KLASIFIKASI JUDUL BERITA CLICKBAIT MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (KNN)

Abstract

Penggunaan clickbait telah menjadi cara untuk meningkatkan pendapatan dengan menarik lebih banyak pembaca dan pengunjung. Semakin banyak pengunjung yang mengakses sebuah situs, semakin besar potensi untuk menghasilkan pendapatan dari situs tersebut. Namun clickbait yang demikian ternyata juga dapat menurunkan kepercayaan pembaca. Oleh karena itu, dalam penelitian ini, dilakukan klasifikasi berita clickbait dan non-clickbait menggunakan algoritma K-Nearest Neighbor (KNN). Penelitian ini menggunakan data pendukung dari Mendeley Data, yang berisi kumpulan headline yang diambil dari 12 portal berita online lokal. Penelitian ini bertujuan untuk mengevaluasi tingkat akurasi algoritma KNN dalam melakukan klasifikasi serta mencari nilai k yang menghasilkan akurasi tertinggi dalam klasifikasi berita clickbait dan non-clickbait. Hasil penelitian menunjukkan bahwa algoritma KNN memiliki tingkat akurasi sebesar 72%, dengan precision sebesar 73.81% dan recall sebesar 81.36%. Hasil ini diperoleh dengan menggunakan nilai k tertinggi, yaitu k=11. Hasil akhir program ini yaitu berupa dashboard yang menampilkan informasi-informasi penting dari dataset yang sudah di preprocessing. Dengan menggunakan tampilan dashboard, pengguna dapat dengan mudah melihat dan menganalisis informasi mengenai klasifikasi berita clickbait dan non-clickbait secara visual dan interaktif. Diharapkan hasil penelitian ini dapat menjadi dasar untuk pengembangan sistem yang lebih baik dalam mengidentifikasi dan memfilter berita clickbait di media online.