Detail Tugas Akhir

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.

Berkas Tugas Akhir

PDF
Text
COVER.pdf
Baca PDF Ukuran File (126kB)
PDF
Text
Halaman Depan.pdf
Baca PDF Ukuran File (478kB)
PDF
Text
BAB I.pdf
Baca PDF Ukuran File (120kB)
PDF
Text
BAB II.pdf
Baca PDF Ukuran File (206kB)
PDF
Text
BAB III.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Ukuran File (332kB)
PDF
Text
BAB IV.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Ukuran File (638kB)
PDF
Text
BAB V.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Ukuran File (93kB)
PDF
Text
DAFTAR PUSTAKA.pdf
Baca PDF Ukuran File (206kB)
PDF
Text
LAMPIRAN.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Ukuran File (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.

Informasi Item

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
Date Deposited 18 Mar 2021 05:15
Last Modified 18 Mar 2021 05:15
URI https://eprints.umpo.ac.id/id/eprint/6237

Actions (login required)

View Item
View Item
Ada yang bisa kami bantu?