ANALISIS PERFORMA SUPPORT VEKTOR MACHINE UNTUK KLASIFIKASI TOPIK BERITA PADA MERAPI UNCOVER

MURTI, BRAVENDA KRISNA (2025) ANALISIS PERFORMA SUPPORT VEKTOR MACHINE UNTUK KLASIFIKASI TOPIK BERITA PADA MERAPI UNCOVER. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf - Published Version
Download (764kB)
[img] Text (BAB I)
BAB I.pdf - Published Version
Download (210kB)
[img] Text (BAB II)
BAB II.pdf - Published Version
Restricted to Registered users only
Download (908kB)
[img] Text (BAB III)
BAB III.pdf - Published Version
Restricted to Registered users only
Download (309kB)
[img] Text (BAB IV)
BAB IV.pdf - Published Version
Restricted to Registered users only
Download (529kB)
[img] Text (BAB V)
BAB V.pdf - Published Version
Download (174kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf - Published Version
Restricted to Registered users only
Download (211kB)
[img] Archive (SOURCE CODE)
Sourcecode - 21.11.3865.zip - Published Version
Restricted to Repository staff only
Download (72kB)
[img] Text (PUBLIKASI)
Publikasi.pdf - Published Version
Restricted to Repository staff only
Download (693kB)

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.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Setiaji, Bayu
Uncontrolled Keywords: klasifikasi berita, Instagram, Merapi Uncover, Support Vector Machine, TF–IDF. news classification, Instagram, Merapi Uncover, Support Vector Machine.
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 003 Sistem-sistem
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 24 Feb 2026 06:40
Last Modified: 24 Feb 2026 06:40
URI: http://eprints.amikom.ac.id/id/eprint/31626

Actions (login required)

View Item View Item