KLASIFIKASI TEKS PADA BERITA PARIWISATA INDONESIA MENGGUNAKAN METODE ARTIFICIAL NEURAL NETWORK

Peningkatan volume berita pariwisata di Indonesia menghadirkan tantangan dalam pengelompokan berita ke dalam sub kategori seperti wisata alam, wisata budaya, wisata buatan, dan bukan pariwisata. Untuk mengatasi masalah ini, penelitian ini mengembangkan model klasifikasi teks berbasis Artificial Neural Network (ANN). Sebanyak 5.261 dokumen berita yang dikumpulkan dari situs Detik.com digunakan sebagai dataset. Tahapan penelitian meliputi preprocessing data, seperti cleaning, tokenisasi, penghapusan stopword menggunakan nltk, dilakukan pembobotan TF-IDF untuk merepresentasikan teks dalam bentuk numerik serta penggunaan K-fold Cross Validation untuk pembagian data dan SMOTE untuk balancing data. Model ANN dirancang dengan fungsi aktivasi ReLU pada hidden layer dan softmax pada output layer untuk mendukung klasifikasi multiclass. Selain itu, penelitian ini mengevaluasi pengaruh variasi epoch dan penggunaan SMOTE terhadap kinerja model. Hasil eksperimen menunjukkan bahwa metode ANN mampu mencapai tingkat akurasi yang memuaskan, dengan nilai akurasi 97.33% dalam klasifikasi teks berita pariwisata. Penelitian ini memberikan kontribusi signifikan dalam penerapan metode ANN untuk pengolahan teks berbahasa Indonesia, khususnya dalam lingkup berita pariwisata.