Text Mining Pada News Aggregator Untuk Sistem Rekomendasi Berita

News aggregator merupakan suatu perangkat lunak atau aplikasi yang menggabungkan konten dari berbagai web. Dalam news aggregator terdapat banyak data berita yang berisi informasi yang dapat dibaca oleh pembaca. Pada news aggregator bisa terjadi information overload dikarekanan banyak data berita yang sama sekali tidak dibaca oleh pembaca dikarenakan pembaca hanya membaca berita yang menarik. Penelitian text mining pada news aggregator telah dilakukan oleh beberapa peneliti untuk mengelompokan berita berdasarkan topik yang sama dengan menggunakan metode yang berbeda, hanya saja pada penelitian tersebut data cluster selalu di inisialisasi di awal. Hal ini kurang efektif diterapkan pada news aggregator yang memiliki jenis data berita yang beragam.Penggunaan metode clustering yang tidak sensitif terhadap inisialiasi dapat dilakukan untuk meningkatkan akurasi setiap cluster. Pada penelitian ini menggunakan metode cosine similarity dan single pass clustering. Pengujian dilakukan dengan 157 data berita dan menghasilkan akurasi rata-rata sebesar 88.8%. Penentuan threshold sangat berpengaruh terhadap akurasi data pada cluster yang dihasilkan, hasil pengujian menujukan bahwa akurasi maksimal yang didapatkan adalah 100% dan akurasi terkecil adalah 63%. Hasil penelitian ini menyimpulkan bahwa metode cosine similarity dan single pass clustering dapat diterapkan pada news aggregator.