<![CDATA[Perkembangan berita online di wilayah Nusa Tenggara Timur (NTT) semakin pesat. Meningkatnya volume berita yang dipublikasikan setiap hari menimbulkan tantangan dalam proses pengelompokan dan analisis konten yang selama ini masih dilakukan secara manual. Oleh karena itu, diperlukan suatu sistem yang mampu mengklasifikasikan judul berita secara otomatis dan akurat agar pengelolaan informasi dapat dilakukan dengan lebih efisien. Penelitian ini menggunakan pendekatan berbasis deep learning dengan menerapkan model Bidirectional Encoder Representations from Transformers (BERT) dan IndoBERT sebagai teknologi utama dalam sistem klasifikasi berita online berbahasa Indonesia. Bahasa pemrograman yang digunakan adalah Python dengan dukungan pustaka transformers. Dataset yang digunakan dikumpulkan melalui teknik web scraping dari beberapa portal berita lokal di wilayah NTT, kemudian dibagi menjadi 80% data latih dan 20% data uji untuk mengukur performa model. Model BERT dan IndoBERT diterapkan untuk mengenali konteks serta makna semantik dari setiap judul berita guna menghasilkan representasi teks yang lebih bermakna. Hasil pengujian menunjukkan bahwa model dasar BERT mencapai tingkat akurasi sebesar 69%, dengan nilai precision 70,2%, dan recall 66,9%. Sementara itu, penerapan model IndoBERT memperoleh performa yang lebih tinggi dengan tingkat akurasi mencapai 80%, nilai precision 78,2%, dan recall 79%. Kesimpulannya, pemanfaatan model IndoBERT terbukti secara signifikan lebih akurat dan optimal dibandingkan BERT dalam melakukan klasifikasi teks judul berita lokal NTT.]]>
Copyrights © 2026
