Klasifikasi Topik Berita Menggunakan Metode Weighted K-Nearest Neighbor

M. RIDHO RAHMADINANTO

Informasi Umum

Kode

20.04.3728

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Text Mining

Dilihat

48 kali

Informasi Lainnya

Abstraksi

Perkembangan teknologi informasi pada saat ini meningkat dengan cepat. Jumlah data terus bertambah karena semakin banyak orang yang memanfaatkan kemudahan teknologi sebagai tempat untuk mencari informasi, salah satunya adalah berita. Banyaknya jumlah berita memunculkan masalah dalam mengklasifikasikan setiap topik berita yang ada. Oleh karena itu, diperlukan sebuah sistem yang dapat mengklasifikasikan setiap topik berita pada kelas yang seharusnya. Penelitian ini bertujuan untuk menciptakan sistem yang dapat mengkategorikan berita pada kelas yang seharusnya. Metode Weighted K- Nearest Neighbor digunakan sebagai metode klasifikasi karena merupakan classifier yang sederhana. Dataset berita didapatkan dari situs Kaggle dengan lima klasifikasi berita yaitu Business, Entertainment, Politics, Sports, dan Tech. Pada penelitian ini terdapat beberapa tahap dalam perancangan sistem, yaitu preprocessing data, ekstraksi fitur dan klasifikasi menggunakan Weighted K-Nearest Neighbor. Dari hasil pengujian didapatkan hasil akurasi terbaik sebesar 95,9% dimana nilai k-neighbor = 34.