RANCANG BANGUN SISTEM KLASIFIKASI TEXT ARTIKEL BERITA BAGI CONTENT WRITER MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (KNN) BERBASIS WEB

Wihartanto, Iwan (2020) RANCANG BANGUN SISTEM KLASIFIKASI TEXT ARTIKEL BERITA BAGI CONTENT WRITER MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (KNN) BERBASIS WEB. Skripsi (S1) thesis, Universitas Muhammadiyah Ponorogo.

	Text COVER.pdf Download (126kB)
	Text Halaman Depan.pdf Download (478kB)
	Text BAB I.pdf Download (120kB)
	Text BAB II.pdf Download (206kB)
	Text BAB III.pdf Restricted to Registered users only Download (332kB)
	Text BAB IV.pdf Restricted to Registered users only Download (638kB)
	Text BAB V.pdf Restricted to Registered users only Download (93kB)
	Text DAFTAR PUSTAKA.pdf Download (206kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (2MB)

Abstract

Era teknologi yang membuat segala pengetahuan dan informasi tersebar luas di internet dan dapat diakses oleh siapa saja membuat berbagai portal berita dan blog pribadi melihat peluang bisnis dengan mempekerjakan content writer untuk mengisi konten pada situs masing-masing, Sebagai pengguna internet juga kita tidak bisa lepas dari informasi yang beredar di internet mengenai berita terbaru atau sekedar membaca berita untuk menambah referensi dari materi pembelajran, Hal tersebut dikarenakan pengguna lebih suka untuk langsung mencari informasi mengenai berbagai hal di internet karena dirasa lebih mudah, cepat dan tersedia banyak pilihan artikel dengan kategori berbeda-beda seperti ekonomi, politik, olahraga, kuliner, traveling dan lain-lain. Banyaknya situs atau portal berita dapat dijadikan media bagi content writer untuk menyalurkan hobi bahkan dapat memberikan penghasilan jika content writer dijadikan sebagai profesi, Kategori artikel yang beragam pada situs berita dan para content writer yang biasanya menghasilkan lebih dari satu konten perhari dengan kategori berbeda disetiap content, Terkadang sering terjadi kesalahan dalam memilih kategori tulisan sehingga saat proses pencarian dan filter artikel berdasarkan kategori dilakukan oleh pembaca maka pastinya akan ada kesalahan posisi atau letak artikel yang tidak sesuai dengan kategori seharusnya, Jika terdapat situs atau portal berita yang memiliki fitur pengklasifikasian kategori berita secara otomatis maka akan membantu meminimalisir kesalahan dalam penginputan kategori karena kurangnya ketelitian penulis. Pengklasifikasian artikel berita dapat dilakukan dengan menerapkan algoritma K-Nearest Neighbor yaitu Proses klasifikasi dilakukan dengan mencari titik c terdekat dari c-baru (nearest neighbor).Penelitian ini dimulai dari pengumpulan data dengan cara observasi, study literatur, lalu dilanjutkan ke metode perancangan menggunakan model waterfall, Use case diagram,Flowchart admin,Flowchart sistem,Diagram konteks,DFD level 0 dan entity relathionship diagram (ERD). Dengan adanya rancang bangun sistem klasifikasi text artikel berita bagi content writer ini, diharapkan dapat mempermudah dan mempercepat proses pemilihan kategori tulisan sehingga meminimalisir kesalahan antara isi artikel dan kategori jenis artikel pada situs web dengan memanfaatkan teknologi machine learning sederhana.

Item Type:	Thesis (Skripsi (S1))
Uncontrolled Keywords:	Klasifikasi text artikel berita bagi content writer,K-Nearest Neighbor,WEB, waterfall, DFD, ERD
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering > Department of Informatic Engineering
Depositing User:	Library Umpo
Date Deposited:	18 Mar 2021 05:15
Last Modified:	18 Mar 2021 05:15
URI:	http://eprints.umpo.ac.id/id/eprint/6237

Actions (login required)

View Item