study aims to analyze the framing of election news on Kompas.com by grouping news based on text patterns using the K-Means algorithm. Kompas.com as one of the online media has a role in shaping public opinion during the election period, but a quantitative approach to mapping online media framing is still rare. This study will apply the clustering method to analyze news framing. Data were collected through web scrapping from June 2023 to January 2024, resulting in 6,570 news items. The results of word weighting using TF-IDF were used for clustering, with the optimal number of clusters determined by the elbow method. The clustering results show news framing each month, which is evaluated using the Davies-Boudin Index (DBI), showing decent cluster results. Framing analysis was carried out on the cluster with the most monthly data, using two dimensions (issue selection and aspect highlighting), and four elements (framing: define problem, diagnose cause, make moral judgment, and treatment recommendation). The study results show that the emerging framing patterns reflect the election dynamics, such as coalition issues, presidential candidate support, and election regulation controversies. These findings contribute to how the media presents political news and strengthen the importance of clustering in media framing studies.
Downloads
Referensi
AFIDA, D., UDAYANTI, E. D., & KARTIKADHARMA, E. 2021. Aplikasi Text Mining untuk Klasterisasi Aduan Masyarakat Kota Semarang Menggunakan Algoritma K-means. TRANSFORMTIKA, 18(2), 215–224. https://doi.org/http://dx.doi.org/10.26623/transformatika.v18i2.2362
AGUSTIANI, R., MUH UMRAN, L., & IBA, L. 2020. Analisis Framing Berita Politik Pemilihan Presiden Tahun 2019 pada Media Online Zonasultra.com. Convergence : Jurnal Online Jurnalistik, 2(1), 52–63. http://ojs.uho.ac.id/index.php/Jurnalistik/index52
ANITA, A., & ALIANDO, J. 2022. Pengelompokan Berita Kesehatan Pada Sosial Media Twitter Dengan Metode K-Means Clustering. Ensiklopedia of Journal, 4(3), 116–124.
https://doi.org/https://doi.org/10.33559/eoj.v4i3.877
AYUB, M. A. 2021. Analisis Topik Ekonomi dengan Algoritma K-Means Pada Media Online Era Pandemi COVID-19 di Sulawesi Tenggara. Jurnal Informatika dan Komputer (JIKO), 4(2), 133–138. https://doi.org/10.33387/jiko
BOER, K. M., PRATIWI, M. R., & MUNA, N. 2020. Analisis Framing Pemberitaan Generasi Milenial dan Pemerintah Terkait Covid-19 di Media Online. Communicatus: Jurnal Ilmu komunikasi, 4(1), 85–104. https://doi.org/10.15575/cjik.v4i1.8277
FIRMAN, S., DESENA, W., & WIBOWO, A. 2022. Penerapan Algoritma Stemming Nazief & Adriani Pada Proses Klasterisasi Berita Berdasarkan Tematik Pada Laman (Web) Direktorat Jenderal HAM Menggunakan Rapidminer. Syntax: Jurnal Informatika, 11(2), 10–21. https://doi.org/https://doi.org/10.35706/syji.v11i02.7192
HASAN, I., & FATHAN, F. 2020. Analisis Framing Berita Politik Menjelang Pilkada Klaten Tahun 2020 pada Solopos.com. Academic Journal of Da’wa and Communication, 1(2), 479–500.
HIDAYAH, S. M., & RIAUAN, M. A. I. 2021. Analisis Framing Kebijakan Pembelajaran Tatap Muka di Media CNN Indonesia. Medium, 6(2), 167–184. https://doi.org/https://doi.org/10.25299/medium.2021.vol9(2).8519
JO, T. 2019. Text Mining Concept, Implementation, and Big Data Challenge. Springer. https://doi.org/https://doi.org/10.1007/978-3-319-91815-0
PURNIAWAN, I. M. A., SASMITA, G. M. A., & PRATAMA, I. P. A. E. 2022. Clustering Berita Menggunakan Algoritma TF-IDF dan K-Means dengan Memanfaatkan Sumber Data Crawling Pada Situs Detik.Com. Jurnal Ilmiah Teknologi dan Komputer (JITTER), 3(1).
RHEZA, M. A., & METANDI, F. 2020. Implementasi Metode K-Means Clustering untuk Penentuan Jenis Komentar Pada Tweet PSSI. Jurnal Sains Terapan Teknologi Informasi (JUST TI), 12(2), 73–78. https://doi.org/10.46964/justti.v12i2.363
SAHRIA YOGA. 2020. Implementasi Teknik Web Scraping pada Jurnal SINTA untuk Analisis Topik Penelitian Kesehatan Indonesia. University Research Colloqium, 297–306. http://sinta2.ristekdikti.go.id/journals/detail
SIMANJUNTAK, H. T. A., SILABAN, P. E. P., MANURUNG, J. K. S., & SORMIN, V. H. 2023. Klasterisasi Berita Bahasa Indonesia Dengan Menggunakan K-Means Dan Word Embedding. Jurnal Teknologi Informasi dan Ilmu Komputer, 10(3), 641–652. https://doi.org/10.25126/jtiik.20231026468
SIMILARWEB. 2023, December 5. Most Visited News & Media Publisher Website ini Indonesia. Similarweb.
SIREGAR, A. K., & QURNIAWATI, E. F. 2022. Analisis Framing Pemberitaan Buzzer di Tempo.co. Journal of New Media and Communication, 1(1), 1–15.
WIDANINGRUM, I., MUSTIKASARI, D., ARIFIN, R., TSAQILA, S. L., & FATMAWATI, D. 2022. Algoritma Term Frequency-Inverse Document Frequency (TF-IDF) dan K-Means Clustering Untuk Menentukan Kategori Dokumen. Prosiding Seminar Nasional Sistem Informasi dan Teknologi (SISFOTEK), 145–149.
YAZMI, R., MALA, A., HASNAN AFISAH, F., RADIKA SARI, F., HIKAM, I., RENDY MAULANA, M., RAHIMA ORVALA, A., & ILMU POLITIK, P. 2024. Diskursus Politik Media Massa Indonesia: Analisis Framing Berita Pemilu 2024 dalam Surat Kabar Nasional Kompas. Jurnal Majemuk, 3(4), 704–715. http://jurnalilmiah.org/journal/index.php/majemuk
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Jurnal Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
