Article Per Year (5 Year)
p-Index From 2020 - 2025
0.702
P-Index
This Author published in this journals
All Journal Jurnal CoreIT Jurnal Nasional Komputasi dan Teknologi Informasi
Elin Haerani
UIN Suska Riau
Aerospace Engineering Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Neuroscience Transportation

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Nasional Komputasi dan Teknologi Informasi

 1 
Klasifikasi Berita Menggunakan Metode K-Nearest Neighbor Rahmah Miya Juwita; Elin Haerani; Siska Kurnia Gusti; Siti Ramadhani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 2 (2022): April 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i2.4192

Abstract

Abstrak - Meningkatnya minat masyarakat dalam mengakses berita, khususnya berita online, menuntut redaktur dan situs portal berita untuk memberikan liputan dan berita yang berkualitas. Selain itu, klasifikas berita yang ada masih tergolong umum dapat menjadi kendala yang dialami pembaca. jika pembaca ingin melihat kategori berita yang lebih spesifik, mereka harus menyaring berita tersebut secara manual. Hal ini juga terjadi di bidang sosial Badan Pusat Statistik Provinsi Riau yang kesulitan mencari berita tentang Provinsi Riau. Oleh karena itu, proses klasifikasi berita menggunakan metode k-nearest neighbor menjadi hal yang krusial untuk dilakukan. Jumlah berita yang digunakan dalam penelitian ini berjumlah 510 data dengan tiga kategori yaitu demokrasi, kemiskinan, dan ketenagakerjaan. Proses klasifikasi berita dalam penelitian ini meliputi: pengumpulan data, pelabelan manual, preprocessing teks, pembobotan kata, dan klasifikasi memakai metode k-nearest neighbor. Selain itu, cosinus similarity juga digunakan untuk meningkatkan nilai akurasi. Nilai akurasi tertinggi yang diperoleh pada penelitian ini adalah 87% menggunakan nilai k = 3 dengan distribusi data uji 20% dan data latih dari 80%. Dari penelitian ini dapat diambil kesimpulan bahwa metode K-Nearest Neighbor dapat bekerja dengan baik dalam proses klasifikasi berita.Kata kunci: Badan Pusat Statistik, Berita, Cosine Similarity, Klasifikasi, K-Nearest Neighbor Abstract - The increasing of public interest in accessing news, especially online news, requires editors and news portal sites to provide quality coverage and news. In addition, the grouping of news that still classified as a general can be an obstacle experienced by readers. if the reader wants to see a more specific category of news, they must filter the news manually. This is also happened in the social sector of Badan Pusat Statistik Provinsi Riau, which has trouble when finding news about Riau Province. Therefore, the news classification process using the k-nearest neighbor method is a crucial thing to do. The number of news stories used in this study amounted to 510 data with three categories,  democracy, poverty, and employment. The news classification process in this study includes: data collection, manual labeling, text preprocessing, word weighting, and classification using k-nearest neighbor method. Besides that, cosine similarity is also used to increase the accuracy value. The highest accuracy values obtained in this study were 87% using a values of k = 3 with distribution of test data of 20% and training data of 80%. From this research, it can be concluded that the K-Nearest Neighbor method works well in the news classification process.Keywords: Badan Pusat Statistik, Cosine Similarity, Classification, K-Nearest Neighbor, News
Klasifikasi Berita Menggunakan Metode Naïve Bayes Classifier Sayyid Muhammad Habib; Elin Haerani; Siska Kurnia Gusti; Siti Ramadhani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 2 (2022): April 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i2.4191

