Klasifikasi berita menggunakan Metode Learning Vector Quantization

مستخلص البحث

مع مرور نمو العدد البيانات في الإنتيرنيت الذي يبدو إلى عدم القدرة للسيطرة عليها، أيضا في البيانات للنص الأخبار، إن التصنيف التلقائي عند الأخبار مرجوء لتسهيل في عملية معالجة الأخبار بالجيد. Learning Vector Quantization هي طريقة التي تمكن استخدامها في عملية المعالجة حيث تستحق التصديق الجيد. في هذا البحث تمت التجربة بثلاثة أشكال لمعرفة قيم الدقة، الأحكام، إعادة الاتصال و f قياس من تلك الطريقة. في النوع الأول بتقسيم البيانات 70٪ كبيانات التدريب و 30٪ من بيانات الاختبار ، تُنتج قيمة دقة 47.78٪ ، والأحكام 79.65٪ ، واعادة الاتصال 47.78٪ ، و 59.73٪ قياس f. أما في نوع التجريبية الثانية مع مشاركة البيانات بنسبة 80٪ كبيانات التدريب و 20٪ من بيانات الاختبار، تنتج عنها قيمة دقة بنسبة 80٪ ، والأحكام بنسبة 87.50٪ ، واعادة الاتصال بنسبة 80٪ ، وقياس f 83،58. والأخير هو النوع التجريبي الثاني بتقسيم البيانات بنسبة 90٪ كبيانات التدريب وبيانات اختبار بنسبة 10٪ ينتج عنها قيمة الدقة 96.67٪ ، والأحكام 96.97٪ ، اعادة

ABSTRACT

Along with the growing amount of data on the internet that is increasingly out of control, including news article, Automatic classification of news is needed to facilitate the processing of news articles properly. Learning Vector Quantization is a method that can be used in the classification process which has a fairly good accuracy, In this study three trial scenarios have been conducted to determine the value of accuracy, precision, recall and f-measure of the method. In the first scenario with 70% data as training data and 30% test data produces 47.78% accuracy value, precision 79.65%, recall 47.78%, and feature 59.73%. meanwhile in the second trial scenario with 80% of the data as training data and 20% of the test data produces an accuracy value of 80%, precision 87.50%, recall 80%, and function 83.58%. and the last is the second trial scenario with 90% data as training data and 10% test data produces an accuracy value of 96.67%, precision 96.97%, recall 96.67%, and feature 96.82%.

ABSTRAK

Seiring dengan pertumbuhan jumlah data pada internet yang kian tidak terkendali, termasuk juga data artikel berita, klasifikasi otomatis terhadap berita sangat diperlukan untuk mempermudah dalam proses pengolahan artikel berita secara baik. Learning Vector Quantization adalah metode yang dapat digunakan dalam proses klasifikasi yang memiliki akurasi yang cukup baik, dalam penelitian ini telah dilakukan tiga skenario uji coba untuk mengetahui nilai akurasi, presisi, recall dan f-measure dari metode tersebut. Pada skenario pertama dengan pembagian data 70% sebagai data latih dan 30% data uji menghasilkan nilai akurasi 47,78%, presisi 79,65%, recall 47,78%, dan f-measure 59,73%. sementara itu pada skenario uji coba kedua dengan pembagian data 80% sebagai data latih dan 20% data uji menghasilkan nilai akurasi 80%, presisi 87,50%, recall 80%, dan f-measure 83,58%. dan yang terakhir skenario uji coba kedua dengan pembagian data 90% sebagai data latih dan 10% data uji menghasilkan nilai akurasi 96,67%, presisi 96,97%, recall 96,67%, dan f-measure 96,82%.