IMPLEMENTASI METODE EKSTRAKSI FITUR BERBASIS WORD EMBEDDING DAN TF-IDF PADA ALGORITMA RANDOM FOREST UNTUK KLASIFIKASI KATEGORI BERITA ONLINE

Afif, Muhammad Sholih
Utami, Ema
Yaqin, Ainul

KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal)
Vol 11, No 2 (2024)

Saat ini, klasifikasi kategori berita online hanya dikerjakan oleh petugas platform berita online yang dibantu oleh editor konten berita. Proses pemisahan artikel berita ke dalam kategori yang berbeda masih banyak dilakukan secara manual oleh operator, tanpa bantuan sistem atau algoritma otomatis. Ketika jumlah berita yang dikelola terus meningkat, pengelola dan editor portal dapat menghadapi tantangan yang lebih besar. Untuk mengatasi tantangan ini, diperlukan adopsi teknologi yang mampu menyederhanakan proses ini, yaitu text mining. Penelitian ini bertujuan untuk melakukan uji coba dan perbandingan antara metode ekstraksi fitur berbasis word embedding dan TF-IDF pada model RANDOM FOREST untuk mengevaluasi dan membandingkan akurasi, recall, dan preisisi dari kedua metode tersebut.