PENGKLASIFIKASIAN ARTIKEL DENGAN ALGORITMA K-NEAREST NEIGHBOR
Perkembangan teknologi dan internet memberikan dampak yang signifikan terhadap aliran informasi dengan skala besar setiap harinya. Berbagai jenis artikel baru pada muncul tiap detik. Maka dari itu kebutuhan akan pengklasifikasian artikel secara otomatis semakin diperlukan guna mengefisienkan waktu dan sumber daya manusia yang ada. Sistem yang diharapkan adalah sebuah sistem yang mampu melakukan fungsi pengklasifikasian secara otomatis serta menghasilkan hasil yang akurat. Salah satu algoritma yang dapat digunakan untuk melakukan pengklasifikasian secara otomatis adalah K-Nearest Neighbor, dengan terlebih dahulu mengukur tingkat kemiripan dokumen dengan cosine similarity. Dalam penelitian ini, peneliti menetapkan kategori artikel menjadi 10 macam, yaitu : politik, kriminal, ekonomi, olahraga, otomotif, teknologi, kuliner, kesehatan, wanita, dan perjalanan. Agar dapat menghasilkan kategori yang sesuai maka diperlukan data latih yang digunakan sebagai pembanding.
Tidak ada salinan data
Tidak tersedia versi lain