Optimisasi Algoritma Random Forest untuk Klasifikasi Berita pada PT Merah Putih Menggunakan Metode Recursive Feature Elimination

Havis, M. (2021) Optimisasi Algoritma Random Forest untuk Klasifikasi Berita pada PT Merah Putih Menggunakan Metode Recursive Feature Elimination. 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 (447kB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (164kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (198kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (260kB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (448kB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (642kB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (85kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (880kB)

Abstract

Teknologi informasi berkembang dengan pesat efisiensi dan kepraktisan hal yang berpengaruh dalam perkembangan teknologi informasi. Media online merupakan hasil dari perkembangan teknologi informasi yang tadinya berupa media fisik namun sekarang dalam bentuk digital. Media online menyajikan berita yang tersusun di dalam kategori berita seperti berita politik, kriminal, olahraga dan lainnya. Pembagian kategori berita atau sub-kategori dalam media online masih dilakukan secara manual sehingga memakan banyak waktu dan sumber daya komputasi. Penelitian sebelumnya telah mengembangkan model kategorisasi berita secara otomatis berdasarkan data milik PT. Merah Putih Media menggunakan metode Random Forest Classifier dan Metode TF-IDF sebagai algoritma dan metodenya. Pada penelitian ini model yang telah dihasilkan pada penelitian sebelumnya akan dicoba proses optimasi model Random Forest dan TF-IDF menggunakan Recursive Feature Elimination. Implementasi Recursive Feature Elimination mengurangi 19% fitur pada model Random Forest dan mendapatkan performa F1-Score sebesar 93,44% di saat penelitian sebelumnya hanya mendapatkan performa sebesar F1-Score 93,08%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Recursive Feature Elimination, Random Forest Classifier, TF-IDF
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 19:14
Last Modified:	24 Aug 2023 06:26
URI:	https://kc.umn.ac.id/id/eprint/15798

Actions (login required)

View Item