Video instruksi bernarasi merupakan salah satu jenis video yang sering digunakan sebagai media pembelajaran. Video ini mengandung representasi visual yang umumnya diperagakan oleh manusia dan representasi tekstual dengan adanya narasi berupa subtitle. Teknologi machine learning dapat membangun sistem unsupervised learning untuk meringkas video instruksi bernarasi menjadi hanya daftar langkah utama (key steps). Sistem tersebut menggunakan klasterisasi teks dengan metode Multiple Sequence Alignment (MSA) untuk menyejajarkan langkah-langkah utama yang telah ditemukan. Akan tetapi, sistem menghasilkan performansi yang tidak konsisten di setiap skenario video walaupun memiliki jumlah Ground Truth yang sama.
Berdasarkan permasalahan tersebut, pada Tugas Akhir ini telah dilakukan analisis performansi unsupervised learning untuk video instruksi bernarasi menggunakan klasterisasi teks berdasarkan parameter. Parameter performansi yang diperhatikan adalah F1 Score yang terdiri dari presisi dan recall. Sistem dijalankan menggunakan perangkat lunak pengolahan data statistik, sedangkan performansi menggunakan bahasa pemrograman Python.
Penelitian ini menghasilkan performansi F1 Score rata-rata adalah 0,721 . Skor tersebut didapatkan menggunakan konfigurasi parameter meliputi maksimal langkah ditemukan (K=10), konfigurasi alignment cost (Cs,Cd)=(-1,100), global template (L=120), dan jumlah data video (N=30).