Klasifikasi Artikel Berita Menggunakan Metode K-Nearest Neighbor Berbasis Particle Swarm Optimization

Penelitian ini akan melakukan pengklasifikasian berita dengan mengimplementasikan algoritma K-Nearest Neighbor berbasis Particle swarm optimization. Pada penelitian ini Particle Swarm Optimization digunakan sebagai metode untuk melakukan seleksi fitur. Penelitian ini menggunakan dataset sebanyak 250 dokumen berita, 25 dokumen sebagai data uji dan 225 dokumen sebagai data latih.Tahapan pada penelitian ini terbagi menjadi 2 yaitu proses pelatihan dan pengujian. Berdasarkan hasil dari penelitian menunjukkan bahwa penggunaan Particle Swarm Optimization sebagai seleksi fitur dapat memberikan hasil akurasi yang lebih baik dibandingkan dengan tanpa menggunakan particle swarm optimization. Hasil akurasi yang didapat setelah melakukan seleksi fitur menggunakan particle swarm optimization sebesar 80% dengan nilai K= 9, banyak partikel yang dibangkitkan sebanyak 50, nilai c1 dan c2 = 1 dan total iterasi sebanyak 100. Pada penelitian ini metode particle swarm optimization belum memenuhi kondisi henti yang ditentukan sehingga hasil fitur yang dipilih belum optimal. Walaupun proses pada particle swarm optimization belum memenuhi kondisi henti, akan tetapi particle swarm optimization dapat meningkatkan akurasi pada proses pengklasifikasian sebesar 20% dibandingkan dengan tanpa menggunakan particle swarm optimization yang hanya mendapat akurasi tertinggi sebesar 60%.