Penerapan Web Content Mining Menggunakan Partitional Clustering K-Means Pada News Aggregator

News aggregator merupakan salah satu jenis sistem aggregator (pengumpul) yang mengumpulkan berita dari berbagai sumber, kemudian disajikan kembali kepada pengguna dalam satu kesatuan sehingga pengguna tidak perlu lagi menjelajah ke berbagai situs berita untuk sekedar mencari informasi.Sistem news aggregator membutuhkan sebuah pengolahan data informasi dalam menampilkan informasi berita yang sama dari situs-situs layanan berita karena sistem news aggregator �polos� atau yang hanya mengumpulkan berita saja memiliki kelemahan, yaitu saat menggabungkan semua berita dalam satu kumpulan besar dapat mengakibatkan efek information overload bagi pengguna karena belum tentu pengguna tertarik dengan semua berita yang terdapat pada news aggregator. Karena itu, diperlukannya metode Web Content Mining (WCM) untuk pengambilan informasi berita dari situs berita online dan partitional clustering K-Means untuk pengolahan sistem news aggregator agar sistem dapat menampilkan kumpulan informasi berdasarkan inputan kata kunci dari pengguna.Dari hasil uji coba menggunakan metode WCM dengan jumlah dokumen sebanyak 132 dokumen yang diambil dari hasil crawling menunjukkan bahwa metode partitional clustering K-Means dapat diterapkan pada sistem news aggregator untuk mengelompokkan informasi berita dengan kata kunci �pendidikan� dengan rata-rata akurasi hasil pengelompokkan sebesar 98%.

News aggregator is a type of system of aggregates (gatherers) which collects news from various sources, then represented to users in a unit so that users will not longer need to browsing into various news sites to look for information. News aggregator system needs an information processing data in order to display similar information news from news service sites because the system of news aggregator is �plain� or those that only collects news have weaknesses that is when combining all the headlines in one big group can cause information overload effects for users because they have not been sure interest in all the headlines that are found on news aggregator. Therefore, there is a need for a method of Web Content Mining (WCM) for withdrawing news information from online websites and clustering parititional clustering K-Means for processing news aggregator system in order that the system can display an information collection based on keywords input from users. Based on an experiment using WCM on a number of documents as many as 132 documents taken from crawling result shows that partitional clustering K-Means method can be applied in a news aggregator system to classify news information with the keyword �education� with an average accuracy of classification results up to 98%.