Penerapan Algoritma K-Nearest Neighbor pada Pengklasifikasian Dokumen Berita Online
Abstract
Jumlah dokumen berita online meningkat dengan pesat. Dokumen-dokumen tersebut perlu dikelompokkan agar memudahkan menemukan berita pada topik terkait. Pengelompokan secara manual menggunakan bantuan manusia tidak efisien, terutama dengan kondisi jumlah dokumen yang sangat banyak. Pada penelitian ini diusulkan metode pengelompokan atau pengklasifikasian dokumen berita secara otomatis. Penelitian ini bertujuan untuk membuat suatu sistem yang mampu mengklasifikasikan dokumen berita online secara otomatis menggunakan metode k-Nearest Neighbour (KNN) dan diterapkan menggunakan bahasa pemrograman PHP Hypertext Preprocessor (PHP) serta database MySQL. Hasil pengujian pada dokumen berita yang dikumpulkan dari situs berita online TribunNews menujukkan nilai akurasi rata-rata 89,9% pada nilai k=7. Hasil penilitian menunjukkan bahwa metode KNN memiliki tingkat akurasi yang baik dalam melakukan pengklasifikasian dokumen berita secara otomatis.
Keywords
Full Text:
PDFReferences
Efendi, R., Malik, R. F., & U Mila Sari, J. ; (2012). Klasifikasi Dokumen Berbahasa Indonesia Menggunakan Naive Bayes Classifier. Research in Computer Science and Applications, I(I), 7–13.
Fauzi, A. M. 2017. Text Mining. http://malifauzi.lecture.ub.ac.id/2017/09/text-mining-20172018/, diakses 4 April 2020.
Gharuty, F. (2009). Studi Dokumen Dalam Penelitian Kualitatif. https://adzelgar.wordpress.com/2009/02/02/studi-dokumen-dalam-penelitian-kualitatif/ diakses tanggal 20 April 2019
Lestari, M. E. I. (2014). Penerapan Algoritma Klasifikasi Nearest Neighbor (K-NN) untuk Mendeteksi Penyakit Jantung. Faktor Exacta, 7(4), 366–371. Jakarta Selatan Universitas Indraprasta
Rohman, A. (2012). Model Algoritma K-Nearest Neighbor (K-NN) Untuk Prediksi Kelulusan Mahasiswa. Semarang : Fakultas Teknik Universitas Pandanaran Semarang
Widodo, P., et al. (2016). Klasifikasi Kategori Dokumen Berita Berbahasa Indonesia Dengan Metode Kategorisasi Multi-Label Berbasis Domain Specific Ontology, II(2), 126–137. Surabaya : Institut Teknologi Sepuluh Nopember (ITS)
Abstract 3186 kali dilihat
PDF 3184 kali diunduh
Refbacks
- There are currently no refbacks.
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial-BerbagiSerupa 4.0 Internasional.