PENERAPAN ALGORITMA K-NEAREST NEIGHBORS SEBAGAI METODE UNTUK MENGKLASIFIKASIKAN ARTIKEL CLICKBAIT BERBAHASA INDONESIA

Adi, Bayu Permadi (2018) PENERAPAN ALGORITMA K-NEAREST NEIGHBORS SEBAGAI METODE UNTUK MENGKLASIFIKASIKAN ARTIKEL CLICKBAIT BERBAHASA INDONESIA. Sarjana thesis, Sekolah Tinggi Informatika dan Komputer Indonesia(STIKI) MALANG.

	Text ABSTRAK.docx Download (13kB)
	Text BAB I.docx Restricted to Registered users only Download (44kB)
	Text BAB II.docx Restricted to Repository staff only Download (148kB)
	Text BAB III.docx Restricted to Repository staff only Download (632kB)
	Text BAB IV.docx Restricted to Repository staff only Download (1MB)
	Text BAB V.docx Restricted to Registered users only Download (18kB)

Abstract

Kata Kunci: klasifikasi, k-nearest neighbors, k-nn, clickbait Berita bukanlah hal yang sulit untuk dicari dan didapatkan di era ini. Untuk dapat membaca sebuah berita tidak lagi melalui media cetak atau media elektronik seperti TV atau radio, tetapi dapat melalui media online yaitu sosial media, situs berita resmi, atau blog. Akan tetapi banyak media online yang lebih mengutamakan jumlah pengunjung dibandingkan dengan kualitas berita itu sendiri, karena hal ini dapat meningkatkan jumlah pendapatan. Clickbait merupakan salah satu cara yang digunakan untuk menarik minat dan rasa penasaran calon pembaca. Masalahnya adalah tidak jarang ditemukan judul berita clickbait yang isi beritanya tidak berkualitas atau tidak sesuai dengan judulnya yang berakibat membuat pembaca merasa kecewa. Berdasarkan masalah tersebut dilakukan penelitian untuk mengklasifikasikan judul berita clickbait berbahasa Indonesia menggunakan metode K-Nearest Neighbors (K-NN). Diharapkan dengan adanya penelitian ini dapat diketahui bagaimana kemampuan K-NN dalam melakukan klasifikasi judul berita clickbait berbahasa Indonesia. Dari hasil penelitian yang dilakukan, didapatkan hasil terbaik pada jumlah k=11 dengan menggunakan 800 data latih dan 200 data uji yang menghasilkan akurasi sebesar 80,5%, Precision 85%, Recall 81% dan F-Measure 80%. Dan pada pengujian menggunakan 20 data baru diperoleh tingkat akurasi sebesar 90%. Serta beberapa kata unik yang sering muncul pada judul Clickbait pada penelitian ini beberapa di antaranya adalah apa, kenapa, nih, alasan dan wow. Diharapkan penelitian ini dapat dikembangkan lebih baik pada penelitian yang akan datang dan dapat menjadi referensi bagi pihak-pihak yang membutuhkan.

Item Type:	Thesis (Sarjana)
Subjects:	Bibliography. Library Science. Information Resources > Books. Writing. Paleography
Divisions:	Engineering Sciences
Depositing User:	Unnamed user with username editor_perpustakaan
Date Deposited:	14 May 2019 08:35
Last Modified:	06 Apr 2021 07:45
URI:	http://repository.stiki.ac.id/id/eprint/298

Actions (login required)

View Item