BIMANTORO, Haryo (2026) Pengembangan Aplikasi Text Mining untuk Mengekstraksi Informasi Poin Penting menggunakan Algoritma Support Vector Machine. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Haryo Bimantoro-H1D021071-Skripsi-2026.pdf Download (215kB)
	PDF (Legalitas) LEGALITAS-Haryo Bimantoro-H1D021071-Skripsi-2025.pdf Restricted to Repository staff only Download (1MB)
	PDF (Abstrak) ABSTRAK-Haryo Bimantoro-H1D021071-Skripsi-2025.pdf Download (346kB)
	PDF (BabI) BAB-I-Haryo Bimantoro-H1D021071-Skripsi-2025.pdf Restricted to Repository staff only until 3 March 2027. Download (589kB)
	PDF (BabII) BAB-II-Haryo Bimantoro-H1D021071-Skripsi-2025.pdf Restricted to Repository staff only until 3 March 2027. Download (1MB)
	PDF (BabIII) BAB-III-Haryo Bimantoro-H1D021071-Skripsi-2025.pdf Restricted to Repository staff only until 3 March 2027. Download (548kB)
	PDF (BabIV) BAB-IV-Haryo Bimantoro-H1D021071-Skripsi-2025.pdf Restricted to Repository staff only Download (3MB)
	PDF (BabV) BAB-V-Haryo Bimantoro-H1D021071-Skripsi-2025.pdf Download (255kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Haryo Bimantoro-H1D021071-Skripsi-2025.pdf Download (547kB)

Abstract

Kebiasaan masyarakat Indonesia yang cenderung hanya membaca judul berita tanpa memahami isi keseluruhan artikel dapat memicul kekeliruan informasi dan penyebaran berita palsu (hoax). Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan sebuah aplikasi text mining yang mampu mengekstraksi informasi menjadi poin-poin penting guna memudahkan pemahaman konteks berita secara cepat dan akurat. Penelitian ini menggunakan algoritma Support Vector Machine (SVM) untuk proses klasifikasi kategori berita dan ekstraksi poin penting. Proses pengembangan aplikasi menggunakan model waterfall dan menggunakan bahasa pemrograman Python dengan framework Streamlit sebagai visualisasi data. Hasil evaluasi dalam pengembangan aplikasi, menunjukkan bahwa algoritma Support Vector Machine dengan kernel linear berhasil mengklasifikasikan berita. Pada pengujian dengan pembagian data 80% training dan 20% testing, diperoleh nilai Precision pada kategori Hukum 78%, Pemerintahan Politik 98%, Teknologi 72%. Lalu pada nilai Recall pada kategori hukum 82%, Pemerintahan Politik 95%, Teknologi 82%, dan pada nilai F1-Score pada kategori Hukum 80%, Pemerintahan Politik 96%, Teknologi 77%. Penelitian ini berhasil membuktikan bahwa penerapan SVM dalam text mining dapat memberikan solusi praktis bagi masyarakat dalam menyerap informasi penting dari artikel berita secara efisien.

Item Type:	Thesis (Skripsi)
Nomor Inventaris:	H26079
Uncontrolled Keywords:	Berita Online, Ekstraksi Informasi, Text Mining, Support Vector Machine
Subjects:	D > D18 Data processing Information systems
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Mr Haryo Bimantoro
Date Deposited:	03 Mar 2026 01:45
Last Modified:	03 Mar 2026 01:45
URI:	http://repository.unsoed.ac.id:443/id/eprint/40391

Actions (login required)

View Item