Klasterisasi Judul Berita Menggunakan Metode K-Means

AMARULLAH, Hanif Husni Fausan (2024) Klasterisasi Judul Berita Menggunakan Metode K-Means. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (229kB)
	Text 2. HALAMAN PERNYATAAN KEASLIAN SKRIPSI.pdf Download (204kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (366kB)
	Text 5. KATA PENGANTAR.pdf Download (320kB)
	Text 6. ABSTRAK.pdf Download (203kB)
	Text 7. ABSTRACT.pdf Download (203kB)
	Text 8. DAFTAR ISI.pdf Download (216kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (215kB)
	Text 16. DAFTAR PUSTAKA.pdf Download (325kB)

Abstract

Informasi semakin berkembang seiring dengan meningkatnya teknologi internet, yang
menyebabkan peningkatan signifikan dalam jumlah berita. Pengelompokan kategori berita
secara manual, yaitu proses di mana editor membaca setiap berita dan menentukan kategori
yang sesuai berdasarkan pengamatan subjektif, menjadi kurang efisien. Banyaknya berita
yang diterbitkan dan batasan waktu yang tersedia menambah tantangan dalam menjaga
konsistensi pengelompokan, terutama untuk berita yang memiliki kemiripan konten.
Penelitian ini mengusulkan metode K-Means untuk melakukan klasterisasi judul berita,
yang mampu mengatasi keterbatasan pengelompokan manual. Metode K-Means dipilih
karena lebih fleksibel dalam menentukan jumlah klaster sejak awal sehingga mampu
menangani dataset besar dengan lebih efisien dibandingkan metode Agglomerative
Hierarchical Clustering (AHC). Metode TF-IDF digunakan sebagai metode vektorisasi
kata yang memberikan bobot lebih tinggi pada kata-kata yang lebih relevan dan unik dalam
setiap dokumen. Penentuan jumlah klaster optimal dilakukan menggunakan metode Elbow,
yang membantu mengidentifikasi titik dengan meminimalkan distorsi. Hasil penelitian
menunjukkan bahwa kombinasi metode K-Means dengan metode TF-IDF dan metode
Elbow menghasilkan klasterisasi berita yang efisien dan berkualitas, dengan pola klaster
yang jelas dan terstruktur. Evaluasi yang dilakukan pada data baru memperkuat hasil
tersebut, dengan klaster yang memiliki kualitas yang baik.
Kata Kunci: berita, K-Means , klasterisasi, metode Elbow

Item Type:	Thesis (Undergraduate)
Subjects:	Sciences and Mathemathic
Divisions:	Faculty of Science and Mathematics > Department of Informatics
Depositing User:	Yemima Laras Sekarsari
Date Deposited:	10 Feb 2026 11:52
Last Modified:	10 Feb 2026 11:52
URI:	https://eprints2.undip.ac.id/id/eprint/44966

Actions (login required)

View Item

Search for collections on Undip Repository