Abstract

Abstrak - Tingginya kecenderugan masyarakat dalam mengakses berita secara online, membuat editor dan portal berita harus menyediakan berita yang berkualitas. Namun berita pada portal tersebut masih diklasifikasikan secara umum, sehingga ketika pembaca ingin mendapatkan kategori berita yang lebih spesifik harus dilakukan secara manual dengan menyaring berita-berita tersebut. Hal ini juga yang dialami oleh bidang sosial Badan Pusat Statistik Provinsi Riau yang kesulitan dalam mencari dan mengklasifikasikan jenis berita tentang Provinsi Riau. Oleh sebab itu, proses pengklasifikasian berita menggunakan metode naïve bayes classifier merupakan hal yang penting untuk dilakukan. Jumlah berita yang digunakan dalam penelitian ini berjumlah 510 berita dan dikategorikan menjadi 3 kategori yaitu demokrasi, kemiskinan, dan ketenagakerjaan. Agar membantu bidang sosial di Badan Pusat Statistik Provinsi Riau dalam mengklasifikasikan jenis berita sebagai landasan fenomena yang terjadi di daerah Provinsi Riau berdasarkan dari nilai indeks demokrasi, ketenagakerjaan, dan kemiskinan Provinsi Riau. Proses pengklasifikasian berita dalam penelitian ini meliputi: pengumpulan data, text preprocessing, pembobotan kata, dan klasifikasi naïve bayes classifier. Nilai akurasi tertinggi yang diperoleh dalam penelitian ini sebesar 94% dengan pembagian data uji 10% dan data latih 90%.Kata kunci: Berita, Badan Pusat Statistik, Klasifikasi, Naïve Bayes Classifier, RiauAbstract - The high tendency of people to access news, especially online news, makes editors and news portal sites to provide quality information and news. However, the news grouping is still classified in general, so, when the reader want to get a more specific category of news, it must be done manually by filtering the news. This is also happened by the social sector of the Badan Pusat Statistik Provinsi Riau, which has difficulty in finding news about Riau Province. Therefore, the process of classifying news using the Naive Bayes Classifier method is an important thing to do. The number of news used in this research is 510 news and it's categorized into 3 categories, namely democracy, poverty, and employment. The news classification process in this research includes: data collection, manual labeling, text preprocessing, term weighting, and naive Bayes classifier classification. The highest accuracy value obtained in this research was 94% with the distribution of 10% test data and 90% training data.Keywords: Badan Pusat Statistik, Classification, Naïve Bayes Classifier, News, Riau
Klasifikasi Berita Menggunakan Metode Naïve Bayes Classifier Sayyid Muhammad Habib; Elin Haerani; Siska Kurnia Gusti; Siti Ramadhani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 2 (2022): April 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i2.4191

Abstract

Abstrak - Tingginya kecenderugan masyarakat dalam mengakses berita secara online, membuat editor dan portal berita harus menyediakan berita yang berkualitas. Namun berita pada portal tersebut masih diklasifikasikan secara umum, sehingga ketika pembaca ingin mendapatkan kategori berita yang lebih spesifik harus dilakukan secara manual dengan menyaring berita-berita tersebut. Hal ini juga yang dialami oleh bidang sosial Badan Pusat Statistik Provinsi Riau yang kesulitan dalam mencari dan mengklasifikasikan jenis berita tentang Provinsi Riau. Oleh sebab itu, proses pengklasifikasian berita menggunakan metode naïve bayes classifier merupakan hal yang penting untuk dilakukan. Jumlah berita yang digunakan dalam penelitian ini berjumlah 510 berita dan dikategorikan menjadi 3 kategori yaitu demokrasi, kemiskinan, dan ketenagakerjaan. Agar membantu bidang sosial di Badan Pusat Statistik Provinsi Riau dalam mengklasifikasikan jenis berita sebagai landasan fenomena yang terjadi di daerah Provinsi Riau berdasarkan dari nilai indeks demokrasi, ketenagakerjaan, dan kemiskinan Provinsi Riau. Proses pengklasifikasian berita dalam penelitian ini meliputi: pengumpulan data, text preprocessing, pembobotan kata, dan klasifikasi naïve bayes classifier. Nilai akurasi tertinggi yang diperoleh dalam penelitian ini sebesar 94% dengan pembagian data uji 10% dan data latih 90%.Kata kunci: Berita, Badan Pusat Statistik, Klasifikasi, Naïve Bayes Classifier, RiauAbstract - The high tendency of people to access news, especially online news, makes editors and news portal sites to provide quality information and news. However, the news grouping is still classified in general, so, when the reader want to get a more specific category of news, it must be done manually by filtering the news. This is also happened by the social sector of the Badan Pusat Statistik Provinsi Riau, which has difficulty in finding news about Riau Province. Therefore, the process of classifying news using the Naive Bayes Classifier method is an important thing to do. The number of news used in this research is 510 news and it's categorized into 3 categories, namely democracy, poverty, and employment. The news classification process in this research includes: data collection, manual labeling, text preprocessing, term weighting, and naive Bayes classifier classification. The highest accuracy value obtained in this research was 94% with the distribution of 10% test data and 90% training data.Keywords: Badan Pusat Statistik, Classification, Naïve Bayes Classifier, News, Riau
Klasifikasi Berita Menggunakan Metode K-Nearest Neighbor Rahmah Miya Juwita; Elin Haerani; Siska Kurnia Gusti; Siti Ramadhani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 2 (2022): April 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i2.4192

