@phdthesis{universitasamikomyogyakarta31626,
          author = {BRAVENDA KRISNA MURTI},
            year = {2025},
           month = {November},
          school = {Universitas AMIKOM Yogyakarta},
           title = {ANALISIS PERFORMA SUPPORT VEKTOR MACHINE UNTUK KLASIFIKASI TOPIK BERITA PADA MERAPI UNCOVER},
        keywords = {klasifikasi berita, Instagram, Merapi Uncover, Support Vector Machine, TF?IDF. news classification, Instagram, Merapi Uncover, Support Vector Machine.},
        abstract = {Perkembangan media sosial menjadikan Instagram sebagai salah satu
sumber informasi utama masyarakat, termasuk dalam konsumsi berita lokal. Salah
satu akun yang banyak diakses adalah Merapi Uncover yang memuat beragam
informasi seputar aktivitas Gunung Merapi, lalu lintas, kriminalitas, hingga
hiburan di wilayah Yogyakarta. Keragaman topik menyebabkan pengguna
kesulitan menemukan berita sesuai kebutuhan, sehingga dibutuhkan sistem yang
mampu melakukan klasifikasi topik secara otomatis. Penelitian ini bertujuan
menganalisis performa algoritma Support Vector Machine (SVM) untuk
klasifikasi topik berita pada akun Instagram Merapi Uncover. Dataset terdiri dari
1.501 postingan akun merapi\_uncover pada periode 10?15 November 2025.
Tahapan penelitian meliputi pengumpulan data melalui web scraping, pemetaan
77 kategori awal menjadi lima kelas besar (Hiburan / Budaya / Wisata, Lalu
Lintas \& Transportasi, Bencana \& Kebencanaan, Sosial \& Pemerintahan, serta
Kriminal \& Keamanan Publik), preprocessing text (cleaning dan stopword
removal dengan Sastrawi), pembentukan fitur menggunakan TF?IDF, pembagian
data 80:20, pelatihan model SVM linear, serta evaluasi menggunakan akurasi dan
F1-score. Hasil pengujian menunjukkan bahwa model menghasilkan akurasi 81\%
dengan weighted F1-score 0,79. Kelas Hiburan / Budaya / Wisata memiliki F1score

tertinggi 0,91, diikuti Lalu Lintas \& Transportasi sebesar 0,82, sedangkan
Bencana \& Kebencanaan dan Sosial \& Pemerintahan masih relatif rendah.
Temuan ini menunjukkan bahwa SVM dengan TF?IDF efektif digunakan untuk
klasifikasi topik berita pada Merapi Uncover, meskipun peningkatan kualitas data
dan penyeimbangan kelas tetap diperlukan untuk meningkatkan performa pada
seluruh kategori.},
             url = {https://eprints.amikom.ac.id/id/eprint/31626/}
}