ANALISIS POPULARITAS ARTIKEL MASHABLE MELALUI FITUR HETEROGEN DENGAN MENGGUNAKAN METODE KLASIFIKASI DALAM DATA MINING
Loading...
Date
2024
Journal Title
Journal ISSN
Volume Title
Publisher
Program Studi S1 Informatika
Abstract
Penelitian ini bertujuan untuk menganalisis dan memprediksi popularitas artikel berita di Mashable menggunakan metode klasifikasi Vector Machine (SVM) dalam data mining. Kumpulan data "Online News Popularity" dari Repositori Pembelajaran Mesin UCI digunakan sebagai dasar penelitian, mencakup 39.644 sampel dengan 61 karakteristik termasuk berbagai faktor seperti keterbacaan kata, keterbacaan gambar, kategori artikel, dan metrik sosial lainnya. Proses preprocessing data meliputi pembersihan, transformasi dan pemilihan fitur menggunakan metode Recursive Feature Elimination (RFE). Model SVM dilatih menggunakan data pelatihan dan dioptimalkan oleh Grid Search dengan validasi silang 5-fold. Pengujian model menunjukkan performa luar biasa dengan akurasi 89,3% Ini menunjukkan bahwa model memiliki kinerja yang cukup baik dalam memprediksi, presisi 89,3% prediksi menunjukkan kinerja yang kuat dan positif benar, recall 100% recall yang sempurna ini menunjukkan bahwa model berhasil menemukan semua artikel yang benar-benar populer, dan F1-Score 94,4% menunjukkan bahwa model memiliki keseimbangan yang sangat baik antara presisi dan recall. Hasil penelitian menunjukkan bahwa faktor-faktor seperti jumlah kata pada judul, jumlah gambar, dan kategori artikel berpengaruh terhadap popularitas artikel. Penerapan model ini secara efektif dapat membantu perusahaan media mengembangkan strategi konten yang lebih efektif dan relevan bagi pembaca. Meskipun penelitian ini memiliki keterbatasan, namun hasilnya memberikan landasan yang kuat untuk penelitian lebih lanjut dan penerapan praktis dalam industri media.