Klasifikasi Jenis Kriminalitas pada Media Online di Indonesia Menggunakan Support Vector Machine (Studi Kasus: Kompas)
Tahun 2026 · Penulis: Lintang Arsa Naura
Faculty of Computer Science, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/12763
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Perkembangan teknologi informasi telah meningkatkan volume berita kriminal di media online secara signifikan, namun penyajiannya yang tidak terstruktur menghambat akses informasi kategori kejahatan secara sistematis. Penelitian ini bertujuan untuk merancang model klasifikasi teks berbasis algoritma Support Vector Machine (SVM) serta mengevaluasi efektivitasnya dalam mengelompokkan berita kriminal pada portal Kompas.com. Penelitian ini menggunakan 16.702 artikel berita kriminal dari rentang tahun 2021 hingga 2025. Data tersebut dipetakan ke dalam sembilan kategori kejahatan standar Badan Pusat Statistik (BPS) dan melalui serangkaian proses prapemrosesan teks yang mendalam, meliputi case folding, data cleaning, tokenization, stopword removal, filtering, dan stemming. Representasi data dilakukan menggunakan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF). Implementasi algoritma SVM dilakukan menggunakan kelas LinearSVC pada pustaka Scikit-learn yang merepresentasikan SVM dengan kernel linear yang dioptimasi dengan teknik HalvingGridSearchCV untuk menemukan parameter regularisasi (C) yang paling optimal. Evaluasi dilakukan melalui tiga skenario pembagian data, yakni 70:30, 80:20, dan 90:10. Hasil penelitian menunjukkan bahwa skenario 80:20 memberikan performa terbaik dengan parameter optimal C = 0,1. Model ini berhasil mencapai tingkat akurasi sebesar 92%, presisi 92%, recall 85%, dan f1-score 88%. Secara visual, confusion matrix menunjukkan kemampuan model yang stabil dalam membedakan kategori kejahatan meskipun terdapat tantangan pada kelas minoritas. Kesimpulannya, algoritma SVM terbukti efektif dalam klasifikasi berita kriminal di Indonesia sehingga mampu mendukung penyajian informasi kriminalitas yang lebih terstruktur bagi masyarakat maupun pihak-pihak terkait.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,814
Tahun 2026 · Penulis: Prasta Agung Setiyabudi
Deteksi Konten Judi Online pada Teks Media Sosial Menggunakan Support Vector Machine dengan Ekstraksi Fitur TF-IDF
Pertumbuhan cepat media sosial telah memudahkan pengguna untuk berinteraksi dan berbagi informasi. Namun, media sosial juga telah menjadi media media untuk menyebarkan konten negatif, yang salah satunya adalah promosi judi online. Konten judi online sering kal
- Cosine 0,810
Tahun 2026 · Penulis: Tantra Wahyudi
Implementasi Sistem Deteksi Sentimen Berbasis Aspek untuk Ulasan Smartphone Menggunakan Metode Support Vector Machine (Studi kasus: iPhone 17 Pro)
Pengguna internet Indonesia telah menghasilkan jutaan ulasan smartphone di YouTube, yang sebagian besar ditulis dalam bahasa informal yang sangat tinggi yang berisi singkatan, typos, dan sarkasme, membuat analisis otomatis sangat menantang sistem konvensional.
- Cosine 0,795
Tahun 2026 · Penulis: Fadil Agusta
Implementasi Model Hybrid Random Forest-Support Vector Machine untuk Prediksi Tingkat Kepuasan Pengguna Layanan Multi Lane Free Flow
Perkembangan teknologi transportasi di Indonesia telah menghadirkan sistem Multi-Lane Free Flow (MLFF) sebagai solusi pembayaran tol nirsentuh yang lebih efisien. Namun, keberhasilan penerapan teknologi ini sangat dipengaruhi oleh tingkat penerimaan masyarakat