Implementasi Metode Random Forest Classifier untuk Klasifikasi Sub-kategori Artikel Media Online

Fadhilah Khan, Reza (2021) Implementasi Metode Random Forest Classifier untuk Klasifikasi Sub-kategori Artikel Media Online. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (374kB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (221kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (243kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (482kB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (549kB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (805kB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (123kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (805kB)

Abstract

Perkembangan teknologi yang semakin canggih turut mempengaruhi industri media. Melalui perkembangan tersebut, industri media yang pada mulanya berbentuk fisik (media cetak) bertransformasi menjadi bentuk digital (portal media online). Dalam portal media online setiap berita masuk ke dalam kategori ataupun sub-kategori berita seperti berita politik, olahraga, ekonomi, kesehatan, dan lainnya. Sampai saat ini, proses pemberian kategori berita kerapkali masih dilakukan secara manual, yang berarti pengunggah berita harus terlebih dahulu mengetahui isi dari berita yang akan diunggah secara keseluruhan untuk selanjutnya diberikan kategori atau sub-kategori yang tepat. Penelitian ini akan mencoba membangun model otomatis untuk pemberian kategori berdasarkan data-data milik PT. Merah Putih Media pada portal berita MerahPutih.com. Untuk mengembangkan model yang dimaksud, akan digunakan metode Random Forest Classifier dan metode ekstraksi fitur TF-IDF. Alih-alih berfokus pada kategori berita secara general, penelitian akan berfokus pada sub-kategori (kategori spesifik) dari setiap berita dalam suatu kategori tertentu di portal berita MerahPutih.com. Berdasarkan hasil implementasi, diperoleh model terbaik dengan performa F1-Score sebesar 93,49 Model yang dihasilkan diuji dengan menggunakan metode K-Fold Cross Validation dengan nilai k sama dengan lima dan proses hyperparameter dengan menggunakan metode Grid Search.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Random Forest Classifier, TF-IDF, Kategorisasi Artikel Otomatis, MerahPutih.com
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods > 006.7 Multimedia Systems, Blogs, Social Media, Web Application Frameworks
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	24 Aug 2021 19:52
Last Modified:	23 Aug 2023 03:27
URI:	https://kc.umn.ac.id/id/eprint/15748

Actions (login required)

View Item