Skripsi/Tugas Akhir
Penerapan Metode Support Vector Machine untuk Klasifikasi Berita Berbasis Real Time API
ABSTRAK
Banyak website penyedia berita (portal berita) membuat masyarakat mesti mengunjungi banyak portal berita. Hal ini tentu menyulitkan pembaca portal berita. Padahal saat ini banyak penyedia konter berita dari berbagai portal yang dapat dimanfaatkan untuk membangun semua portal berita yg bersumber dari banyak website. Salah satu penyedia API berita yaitu https://newsapi.org/. Dengan adanya portal berita ini dengan memanfaatkan data berita yang telah publish dan yang bersumber dari https://newsapi.org/ agar membuat pembaca tidak perlu membuka banyak portal berita untuk mendapatkan banyak informasi. Metode yang dapat digunakan dalam mengklasifikasikan jenis berita salah satunya adalah Support Vector Machine. Support Vector Machine (SVM) merupakan sebuah metode untuk melakukan klasifikasi berbasis text mining, baik dalam kasus klasifikasi maupun regresi, SVM juga dapat diartikan sebagai sistem pembelajaran yang menggunakan ruang hipotesis berupa fungsi-fungsi linear dalam sebuah ruang.
Kata Kunci: Metode Support Vector Machine, Portal Berita, API
ABSTRACT
Many news provider websites (news portals) make people have to visit many news portals. This certainly makes it difficult for readers of news portals. Even though there are currently many news counter providers from various portals that can be used to build all news portals sourced from many websites. One of the news API providers is https://newsapi.org/. With the existence of this news portal by utilizing news data that has been published and sourced from https://newsapi.org/ so that readers do not need to open many news portals to get a lot of information. One method that can be used in classifying news types is the Support Vector Machine. Support Vector Machine (SVM) is a method for conducting text mining-based classification, both in the case of classification and regression, SVM can also be interpreted as a learning system that uses hypothetical space in the form of linear functions in a space.
Keywords: Support Vector Machine Methods, News Portals, API
Tidak ada salinan data
Universitas DIPA Makassar
NPP 7371142D1000002
Jln. Perintis Kemerdekaan KM.9
Telp. (0411)587194
Hotline: +6281228221994
WhatsApp Admin: +6281342092072
e-Mail: perpustakaan@undipa.ac.id
© 2024 — Perpustakaan UNDIPA Makassar - SLiMS