Klasifikasi Tone Berita Berdasarkan Judul Berita Pada Data Analisa Dan Monitoring Pemberitaan Di Media Massa Provinsi DKI Jakarta Dengan Metode Deep Learning Convolutional Neural Network (CNN)

Perkasa, Prima Catur (2023) Klasifikasi Tone Berita Berdasarkan Judul Berita Pada Data Analisa Dan Monitoring Pemberitaan Di Media Massa Provinsi DKI Jakarta Dengan Metode Deep Learning Convolutional Neural Network (CNN). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06211940000106-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2025. Download (2MB) | Request a copy

Abstract

Media massa merupakan sarana bagi masyarakat untuk memperoleh informasi terkini, penyebaran informasi ke masyarakat saat ini sudah sangat cepat, media massa memiliki peran penting terhadap proses sosial karena pemberitaan di media massa dapat memberikan efek pada pembacanya tergantung dari cara penyampaian penulis, efek yang dapat ditimbulkan terbagi menjadi tiga, yaitu efek kognitif, afektif dan behavioral. untuk mengendalikan hal tersebut, dilakukan analisa dan monitoring media massa guna mengidentifikasi tone berita pada suatu pemberitaan di media massa, tone berita merupakan cara untuk mengidentifikasi emosi yang mungkin dirasakan audiens terhadap suatu objek setelah membaca, melihat, atau mendengar suatu berita, objek yang dimaksud dapat berupa individu, perusahaan, produk atau topik lainnya. Salah satu lembaga yang melakukan analisa dan monitoring pada media massa adalah Dinas Komunikasi, Informatika dan Statistik Provinsi DKI Jakarta, untuk membantu proses analisa dan monitoring media massa dalam mengklasifikasikan tone berita, penelitian ini akan mengklasifikasikan tone berita berdasarkan judul berita dengan menggunakan metode Deep Learning Convolutional Neural Network (CNN). Data yang digunakan adalah data analisa dan monitoring pemberitaan di media massa Provinsi DKI Jakarta tahun 2019 hingga tahun 2020 yang dipublikasikan pada website Satu Data Indonesia, analisis klasifikasi dilakukan dengan lima model arsitektur CNN yang berbeda yang diulang sebanyak 5 kali dan diambil hasil terbaik, model terbaik yang didapatkan menggunakan kombinasi layer yaitu Embedding Layer dengan bobot Word2Vec, Max Pooling 1D, Layer 1 dengan node 8, dan Output layer dengan fungsi aktivasi softmax dengan kebaikan model data testing didapatkan accuracy yang baik sebesar 0,822 dan AUC dengan kategori sangat baik sebesar 0,866, model yang dibangun pada penelitian ini dapat menangkap fitur yang membedakan antar kelas dan model dapat memprediksi kelas tone berita dengan baik, namun penggunaan judul berita sebagai acuan untuk memprediksi tone berita masih tidak tepat, karena judul berita masih belum memberikan cukup informasi terkait keseluruhan artikel untuk mengklasifikasikan tone berita.
===============================================================================================================================
The mass media is a means for the public to obtain the latest information, dissemination of information to the public is now very fast, the mass media has an important role in social processes because news coverage in the mass media can affect the reader depending on the way the author delivers it, the effects are divided into three, namely cognitive, affective and behavioral effects. To control this, mass media analysis and monitoring is carried out to identify news tones in news coverage in the mass media, news tones are a way to identify emotions that an audience might feel towards an object after reading, viewing, or hearing news, the object can be individuals, companies, products, or other topics. One of the institutions that conducts analysis and monitoring of the mass media is the DKI Jakarta Province Communication, Informatics, and Statistics Office, to assist the process of analyzing and monitoring the mass media in classifying news tones, this study will classify news tones based on news titles using the Deep Learning Convolutional Neural Network (CNN). The data used is data analysis and monitoring of coverage in the mass media of DKI Jakarta Province from 2019 to 2020 published on the Satu Data Indonesia website, classification analysis was carried out with five different CNN architectural models which were repeated 5 times and the best results were taken, the best model obtained using a combination of layers, start with the Embedding Layer with Word2Vec weights, Max Pooling 1D, Layer 1 with node 8, and an Output Layer with the softmax activation function, on data testing, models obtained good accuracy of 0.822 and AUC with very good category of 0.866, the model built in this study can capture the features that distinguish between classes and the model can predict news tones classes well, but the use of news titles as a reference for predicting news tones is still incorrect because news titles still do not provide enough information regarding the entire article to classify news tones.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Convolutional Neural Network, Klasifikasi, Tone Berita, Clasification, News tones
Subjects:	Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Prima Catur Perkasa
Date Deposited:	20 Feb 2023 07:21
Last Modified:	20 Feb 2023 07:21
URI:	http://repository.its.ac.id/id/eprint/97636

Actions (login required)

View Item