SYAFRIANSYAH, MUHAMMAD (2019) KLASIFIKASI KATEGORI BERITA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN REDUKSI FITUR DENGAN SINGULAR VALUE DECOMPOSITION. Undergraduate thesis, UPN "VETERAN" JATIM.
|
Text (cover)
cover.pdf Download (863kB) | Preview |
|
|
Text (bab 1)
bab 1.pdf Download (139kB) | Preview |
|
![[img]](http://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (bab 2)
bab 2.pdf Restricted to Repository staff only Download (376kB) |
|
|
Text (bab 3)
bab 3.pdf Restricted to Repository staff only Download (752kB) |
|
|
Text (bab 4)
bab 4.pdf Restricted to Repository staff only Download (476kB) |
|
|
Text (bab 5)
bab 5.pdf Download (144kB) | Preview |
|
|
Text (dapus)
dapus.pdf Download (144kB) | Preview |
Abstract
Berita yang dahulu banyak disebarkan melalui media cetak sekarang mulai memasuki atau bahkan berpindah pada media online untuk penyebarannya. Kelebihan dari media online adalah waktu distribusi yang lebih cepat. Pada saat ini pengkategorian berita masih menggunakan tenaga manusia atau manual. Kategori yang banyak beserta waktu yang cepat menyulitkan editor untuk mengkategorikan berita. Penelitian ini bertujuan untuk melakukan prediksi kategori berita menggunakan metode Support Vector Machine (SVM) dipadukan dengan Singular Value Decomposition (SVD). Data yang digunakan merupakan data yang diambil dengan teknik crawling dari situs https://www.kompas.com/ berjumlah 280 data yang terdiri dari empat kategori yaitu ekonomi, olahraga, teknologi, dan entertainment. Pertamatama dilakukan text preprocessing, dalam proses ini nantinya terdapat beberapa proses yaitu case folding, tokenisasi, filtering, dan stemming. Selanjutnya proses seleksi fitur menggunakan penghitungan bobot TF-IDF serta proses SVD yang berfungsi untuk mereduksi fitur. Kemudian proses klasifikasi dengan metode multiclass SVM one-against-one menggunakan kernel polynomial. Dari hasil penelitian ini diketahui bahwa penggunaan SVD dapat meningkatkan nilai akurasi, presisi, dan recall yang dihasilkan oleh SVM. Ratarata nilai yang dihasilkan oleh TF-IDF + SVD + SVM adalah akurasi = 0.98, presisi = 0.95, dan recall = 0.96. Kata Kunci: Klasifikasi, Berita, SVD, SVM
| Item Type: | Thesis (Undergraduate) | ||||||||
|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||
| Subjects: | Q Science > QA Mathematics > QA76.6 Computer Programming | ||||||||
| Divisions: | Faculty of Computer Science > Departemen of Informatics | ||||||||
| Depositing User: | Budiyono Budiyono | ||||||||
| Date Deposited: | 03 Dec 2021 07:08 | ||||||||
| Last Modified: | 03 Dec 2021 07:08 | ||||||||
| URI: | http://repository.upnjatim.ac.id/id/eprint/3346 |
Actions (login required)
 |
View Item |