Penerapan K-Nearest Neighbor untuk Klasifikasi Dokumen Berita Pariwisata

Banyaknya informasi wisata di internet saat ini membuat penyedia situs semakin sulit untuk mengelompokkan informasi sesuai dengan kategori yang sebenarnya. Terdapat banyak kategori wisata yang tersebar di permukaan bumi dengan berbagai pilihan mulai dari wisata alam, wisata buatan, wisata religi, wisata budaya dan wisata kuliner. Klasifikasi menjadi salah satu cara untuk penyusunan data secara rapi yang mengacu pada beberapa aturan untuk menentukan suatu data tersebut apakah sesuai dengan yang telah dikategorikan sebelumnya. Algoritme klasifikasi banyak digunakan secara luas salah satunya K-Nearest Neighbor. Algortime tersebut melakukan klasifikasi berdasarkan jarak terdekat antara data testing dengan data training berdasarkan jumlah nilai k (k = banyaknya data training). Proses menghitung dekat atau jauhnya jarak dapat dihitung dengan menggunakan metode Dice Similarity, metode ini merupakan metode pengukuran jarak kesamaan antar dua objek dengan cara mengalikan keterkaitan setiap pasangan vektor (inner product) dalam ruang kata. Pengujian penelitian dengan menggunakan data sebanyak 200 dokumen pariwisata berupa teks dengan melakukan percobaan 5 k-fold menunjukkan k-nearest neighbor dengan jarak dice similarity mendapatkan nilai recall 47%, precision 45%, f-measure sebesar 44%, dan waktu yang dibutuhkan 864,2 detik.