Akurasi Text Mining Menggunakan Algoritma K-Nearest Neighbour pada Data Content Berita SMS

Akurasi Text Mining Menggunakan Algoritma K-Nearest Neighbour pada Data Content Berita SMS

• By Gata,Windu; Purnomo;
• Jurnal Nasional Tidak Terakreditasi
• 151

Sejak tahun 2004, LKBN ANTARA masih menggunakan aplikasi SMS-Gateway sebagai mediapengiriman berita dari lapangan, dikarenakan kondisi jaringan Internet di Wilayah Indonesia yang masih terbatas. SMS-GATEWAY juga digunakan untuk melakukan pengiriman notifikasi atau kegiatan di lingkungan kerja dari Pimpinan, redaktur, Kepala Biro, Pewarta ataupun tim IT.  iindikasikan terjadipenyalahgunaan aplikasi atau pengiriman SMS yang tidak sesuai dengan kerja. Dikarenakan hal tersebutmaka penelitan dilakukan dengan metode manual maupun metode K-Nearest Neigbour untuk mengetahui

hal tersebut. Hasil penelitian yang dilakukan mendapatkan hasil pada akurasi seleksi prediksi YA sejumlah 772 benar dan tidak sesuai sejumlah 32, sehingga presisinya adalah 96.02%. Sedangkan prediksi TIDAK mempunyai hasil sejumlah 0 kesalahan dan 14 benar dalam prediksi TIDAK. Sehingga hasil akurasi yang didapatkan sejumlah 96.15%. Sehingga penggunaan dari aplikasi SMS-Gateway yang digunakan dilingkungan LKBN ANTARA telah sesuai dengan kebutuhan selama bulan November 2015. Serta dapat membantu LKBN ANTARA dalam melakukan klasifikasi isi SMS dengan klasifikasi YA dan TIDAK.

• Katakunci SMS-Gateway, Text Mining, Preprocessing K-NN, News, SMS
• URL https://publikasi.mercubuana.ac.id/files/journals/24/articles/1463/submission/layout/1463-3339-2-LE.pdf
• Penerbit ,

REFERENSI

[1] Fayyad, Usama, 1996, “Advances in Knowledge Discovery and Data Mining”, MIT Press.

[2] Gomes, G. dan Sanchez, R, End-toEnd Quality of Service over Celullar Networks - Data Services Performance

and Optimization in 2G/3G

[3] Hermawati, Fajar Astuti. Data Mining. Yogyakarta:ANDI. 2013.

[4] Maimon, Oded & Lior Rokach. Data Mining and Knowledge Discovery Handbook. New York: Springer. 2010.

[5] Manning C. D. and Schutze H., Foundations of Statistical Natural Language Processing [M]. Cambridge:MIT

Press. 1999.

[6] Narang, N. dan Kasera, S. 2G - Mobile Networks:GSM and HSCSD - Architecture, Protocols, Procedures and

Service. New Delhi-Tata Mc Graw Hill Publishing, 2010.

[7] Turban, E., dkk. Decicion Support Systems and Intelligent Systems, Andi Offset. 2005.

[8] Yang Y. and Liu X., A Re-examination of Text Categorization Methods [A].In: Proceedings of 22nd Annual

International ACM SIGIR Conference on Researchand Development in Information Retrieval [C]. 1999. Hal:

42-49