2021 : KLASIFIKASI MULTI-LABEL BERITA ONLINE MENGGUNAKAN PROBLEM TRANSFORMATION DENGAN BASE CLASSIFIER K-NEAREST NEIGHBOR

Dr. Dra Kartika Fithriasari M.Si

Year

2021

Published in

-

External link

Type

RESEARCH

Keywords

-


Abstract

Detik.com merupakan salah satu portal berita online terpo-puler di Indonesia. Portal berita online detik.com memiliki banyak kategori utama. Berita yang tersaji dalam portal berita ini tidak se-lalu memuat satu kategori utama saja, akan tetapi dianggap hanya masuk dalam satu kategori utama saja. Permasalahan tersebut da-pat diselesaikan dengan melakukan klasifikasi multi-label untuk mengategorikan berita ke dalam satu label atau lebih. Oleh karena itu, pada penelitian ini dilakukan klasifikasi multi-label mengguna-kan metode problem transformation Binary Relevance, Label Po-werset, dan Classifier Chain dengan base classifier KNN (BR-KNN, LPKNN, dan CCKNN). Data yang digunakan dalam pe-nelitian ini adalah data judul berita yang diperoleh melalui portal berita online detik.com pada 20 Januari 2020 sampai dengan 26 Januari 2020. Berdasarkan hasil analisis, diketahui bahwa metode BRKNN dengan base classifier 3-Nearest Neighbor memiliki nilai mean hamming loss yang lebih kecil dibandingkan kedua metode problem transformation yang lain, yakni sebesar 0,11566.