KLASIFIKASI BERITA PARIWISATA DENGAN ALGORITMA MULTILAYER PERCEPTRON (MLP) UNTUK MEMPERMUDAH PEMBACA MENGAKSES INFORMASI

Meningkatnya konsumsi berita daring di Indonesia, terutama pada konten pariwisata seperti wisata alam, buatan, budaya, dan religi, mendorong perlunya sistem klasifikasi otomatis yang mampu mengelompokkan berita sesuai isi kontennya. Penelitian ini memfokuskan pada pengembangan sistem klasifikasi berita pariwisata yang diperoleh dari situs Kompas.com menggunakan teknik web scraping. Permasalahan utama yang diangkat adalah belum tersedianya sistem klasifikasi otomatis yang akurat dan terstruktur untuk berita pariwisata, yang menyebabkan kesulitan dalam pencarian informasi spesifik dan berpotensi meningkatkan penyebaran misinformasi akibat literasi digital yang rendah. Berbagai algoritma pembelajaran mesin telah digunakan dalam klasifikasi teks, namun memiliki keterbatasan dalam menangani relasi non-linier dalam data teks. Untuk itu, penelitian ini menggunakan algoritma Multilayer Perceptron (MLP), yang mampu memodelkan hubungan non-linier secara efektif dan melakukan ekstraksi fitur otomatis. Tujuan dari penelitian ini adalah mengembangkan sistem klasifikasi berita pariwisata berbasis empat kategori utama, yakni wisata alam, wisata buatan, budaya, dan wisata religi. Hasil penelitian terbaik ditunjukkan oleh Skenario 3 yang menggunakan fungsi aktivasi tanh dan solver Adam, menghasilkan akurasi 86.83%, precision 84.61%, recall 84.12%, dan F1 – score 84.34%.Model Multilayer Perceptron (MLP) yang dihasilkan terbukti cukup akurat dalam mengklasifikasikan berita pariwisata ke dalam empat kategori, yaitu wisata alam, buatan, budaya, dan religi.