Please use this identifier to cite or link to this item: http://repository.iti.ac.id/jspui/handle/123456789/1689
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorPutra, Dino Hariatma-
dc.contributor.authorAditya, Fadila-
dc.date.accessioned2023-09-21T04:03:00Z-
dc.date.available2023-09-21T04:03:00Z-
dc.date.issued2023-08-23-
dc.identifier.urihttp://repository.iti.ac.id/jspui/handle/123456789/1689-
dc.descriptionDosen Pembimbing : Dino Hariatma Putraen_US
dc.description.abstractPenggunaan 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.en_US
dc.publisherInstitut Teknologi Indonesiaen_US
dc.subjectClickbaiten_US
dc.subjectText Miningen_US
dc.subjectK-Nearest Neighboren_US
dc.subjectKlasifkasien_US
dc.subjectDashboarden_US
dc.titleKLASIFIKASI JUDUL BERITA CLICKBAIT MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (KNN)en_US
dc.typeThesisen_US
dc.identifier.nimNIM1151800055-
dc.identifier.kodeprodiKODEPRODI55201#Teknik Informatika-
Appears in Collections:[TA] Informatika

Files in This Item:
File Description SizeFormat 
1 COVER.pdfCOVER104.13 kBAdobe PDFView/Open
ABSTRAK.pdfABSTRAK168.28 kBAdobe PDFView/Open
BAB 1.pdfBAB I198.12 kBAdobe PDFView/Open
BAB 2.pdf
  Restricted Access
BAB II297.79 kBAdobe PDFView/Open Request a copy
BAB 3.pdf
  Restricted Access
BAB III499.28 kBAdobe PDFView/Open Request a copy
BAB 4.pdf
  Restricted Access
BAB IV601.62 kBAdobe PDFView/Open Request a copy
BAB 5.pdf
  Restricted Access
BAB V126.59 kBAdobe PDFView/Open Request a copy
DAFTAR PUSTAKA.pdfDAFTAR PUSTAKA162.99 kBAdobe PDFView/Open
FULL TEXT.pdf
  Restricted Access
FULL TEXT2.03 MBAdobe PDFView/Open Request a copy


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.