Penerapan TF-IDF Pada Klasifikasi Kategori Berita pada Google Trends RSS Feeds

Abstract

Google Trends adalah alat yang memberikan wawasan tentang minat pengguna berdasarkan kata kunci populer dari waktu ke waktu. Namun, berita dari RSS Google Trends belum diklasifikasikan ke dalam kategori tertentu, membuatnya sulit digunakan untuk analisis seperti filter, analisis sentimen, atau rekomendasi. Klasifikasi kategori berita dengan menganalisis data yang terkandung pada teks dari RSS Google Trends dapat menjadi solusi untuk memudahkan dalam proses – proses lainnya seperti rekomendasi, seleksi, dan analisis lainnya. Sehingga perlu dilakukan suatu penelitian untuk melakukan klasifikasi berita – berita yang diperoleh dari RSS Google Trends. Penelitian ini mengusulkan penggunaan metode TF-IDF, yang memungkinkan untuk mengkategorikan berita berdasarkan kontennya. Metode TF-IDF adalah cara untuk mengukur sejauh mana kata kunci tertentu penting dalam sebuah dokumen. Dengan menerapkan ini pada teks dari RSS Google Trends, pengelompokkan berita ke dalam kategori seperti politik, ekonomi, olahraga, dan teknologi dapat dilakukan. Proses klasifikasi kemudian dapat dilakukan terhadap feed google trends RSS dengan menghitung skor TF-IDF pada feed Google Trends menggunakan word / term yang telah ditentukan kemudian mencari kategori berita dengan kemiripan skor TF-IDF tertinggi sebagai kategori terpilih hasil dari klasifikasi. Adapun hasil penelitian yang diperoleh dari penelitian yang dilakukan menunjukkan tingkat akurasi klasifikasi sebesar 76% yang mana merupakan angka yang cukup baik. Google Trends is kind of tool that provides insight into user interests based on popular keywords over time. However, news from Google Trends RSS has not been classified into specific categories yet, it drives some difficulties to performing analysis such as filters, sentiment analysis, or recommendations. Classifying news categories by analyzing the data contained in the text from RSS Google Trends can be a solution to facilitate other processes these issues. Hence, a research is important to be conduct to classify news obtained from RSS Google Trends.This study proposes the use of the TF-IDF method, which allows us to categorize news based on their content. The TF- IDF method is a means to measure the extent to which certain keywords are important in a document. By applying this to text from RSS Google Trends, the news are able to divided into categories such as politics, economics, sports and technology. The classification process is performed through calculating the TF-IDF score on the Google Trendsfeed using the words / terms that have been determined later. The research results obtained from the research carried out show a classification accuracy rate of 76%, which is categorized as a fairly good model.