Perbandingan Algoritma K-Means dan Gaussian Mixture Model untuk Pengelompokan Berita pada Kompas.com

Prabawa, Sidharta Anuggrah (2021) Perbandingan Algoritma K-Means dan Gaussian Mixture Model untuk Pengelompokan Berita pada Kompas.com. 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 (880kB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (612kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (622kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (762kB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (515kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB)

Abstract

Kedudukan media massa dalam perkembangan masyarakat sangatlah penting. Media massa menyajikan berbagai informasi yang dibutuhkan secara massal, sehingga informasi menjadi lebih luas jangkauannya serta dapat merubah suatu pola kehidupan masyarakat luas. Situs Kompas.com merupakan salah satu media berita online nasional yang memiliki beragam informasi dan terpercaya. Pemberitaan dalam media masa tertulis (online dan offline) sering dikategorikan sesuai dengan tema dari isi berita untuk memudahkan pencarian dan pemahaman konteks. Penelitian dilaksanakan berdasarkan penelitian internal dosen prodi informatika, sistem informasi dan jurnalistik terkait masalah pada sistem kategori berita harian kompas. Salah satu teknik yang dapat digunakan adalah clustering. Teknik clustering dapat membantu dalam menentukan jumlah kategori yang optimal dengan mengelompokkan berita yang berkesesuaian menjadi satu kategori yang sama. Pada penelitian ini, algoritma clustering K-Means dan Gaussian Mixture Model akan diimplementasikan untuk mengelompokkan kategori berita dengan sumber berita kompas. Pengujian dilakukan dengan menggunakan 4 dataset yang berbeda dengan masing-masing dataset berjumlah 10 ribu berita. Adapun hyperparameter yang diujikan adalah random_state dengan nilai 52 pada algoritma K-Means, random_state dengan nilai 42 dan covariance_type dengan nilai tied. Hasil penelitian menunjukan bahwa algoritma Gaussian Mixture Model lebih unggul dibandingkan algoritma K-Means dengan nilai akurasi 0.7994 dan kecepatan 2.3722 detik untuk 4 Cluster, 0.7614 dan kecepatan 2.4163 detik untuk 5 Cluster, 0.7428 dan kecepatan 2.9533 detik untuk 6 Cluster, 0.7249 dan kecepatan 2.5499 untuk 7 Cluster, 0.7267 dan kecepatan 3.2291 detik untuk 8 Cluster, 0.7114 dan kecepatan 3.3909 detik untuk 9 Cluster, 0.6726 dan kecepatan 3.3541 untuk 10 Cluster.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	media massa, kompas, clustering, K-Means, Gaussian Mixture Model, machine learning
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	24 Aug 2021 15:23
Last Modified:	24 Aug 2023 07:50
URI:	https://kc.umn.ac.id/id/eprint/15750

Actions (login required)

View Item