Klasifikasi Berita Berbahasa Inggris Menggunakan Algoritma K-Nearest Neighbor (KNN) Berbasis Ontologi

Penelitian ini membahas penerapan algoritma K-Nearest Neighbor (KNN) berbasis ontologi untuk mengklasifikasikan teks berita berbahasa Inggris. Konsep klasifikasi teks adalah memasukkan suatu dokumen baru ke dalam suatu kategori pada sekumpulan dokumen. Proses penentuan kategori dari dokumen baru tersebut adalah mencari kemiripan antara dokumen baru dengan sekumpulan dokumen tersebut. Tetapi penentuan kemiripan ini terbatas pada kemiripan antar kata yang memiliki huruf penyusun yang sama. Untuk mengatasi kemiripan antar kata yang berbeda huruf penyusunnya tetapi sama makna nya maka dibutuhkan ontologi atau hubungan semantik antar kata. Sistem yang akan dibangun menggunakan basis ontologi WordNet untuk menemukan term yang saling bersinonim di dalam dokumen latih dan dokumen uji. Term yang saling bersinonim akan digabungkan berikut frekuensi kemunculannya. Algoritma KNN adalah algoritma pembelajaran dimana dokumen uji akan melakukan pelatihan dengan setiap dokumen latih. Dataset yang digunakan adalah reuters-21578 90 kategori. Pengujian dari algoritma ini adalah mengetahui nilai document frequency threshold dan jumlah “k” tetangga yang optimal untuk mengklasifikasikan dokumen. Hasil dari pengujian ini akan dijadikan parameter pengujian selanjutnya yaitu pengaruh jumlah dokumen latih terhadap hasil klasifikasi. Hasil evaluasi sistem menunjukkan nilai f1-measure tertinggi adalah 0.949 dengan nilai threshold=1 dan nilai “k” yang beragam yaitu 12,14,15,17,18,19. Pada pengujian selanjutnya jumlah dokumen latih yang digunakan untuk pengujian berturut-turut adalah 40, 80, 120, 160, 200, dan 400 sementara dokumen uji ditentukan tetap jumlahnya yaitu 20. Pada setiap pengujian tersebut hasil f1-measure selalu diatas 0.85 dengan parameter threshold dan jumlah “k” berdasarkan pada pengujian sebelumnya. Penelitian ini menunjukkan bahwa algoritma K-Nearest Neighbor (KNN) berbasis ontologi memiliki kinerja yang baik dalam mengklasifikasikan berita berbahasa Inggri