HENDRIYAN OGIVANO, - (2022) KLASIFIKASI KATEGORI BERITA PADA WEBSITE JATIMNET.COM BERBASIS SUPPORT VECTOR MACHINE (SVM). Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN I) 081611633005 HALAMAN I.pdf Download (615kB)
	Text (BAB I) 081611633005 BAB I.pdf Download (43kB)
	Text (FULL TEXT) 081611633005.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Jatimnet.com adalah platform media online lokal yang berbasis di Surabaya. Jatimnet.com menerbitkan puluhan berita setiap harinya. Pada proses pengiriman berita harus melalui seorang editor yang mana tugasnya mengelompokan masing-masing berita sesuai dengan kategorinya, hal tersebut memakan banyak waktu karena editor yang bertugas harus memilah terlebih dahulu berita yang sesuai dengan kategori sebelum diterbitkan. Data berita yang diambil pada penelitan ini sebanyak 12.929 berita dengan total 15 kategori yaitu daerah, berita, hukum, politik, naisonal, ekbis, olahraga, pendidikan, kesehatan, gaya hidup, tekno, pilkada, inforial, dunia, dan ekonomi. Tujuan penelitian ini adalah mengimplementasikan metode SVM (Support Vector Machine) Multi-class One vs Rest untuk klasifikasi kategori berita pada website jatimnet.com. Pada penelitian ini menggunakan library Scikit-Learn SVM Linear Kernel, Scikit-Learn SVM RBF kernel dan Spark SVM Linear kernel. Pada ketiga variasi metode tersebut akan dibandingan metode yang memiliki akurasi terbaik dengan cara menggunakan 5 variasi data split testing 10%, 20%, 30%, 40%, dan 50% pada setiap metode yang digunakan.Hasil penelitian menunjukan bahwa akurasi sebesar 80.06% dengan waktu klasifikasi 38 detik untuk Scikit-learn SVM Linear Kernel dengan 10% data split merupakan akurasi yang terbaik dibandingkan dengan metode lainnya yaitu sebesar 76.34% dengan waktu klasifikasi 19.800 detik untuk Scikit-learn SVM RBF Kernel dengan 10% data split dan 65,98% dengan waktu klasifikasi 1.200 detik untuk Spark SVM Linear Kernel dengan 10% data split.Berdasarkan penelitian yang dilakukan klasifikasi kategori jatimnet.com dapat diterpakan dengan menggunakan metode SVM dengan Multi-class One vs Rest. Pada skenario proses permodelan klasifikasi pada penelitian ini, dengan memanfaatkan library Scikit-learn SVM Linear Kernel menghasilkan akurasi yang lebih besar dibandingkan dengan 2 metode lainnya yaitu Scikit- learn SVM RBF Kernel dan Spark SVM Linear Kernel.

Actions (login required)

View Item