Claim Missing Document
Check
Articles

Found 1 Documents
Search

Rancang Bangun Sistem Pengelompokan Berita Clickbait/Non-clickbait Berita Radar Cirebon dengan K-Medoids Ramdhani, Fathul; Fahrudin, Rifqi; Febima, Mesi
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 3 (2025): Agustus - October
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i3.2509

Abstract

Banyak judul berita di internet menggunakan teknik clickbait untuk membuat judul yang menarik tetapi seringkali tidak relevan dengan isi berita, yang menantang pengelola media dan pembaca saat ini. Menggunakan algoritma K-Medoids, penelitian ini bertujuan untuk membangun sistem berbasis web yang akan mengelompokkan judul berita dari Radar Cirebon menjadi kategori clickbait dan non-clickbait. Algoritma ini dipilih karena mampu mengurangi jarak antar data ke medoid atau pusat cluster dan lebih tahan terhadap outlier dibandingkan dengan K-Means. Setelah data dikumpulkan melalui scraping web, proses preprocessing seperti cleaning, tokenizing, stopword, stemming, dan metode TF-IDF juga digunakan untuk mengubah data menjadi data numerik. Indeks Davies Bouldin (DBI) digunakan untuk mengevaluasi kualitas pengelompokan. Untuk mengembangkan sistem, Python, database MySQL, dan antarmuka web yang mudah digunakan digunakan. Radar Cirebon dapat menyajikan berita yang lebih akurat dan dapat diandalkan berkat sistem ini, yang meningkatkan pengalaman dan kepercayaan pembaca.