Perbandingan Pembobotan untuk Klasifikasi Topik Berita menggunakan Decision Tree

HENRI TANTYOKO

Informasi Umum

Kode

19.04.3834

Klasifikasi

005.019 - Computer Programming, Programs, Data- Prsychological principles; usability

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Computer Science

Dilihat

185 kali

Informasi Lainnya

Abstraksi

Berita merupakan suatu media untuk menambah wawasan terhadap dunia luar, banyak kejadian yang tidak bisa diketahui secara langsung, oleh karena itu adanya berita dapat memudahkan untuk mengetahui informasi yang lebih luas cakupannya. Penyebaran berita terdiri dari online untuk internet dan offline untuk media cetak. Di zaman sekarang perkembangan internet sangat pesat sehingga memudahkan dalam hal mengakses informasi, media penyampaian berita menjadi variatif dengan adanya internet. Banyak berita yang tersedia secara online sehingga menimbulkan masalah karena berita yang diterbitkan oleh penerbit dapat membuat kesalahan dalam mengkategorikan isi berita kedalam kategori yang tepat. Perlu adanya teknik klasifikasi untuk mengkategorikan berita secara otomatis. Tantangan menggunakan teknik klasifikasi terletak pada akurasi kebenaran pengkategorian dari metode yang digunakan. Dalam penelitian ini penulis menggunakan metode klasifikasi Decision Tree. Proses yang tidak kalah pentingnya sebelum klasifikasi adalah teknik pembobotan kata. Untuk mendapatkan akurasi yang optimal, penulis mengkombinasikan teknik klasifikasi menggunakan Decision Tree dengan teknik pembobotan kata TF.ABS, TF.CHI2, TF.RF dan TF.IDF. Hasilnya TF.ABS memiliki akurasi yang paling tinggi yaitu 82,22% jika Tree tidak dibatasi parameter ketinggiannya.

Kata kunci: decision tree, pembobotan, TF.ABS, TF.CHI2, TF.RF,TF.IDF.