Rancang Bangun Sistem Klasifikasi Konten Berita Politik dengan Mengimplementasikan Algoritma K-Nearest Neighbor

Abstract

Berita biasanya dikelompokkan menjadi beberapa kategori seperti olahraga, politik, pendidikan dan kesehatan Meskipun beberapa portal berita online telah mengelompokkan berdasarkan kategori-kategori berita, namun pengelompokan tersebut masih bersifat umum. Salah satunya portal berita detik.com yang terdiri dari kategori DetikNews, DetikFinance, DetikHot, DetikSport, DetikOto, DetikTravel, DetikFood, DetikHealt, wolipop dan Indeks. Hal ini mengharuskan pembaca berita yang ingin mencari berita yang lebih spesifik sebagai contoh berita pilkada harus melakukan pencarian secara manual dengan menelusuri dan membaca satu persatu berita yang diunggah dalam setiap portalnya. Hal ini yang membuat proses pencarian tersebut membutuhkan waktu yang cenderung lama. Untuk mempermudah dalam pengelompokkan konten berita, sebagai langkah awal peneliti mencoba membangun sistem yang dapat mengenali kategori berita secara otomatis. Pada penelitian ini dibangun sebuah sistem yang dapat mengklasifikasikan kategori berita politik menggunakan algoritma K-Nearest Neighbor. Nilai k yang digunakan pada penelitian ini adalah K=3, K=5, K=7 dan K=9. Dari keempat nilai k tersebut akan dibandingkan nilai akurasinya untuk mencari nilai akurasi yang tertinggi untuk diterapkan pada sistem klasifikasi konten berita politik, sehingga mendapatkan hasil klasifikasi yang tepat.