<![CDATA[Berdasarkan survei Asosiasi Penyelenggara JasaInternet Indonesia (APJII), jumlah pengguna internet diIndonesia mencapai 215,63 juta orang pada periode 2022-2023,meningkat sebesar 2,67% dibandingkan periode sebelumnya.Peningkatan ini menyebabkan lonjakan jumlah berita onlineyang memerlukan pengelolaan data yang lebih baik, terutamadalam menangani ketidakseimbangan kelas data set padaklasifikasi data. Penelitian ini bertujuan untuk mengatasimasalah tersebut dengan menerapkan teknik SMOTE, yangmenghasilkan sampel baru untuk kelas data set minoritas gunameningkatkan representasi data. Selain itu, algoritma KNNdigunakan untuk mengevaluasi pengaruh kombinasi SMOTEdan KNN terhadap performa model klasifikasi. Evaluasidilakukan menggunakan metrik akurasi, presisi, recall, dan F1-Score. Hasil penelitian menunjukkan bahwa penerapanSMOTE berhasil meningkatkan performa model klasifikasi.Kombinasi terbaik diperoleh pada nilai parameter k=1, denganakurasi sebesar 62,50%, presisi 58,39%, recall 86,96%, dan F1-Score 69,87%. Dibandingkan dengan model sebelum penerapanSMOTE, terjadi peningkatan performa akurasi dari 58,33%,presisi dari 49,56%, dan F1-Score dari 63,28%, sambilmempertahankan recall 87,50%. Penelitian ini membuktikanbahwa SMOTE efektif dalam menangani ketidakseimbangankelas data set, menghasilkan prediksi model yang lebih akuratdan seimbang. Hasil penelitian memberikan kontribusi dalampengelolaan data berita online untuk mendukung kualitasklasifikasi yang lebih baik.Kata kunci— AI, KNN, SMOTE, Berita Online]]>
