Susanto, Edy (2021) Aplikasi Clustering Berita dengan Metode K Means dan Peringkas Berita dengan Metode Maximum Marginal Relevance. Skripsi thesis, Universitas Tarumanagara.
![[img]](http://repository.untar.ac.id/style/images/fileicons/text.png) |
Text
535170077_Edy Susanto_01 Cover.pdf Download (146kB) |
|
Text
535170077_Edy Susanto_02 Lembar Pengesahan.pdf Download (339kB) |
|
Text
535170077_Edy Susanto_03 Lembar Pernyataan.pdf Download (201kB) |
|
Text
535170077_Edy Susanto_04 Abstrak.pdf Download (242kB) |
|
Text
535170077_Edy Susanto_05 Kata Pengantar.pdf Download (201kB) |
|
Text
535170077_Edy Susanto_06 Daftar Isi, Tabel, Gambar, Lampiran.pdf Download (214kB) |
|
Text
535170077_Edy Susanto_07 Bab 1.pdf Restricted to Registered users only Download (227kB) |
|
Text
535170077_Edy Susanto_08 Bab 2.pdf Restricted to Registered users only Download (383kB) |
|
Text
535170077_Edy Susanto_09 Bab 3.pdf Restricted to Registered users only Download (389kB) |
|
Text
535170077_Edy Susanto_10 Bab 4.pdf Restricted to Registered users only Download (749kB) |
|
Text
535170077_Edy Susanto_11 Bab 5.pdf Restricted to Registered users only Download (201kB) |
|
Text
535170077_Edy Susanto_12 Daftar Pustaka.pdf Download (205kB) |
|
Text
535170077_Edy Susanto_13 Lampiran.pdf Restricted to Registered users only Download (1MB) |
|
Text
535170077_Edy Susanto_14 Daftar Riwayat Hidup.pdf Restricted to Registered users only Download (138kB) |
Abstract
Berita merupakan fakta ataupun opini yang membuat banyak orang merasa tertarik untuk mengetahuinya. Berita dapat diperoleh dengan berbagai media seperti koran, surat kabar, televisi, internet dan lain-lain. Seperti yang diketahui, berita memiliki berbagai macam topik, seperti tentang politik, olahraga dan lain-lain. Ada juga berita yang sama dituliskan dengan penambahan sedikit informasi. Hal ini menyebabkan untuk mendapatkan informasi utama dari berita tersebut menggunakan waktu yang lebih banyak. Oleh karena itu diperlukan sistem untuk pengelompokan (clustering) berita dengan metode K-Means dan peringkasan berita dengan metode Maximum Marginal Relevance (MMR) agar dapat memperoleh informasi dari berita lebih mudah dan efisien. Berita yang diolah berupa kumpulan file (multi document) yang berekstensi txt. Proses peringkasan melalui tahap text preprocessing, yang terdiri dari segmentasi kalimat, case folding, tokenizing, filtering, stemming. Tahap selanjutnya perhitungan TF-IDF untuk menghitung bobot kata lalu Cosine Similarity untuk menghitung kesamaan antar dokumen. Setelah itu masuk ke tahap K-Means untuk pembagian clustering dan dilanjutkan dengan menentukan ringkasan dengan MMR. Berdasarkan hasil pengujian yang telah dilakukan, aplikasi ini sudah berjalan dengan cukup baik, hasil clustering dan peringkasan berita dapat mempermudah pengguna untuk mendapatkan ringkasan berita dari beberapa berita yang serupa.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Uncontrolled Keywords: | Berita, Clustering, K-Means, Maximum Marginal Relevance, Peringkasan teks |
| Subjects: | Skripsi/Tugas Akhir Skripsi/Tugas Akhir > Fakultas Teknologi Informasi |
| Divisions: | Fakultas Teknologi Informasi > Teknik Informatika |
| Depositing User: | TDI Family perpus |
| Date Deposited: | 05 May 2021 15:24 |
| Last Modified: | 11 Aug 2021 01:25 |
| URI: | http://repository.untar.ac.id/id/eprint/27965 |
Actions (login required)
 |
View Item |
