Skripsi

Klasifikasi kepopuleran berita online menggunakan metode k-nearest neighbor / Hafidz Abdul Majid

Abstrak
Adanya media online saat ini merupakan wujud dari kemajuan teknologi informasi yang berpengaruh terhadap kepopuleran media diantaranya adalah portal berita online. Kehadiran internet dapat menyediakan banyak informasi dan berita secara cepat sehingga mengalahkan kepopuleran media cetak seperti koran dan majalah. Kepopuleran berita online dapat dilihat berdasarkan jumlah sharing berita yang tinggi. Agar berita yang akan diterbitkan berpotensi populer jurnalis perlu memperhatikan karakteristik-karakteristik tertentu dalam menyusun berita online. Berita online yang populer tentunya dapat meningkatkan keuntungan secara finansial bagi pembuat berita online. Oleh karena itu dalam mengatasi permasalahan ini diperlukan aplikasi yang dapat memprediksi tingkat kepopuleran berita online. Penelitian ini memilih algoritma k-Nearest Neighbor yang merupakan salah satu metode untuk klasifikasi objek berdasarkan jarak terdekatnya. Kelebihan dari metode ini adalah tahan terhadap noise yang tinggi dan tingkat keakuratannya tinggi apabila menggunakan data training yang besar. Perbedaan penelitian ini dengan penelitian sebelumnya adalah pada metode preprocessing dan jumlah k yang dipakai. Metode k-Nearest Neighbor pada penelitian ini menggunakan k 1 sampai k 7 dengan kelas yang terbagi menjadi kelas populer dan tidak populer. Pengolahan data dilakukan melalui tahap prepocessing dengan menggunakan 2 metode yaitu discretization dan attribute selection. Pada tahap discretization metode yang digunakan adalah binning sedangkan pada tahap attribute selection menggunakan metode Information Gain Chi Square Deviation Correlation dan Uncertainty. Berdasarkan hasil tahapan tersebut dilakukan pengklasifikasian berita online untuk menentukan tingkat kepopulerannya dengan menggunakan metode k-Nearest Neighbor. Metode validasi yang digunakan adalah split dengan pembagian data latih 70% dan data uji 30%. Penelitian ini menghasilkan performa akurasi sebesar 58 34% lebih besar sekitar 2% dari penelitian sebelumnya oleh Namous dkk. (2019) dan Ren amp Yang (2015) yang sama-sama menggunakan metode klasifikasi k-Nearest Neighbor. Hasil akurasi terbaik ini didapatkan pada penggunaan metode attribute selection Chi Square dan k 7.

Informasi Detail

DDC

Rs 005.1 MAJ k

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2020.

Deskripsi Fisik

xiv, 65 lembar: ill. , tab. ; 30 cm

Bahasa

Indonesia

No Reg

00538/KI/21

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2020

Subjek

1. ALGORITMA KOMPUTER
2. K-NEAREST NEIGHBOR
3. COMPUTER ALGORITHMS

Pembimbing

1. I. Made Irawan; 2. Muhammad Iqbal Akbar

Lampiran Berkas