Abstract

Abstrak - Meningkatnya minat masyarakat dalam mengakses berita, khususnya berita online, menuntut redaktur dan situs portal berita untuk memberikan liputan dan berita yang berkualitas. Selain itu, klasifikas berita yang ada masih tergolong umum dapat menjadi kendala yang dialami pembaca. jika pembaca ingin melihat kategori berita yang lebih spesifik, mereka harus menyaring berita tersebut secara manual. Hal ini juga terjadi di bidang sosial Badan Pusat Statistik Provinsi Riau yang kesulitan mencari berita tentang Provinsi Riau. Oleh karena itu, proses klasifikasi berita menggunakan metode k-nearest neighbor menjadi hal yang krusial untuk dilakukan. Jumlah berita yang digunakan dalam penelitian ini berjumlah 510 data dengan tiga kategori yaitu demokrasi, kemiskinan, dan ketenagakerjaan. Proses klasifikasi berita dalam penelitian ini meliputi: pengumpulan data, pelabelan manual, preprocessing teks, pembobotan kata, dan klasifikasi memakai metode k-nearest neighbor. Selain itu, cosinus similarity juga digunakan untuk meningkatkan nilai akurasi. Nilai akurasi tertinggi yang diperoleh pada penelitian ini adalah 87% menggunakan nilai k = 3 dengan distribusi data uji 20% dan data latih dari 80%. Dari penelitian ini dapat diambil kesimpulan bahwa metode K-Nearest Neighbor dapat bekerja dengan baik dalam proses klasifikasi berita.Kata kunci: Badan Pusat Statistik, Berita, Cosine Similarity, Klasifikasi, K-Nearest Neighbor Abstract - The increasing of public interest in accessing news, especially online news, requires editors and news portal sites to provide quality coverage and news. In addition, the grouping of news that still classified as a general can be an obstacle experienced by readers. if the reader wants to see a more specific category of news, they must filter the news manually. This is also happened in the social sector of Badan Pusat Statistik Provinsi Riau, which has trouble when finding news about Riau Province. Therefore, the news classification process using the k-nearest neighbor method is a crucial thing to do. The number of news stories used in this study amounted to 510 data with three categories,  democracy, poverty, and employment. The news classification process in this study includes: data collection, manual labeling, text preprocessing, word weighting, and classification using k-nearest neighbor method. Besides that, cosine similarity is also used to increase the accuracy value. The highest accuracy values obtained in this study were 87% using a values of k = 3 with distribution of test data of 20% and training data of 80%. From this research, it can be concluded that the K-Nearest Neighbor method works well in the news classification process.Keywords: Badan Pusat Statistik, Cosine Similarity, Classification, K-Nearest Neighbor, News
Co-Authors Ari Janata Rahmah Miya Juwita Sayyid Muhammad Habib Siska Kurnia Gusti Siti Ramadhani