KLASIFIKASI TEKS DOKUMEN BERITA OLAHRAGA MENGGUNAKAN METODE ALGORITMA K-NEAREST NEIGHBOR (KNN)

Berita merupakan suatu informasi penting bagi kehidupan manusia. Berita banyak disebarkan melalui media cetak seperti koran dan majalah dan juga melalui media online seperti sosial media dan portal berita. Berita yang sangat diminati dari berbagai kalangan maupun usia yaitu berita olahraga. Dengan banyaknya berita olahraga yang disajikan oleh penyedia situs maka dibutuhkan pencermatan lebih untuk mendapatkan informasi berita olahraga sesuai dengan yang diinginkan. Tujuan dari penelitian ini untuk mengetahui tingkat akurasi dalam mengklasifikasikan teks dokumen berita olahraga dengan menggunakan metode K – Nearest Neighbor (KNN). Data yang digunakan pada penelitian ini yaitu berita olahraga yang diambil dari portal berita https://www.tempo.co/. Data yang digunakan adalah 350 data berita olahraga yang terdiri dari 7 kelas yaitu sepakbola, bulutangkis, voli, renang, atletik, basket, motogp dan pada masing-masing kelas menggunakan 50 data. Data berita olahraga dilabeli secara manual berdasarkan isi berita. Setelah itu data akan dilakukan tahap preprocessing yaitu case folding, tokenizing, filtering, dan stemming. Data yang telah dipreprocessing akan dilakukan seleksi fitur menggunakan information gain untuk mengetahui bobot fitur pada data. Kemudian diklasifikasikan menggunakan metode algoritma KNN dan dilanjutkan pengujian menggunakan K-Folding dengan K=5 serta confusion matrix untuk mengetahui tingkat akurasi, presisi, dan recall. Berdasarkan pengujian yang dilakukan menggunakan metode K-Nearest Neighbor (KNN) dengan seleksi fitur Information Gain diperoleh nilai akurasi terbaik pada saat nilai k-tetangga 7 dengan nilai ambang batas IG sama dengan 0.5 dan K-Fold 1 yaitu sebesar 51.42%, presisi 61.11%, recall 51.42%. .