ANALISIS KLASIFIKASI DAN PREDIKSI POLA PUBLIKASI BERITA PEMPROV DKI JAKARTA MENGGUNAKAN MACHINE LEARNING

• FEBBY ARIYANTI HERDIANA
• 2024

---

Dalam era digital, akses informasi melalui platform online, termasuk situs resmi pemerintah, semakin meningkat. Pemerintah Provinsi DKI Jakarta secara rutin menyampaikan kebijakan dan berita melalui portalnya. Namun, volume dan keragaman topik berita menghadapi tantangan dalam klasifikasi dan analisis yang efisien. Penelitian ini bertujuan mengembangkan dan membandingkan model klasifikasi serta prediksi pola publikasi berita menggunakan algoritma machine learning: Support Vector Machine (SVM), Naïve Bayes, dan Random Forest. Dataset yang digunakan adalah berita dari Pemprov DKI Jakarta pada tahun 2023. Proses pra-pemrosesan mencakup pembersihan teks, case folding, tokenisasi, normalisasi, penghapusan stopword, dan stemming. SVM dan Naïve Bayes diterapkan untuk klasifikasi, sedangkan Random Forest digunakan untuk prediksi. Tuning hyperparameter dilakukan dengan GridSearchCV untuk optimasi kinerja. Evaluasi model dilakukan dengan akurasi, precision, recall, dan F1-score untuk klasifikasi; serta MAE, MSE, dan R² untuk prediksi. Hasil menunjukkan bahwa SVM dan Naïve Bayes efektif dalam klasifikasi, sementara Random Forest unggul dalam memprediksi pola publikasi. Penelitian ini berkontribusi pada sistem klasifikasi dan prediksi yang lebih efisien untuk pengelolaan informasi oleh Pemprov DKI Jakarta.

 

• Machine Learning
• Klasifikasi
• Prediksi
• SVM
• Naive Bayes
• Random Forest

https://repository.bsi.ac.id/repo/57201/ANALISIS-KLASIFIKASI-DAN-PREDIKSI-POLA-PUBLIKASI-BERITA-PEMPROV-DKI-JAKARTA-MENGGUNAKAN-MACHINE-LEARNING
File full-text dikunci.