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.
