Perbandingan Metode Naive Bayes dan K-Nearest Neighbour untuk Klasifikasi Konten Berita
Semakin berkembangnya teknologi, kepembacaan melalui internet atau digital cukup tinggi. Menurut data Nielsen Consumer and Media View, sampai dengan kuartal ketiga 2017. Selain itu, ada sekitar 300 sampai 400 artikel berita dalam satu bulan dan banyaknya kategori artikel dalam sebuah web portal, membuat kinerja editor semakin banyak karena seorang editor harus dapat mengedit artikel dari berbagai kanal dan sekaligus harus mengkategorikan artikel satu persatu secara manual ke dalam beberapa kategori yang ditentukan. Penelitian ini bertujuan untuk melakukan perbandingan akurasi antara metode Naive Bayes dan metode K-Nearest Neighbour (KNN) berdasarkan hasil prediksi yang lebih akurat antara kedua metode tersebut sehingga diperoleh metode terbaik dalam melakukan klasifikasi konten berita. Data yang digunakan dalam penelitian ini berupa artikel berita dari portal web kaltimtoday.co bulan Januari 2021 hingga Maret 2021 sebanyak 576 data. Hasil penelitian menunjukkan bahwa setelah menggunakan model Naive Bayes dan K-Nearest Neighbor untuk mengklasifikasi konten berita diperoleh hasil bahwa kinerja K-Nearest Neighbor lebih unggul dari Naive Bayes untuk studi kasus pada penelitian ini. Terbukti bahwa dari 100 data uji yang digunakan KNN memiliki nilai accuracy sebesar 63% sedangkan Naive Bayes memiliki nilai accuracy sebesar 1%.
Ketersediaan
Detail Information
Judul | Perbandingan Metode Naive Bayes dan K-Nearest Neighbour untuk Klasifikasi Konten Berita |
---|---|
Pengarang | Rondongalo Rismawati - Personal Name |
No. Panggil | SKRIPSI RON p 2022 |
Subyek | klasifikasi, naive Bayes, K-Nearest Neighbor, paja |
Bahasa | Indonesia |
Tempat Terbit | Universitas Mulawarman |
Tahun Terbit | 2022 |
Penerbit | Fakultas Teknik |
Jurusan | Informatika |
Lampiran Berkas | LOADING LIST... |
DIGITAL LIBRARY