Abstrak
Penambangan Argumentasi atau Argumentation Mining, bertujuan untuk mengidentifikasi secara otomatis argumen data terstruktur dari teks bahasa alami yang tidak terstrukur. Topik tersebut baru-baru ini menjadi pusat perhatian karena banyak aplikasi berpotensi, yang di dalamnya terdapat deteksi data yang bersifat argumentatif. Selain itu juga karena potensinya dalam memproses informasi yang berasal dari web, dan khususnya media sosial dengan cara yang inovatif. Metode Graph-Based K-Nearest Neighbour(GKNN) dapat digunakan dalam mendeteksi teks argumentatif. Pada penelitian ini, sistem yang dirancang melakukan pengidentifikasian kalimat argumen terhadap dataset yang telah disediakan. Dengan dataset yang telah melalui pre-processing, dilakukan klasifikasi menggunakan metode GKNN dan uji validasi model dengan metode K-Fold Cross Validation untuk kemudian mendapatkan hasil berupa F1-Score dan Accuracy. Dari penelitian dengan nilai threshold untuk NFP(Not Fit Percent) sebesar 0.05, didapatkan hasil rata-rata 80% untuk F1 dan 67% untuk nilai F1. Kemudian dengan nilai K=7 pada GKNN didapatkan nilai rata-rata akurasi tertinggi sebesar 63%, dan rata-rata nilai F1 tertinggi sebesar 76%. Dataset yang digunakan adalah dataset Stab Argmin.
Kata kunci : GKNN, Penambangan Argumentasi, Premis, Klaim, Klasifikasi