Implementation of Self Training Classifier Using Logistic Regression in Classification of News Article Categories

Dewa Krisdaynata, Rangga (2022) Implementation of Self Training Classifier Using Logistic Regression in Classification of News Article Categories. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
PDF
HALAMAN_AWAL.pdf

Download (4MB) | Preview
[img]
Preview
PDF
DAFTAR_PUSTAKA.pdf

Download (4MB) | Preview
[img]
Preview
PDF
BAB_I.pdf

Download (4MB) | Preview
[img]
Preview
PDF
BAB_II.pdf

Download (4MB) | Preview
[img]
Preview
PDF
BAB_III.pdf

Download (4MB) | Preview
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (4MB)
[img]
Preview
PDF
BAB_V.pdf

Download (4MB) | Preview
[img]
Preview
PDF
LAMPIRAN.pdf

Download (4MB) | Preview

Abstract

Media informasi atau berita telah merambah menjadi media daring sesuai dengan kebutuhan masyarakat milenial dan menjadi sarana yang paling efektif untuk menyampaikan informasi. Kategori berita dalam media daring pembagiannya dilakukan masih secara manual yang memakan waktu dan sumber daya komputasi. Penelitian ini membandingkan hasil performa metode klasifikasi berita logistic regression saja dan jika ditambah self training classifier. Proses klasifikasi dilakukan untuk berita pada merahputih.com. Kemudian untuk tambahan data pada penggunaan metode self training classifier, data diperoleh dari merdeka.com. Kategori berita yang diklasifikasi adalah hiburan, gaya hidup, kuliner, olahraga, tradisi dan travel. Implementasi logistic regression dengan menggunakan ekstrasi fitur TF-IDF dan self training classifier mendapatkan performa F1-Score sebesar 90.80% dan lebih kecil dari penggunaan logistic regression saja yang mendapatkan F1-Score sebesar 91.80%.

Item Type: Thesis (Bachelor Thesis)
Keywords: Logistic Regression, Self Training Classifier, TF-IDF
Subjects: T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T58.5-58.64 Information technology
Divisions: Fakultas Teknik Informatika > Program Studi Informatika
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Last Modified: 22 Mar 2022 14:15
URI: http://kc.umn.ac.id/id/eprint/19888

Actions (login required)

View Item View Item