Perancangan Aplikasi Mobile Menggunakan Machine Learning Untuk Menentukan Klasifikasi Kategori Berita
DOI:
https://doi.org/10.34148/teknika.v13i3.1093Keywords:
Berita, Klasifikasi, Aplikasi Mobile, Machine Learning, Logistic RegressionAbstract
Berita yang umumnya terdapat pada media publikasi baik elektronik maupun media cetak yang beredar setiap harinya dalam volume yang besar, saat ini sebagian besar telah berpindah ke media digital yang memudahkan pengguna untuk mengakses artikel berita. Jumlah peredaran berita yang besar setiap harinya inilah yang seringkali membebani kerja dari editor dan penulis berita dalam menentukan kategori dari berita yang akan dirilis. Sistem ini dirancang untuk membantu dalam melakukan klasifikasi kategori berita, pada aplikasi ini aplikasi dirancang dalam bentuk aplikasi portal berita berbasis aplikasi mobil berbasis android. Pada penelitian ini menggunakan metode logistic regression sebagai metode klasifikasi biner dengan dataset yang digunakan pada penelitian ini merupakan judul berita yang dipublikasikan pada tahun 2020 dengan pembagian data sekitar 2000 dataset. Hasil dari penelitian ini adalah sistem aplikasi yang membantu dalam melakukan klasifikasi kategori berita dengan tingkat akurasi diatas 85%.
Downloads
References
E. Effendy, F. Hasugian, and M. A. Harahap, “Menulis Isi Berita Dan Feature,” J. Pendidik. dan Konseling, vol. 4, pp. 1349–1358, 2022.
A. Wirapraja, H. Aribowo, and E. T. Setyoadi, “The Influence of E-Service Quality, and Customer Satisfaction On Go-Send Customer Loyalty In Surabaya,” Indones. J. Inf. Syst., vol. 3, no. 2, p. 128, 2021, doi: 10.24002/ijis.v3i2.4191.
A. A. Syaifudin and A. A. Darmaningtyas, “Strategi Manajemen Pengelolaan Media Sosial Sebagai Akun Publik: Analisis Model Komunikasi Akun Instagram @liputan.kendal.terkini,” Soc. Polit. Sci., vol. 1, no. 2, pp. 15–34, 2022.
A. D. Dayani, Yuhandri, and G. W. Nurcahyo, “Analisis Sentimen Terhadap Opini Publik pada Sosial Media Twitter Menggunakan Metode Support Vector Machine,” J. KomtekInfo, vol. 11, pp. 1–10, 2024, doi: 10.35134/komtekinfo.v11i1.439.
N. F. Sahamony, T. Terttiaavini, and H. Rianto, “Analisis Perbandingan Kinerja Model Machine Learning untuk Memprediksi Risiko Stunting pada Pertumbuhan Anak,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 2, pp. 413–422, 2024, doi: 10.57152/malcom.v4i2.1210.
AWS, “Apa itu Machine Learning?,” https://aws.amazon.com/, 2023. .
B. B. Tangkere, “Analisis Performa Logistic Regression dan Support Vector Classification untuk Klasifikasi Email Phising,” J. Ekon. Manaj. Sist. Inf., vol. 5, no. 4, pp. 442–450, 2024, doi: 10.31933/jemsi.v5i4.1916.
S. Joses, D. Yulvida, and S. Rochimah, “Pendekatan Metode Ensemble Learning untuk Prakiraan Cuaca menggunakan Soft Voting Classifier,” J. Appl. Comput. Sci. Technol., vol. 5, no. 1, pp. 72–80, 2024, doi: 10.52158/jacost.v5i1.741.
C. Sonjaya, A. F. N. Masruriyah, D. S. Kusumaningrum, and A. R. Pratama, “The Performance Comparison of Classification Algorithm in Order to Detecting Heart Disease,” Intern. (Information Syst. Journal), vol. 5, no. 2, pp. 166–175, 2022, doi: 10.32627/internal.v5i2.595.
S. Swaminathan, “Logistic Regression — Detailed Overview,” towardsdatascience.com, 2018. https://towardsdatascience.com/logistic-regression-detailed-overview-46c4da4303bc.