Klasifikasi Topik terhadap Judul Berita Kasus Covid-19 dengan Multilayer Perceptron

Authors

DOI:

https://doi.org/10.33633/tc.v21i4.6617

Keywords:

Klasifikasi Topik, Covid-19, Multilayer Perceptron

Abstract

Peran media massa berpengaruh dalam meningkatkan kesadaran masyarakat terhadap penyebaran Covid-19. Berdasarkan laporan Reuters Institute Digital News Report 2022, media daring cenderung dikonsumsi oleh masyarakat Indonesia sebagai sumber berita dengan persentase 88%. Hal tersebut menunjukkan media daring merupakan tempat penyebaran informasi yang penting. Penelitian ini bertujuan untuk mengklasifikasikan topik yang ada dalam berita terkait kasus Covid-19 dalam media massa Kompas dengan menggunakan multilayer perceptron. Berdasarkan hasil penelitian, berita kasus Covid-19 dapat dikategorikan menjadi empat label, yaitu kebijakan pemerintah, pemberitahuan informasi, internasional, dan masyarakat umum. Tingkat akurasi yang didapat dari pemodelan dengan multilayer perceptron adalah 75%. Kemiripan pada kata-kata dalam data menyebabkan adanya kesalahan dalam membedakan antara satu topik dengan topik lainnya.

Author Biographies

Faradhiba Salsabila, Universitas Padjadjaran

Linguistik

Afrida Helen, Universitas Padjadjaran

Teknik Informatika

Susi Yuliawati, Universitas Padjadjaran

Linguistik

References

B. A. Santosa, “Peran Media Massa dalam Mencegah Konflik,” J. ASPIKOM, vol. 3, no. 2, pp. 199–214, 2017, [Online]. Available: https://jurnalaspikom.org/index.php/aspikom/article/view/128.

N. Newman, R. Fletcher, C. T. Robertson, K. Eddy, and R. K. Nielsen, “Reuters Institute Digital News Report 2022,” Oxford, 2022. [Online]. Available: https://reutersinstitute.politics.ox.ac.uk/digital-news-report/2022.

J. Hirschberg and C. D. Manning, “Advances in Natural Language Processing,” Science (80-. )., vol. 349, no. 6245, pp. 261–266, 2015, [Online]. Available: https://www.science.org/doi/10.1126/science.aaa8685.

S. Defiyanti, “Integrasi Metode Clustering dan Klasifikasi untuk Data Numerik,” in Conference on Information Technology and Electrical Engineering, 2017, pp. 256–261, [Online]. Available: https://www.researchgate.net/publication/319165131_Integrasi_Metode_Clustering_dan_Klasifikasi_untuk_Data_Numerik.

Musyawir, Susiati, and A. Irmawati, “Strategi Pemilihan Judul Penelitian Kebahasaan bagi Pemula; Mahasiswa Program Studi Pedidikan Bahasa Indonesia dan Sastra Indonesia Universitas Iqra Buru,” J. Pengabdi. Mandiri, vol. 1, no. 3, pp. 517–524, 2022, [Online]. Available: https://bajangjournal.com/index.php/JPM/article/view/1817.

I. Gotama, S. Hariyanto, and H. Wijaya, “Klasifikasi Berita Hoaks Topik Covid-19 dengan Klasifikasi Rocchio dan Cosine Similarity,” J. Algor, vol. 2, no. 1, pp. 84–92, 2020, [Online]. Available: https://jurnal.ubd.ac.id/index.php/algor/article/view/455.

B. K. Palma, D. T. Murdiansyah, and W. Astuti, “Klasifikasi Teks Artikel Berita Hoaks Covid-19 dengan Menggunakan Algotrima K-nearest Neighbor,” eProceedings Eng., vol. 8, no. 5, pp. 10637–10649, 2021, [Online]. Available: https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/15672.

F. Prasetya and Ferdiansyah, “Analisis Data Mining Klasifikasi Berita Hoax COVID 19 Menggunakan Algoritma Naive Bayes,” J. Sist. Komput. dan Inform., vol. 4, no. 1, pp. 132–139, 2022, [Online]. Available: http://dx.doi.org/10.30865/json.v4i1.4852.

G. Tika and Adiwijaya, “Klasifikasi Topik Berita Berbahasa Indonesia menggunakan Multilayer Perceptron,” e-Proceeding Eng., vol. 6, no. 1, pp. 2137–2143, 2019, [Online]. Available: https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/8503.

Sudianto, A. D. Sripamuji, and I. R. Ramadhanti, “Penerapan Algoritma Support Vector Machine dan Multi-Layer Perceptron pada Klasifikasi Topik Berita,” J. Nas. Pendidik. Tek. Inform. JANAPATI, vol. 11, no. 2, 2022, [Online]. Available: https://ejournal.undiksha.ac.id/index.php/janapati/article/view/44151.

R. Siringoringo, “Klasifikasi Data Tidak Seimbang Menggunakan Algoritma Smote dan K-Nearest Neighbor,” J. Inf. Syst. Dev., vol. 3, no. 1, pp. 44–49, 2018, [Online]. Available: https://ejournal-medan.uph.edu/index.php/isd/article/view/177.

V. Chawla, K. W. Bowyer, L. O. Hall, and W. P. Kegelmeyer, “SMOTE: Synthetic Minority Over-Sampling Technique,” J. Artif. Intell. Res., vol. 16, pp. 321–357, 2002, [Online]. Available: https://arxiv.org/abs/1106.1813.

A. Setiadi, “Penerapan Algoritma Multilayer Perceptron untuk Deteksi Dini Penyakit Diabetes,” Paradigma, vol. 14, no. 1, pp. 46–59, 2012, [Online]. Available: https://ejournal.bsi.ac.id/ejurnal/index.php/paradigma/article/view/3378.

T. Beysolow II, Applied Natural Language Processing with Python. Berkeley: Apress, 2018.

Downloads

Published

2022-11-30

Issue

Vol. 21 No. 4 (2022): November 2022

Section

Articles

License

Copyright (c) 2022 Faradhiba Salsabila, Afrida Helen, Susi Yuliawati

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Pernyataan Lisensi

Artikel yang diterbitkan dalam jurnal Techno.Com dilisensikan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional (CC BY-NC 4.0).

Anda diperbolehkan untuk menyalin, mendistribusikan, menampilkan, dan melakukan karya dari artikel ini serta membuat karya turunan selama Anda memberikan kredit yang sesuai kepada penulis asli dan tidak menggunakan karya ini untuk tujuan komersial. Untuk melihat salinan lisensi ini, kunjungi [Creative Commons Attribution-NonCommercial 4.0 International](https://creativecommons.org/licenses/by-nc/4.0/).

---

Contoh pengkreditan:

- Penulis: [Nama Penulis]
- Judul Artikel: [Judul Artikel]
- Jurnal: Techno.Com, Vol. [Nomor Volume], No. [Nomor Edisi], Tahun [Tahun Penerbitan]

Jika Anda ingin menggunakan karya ini untuk tujuan komersial, Anda harus mendapatkan izin terlebih dahulu dari penulis atau penerbit.

---