Analisis Klasifikasi Dan Prediksi Pola Publikasi Berita Pemprov DKI Jakarta Menggunakan Machine Learning

Abstract

Dalam era digital, akses informasi melalui berbagai platform online semakin meningkat, termasuk melalui situs web resmi pemerintah. Pemerintah Provinsi DKI Jakarta secara rutin menyampaikan kebijakan, program, dan berita melalui situs webnya. Namun, volume data yang besar dan keragaman topik berita menghadirkan tantangan dalam pengelolaan dan analisis informasi secara efisien. Penelitian ini mengembangkan model klasifikasi dan prediksi pola publikasi berita menggunakan tiga algoritma machine learning yaitu: Support Vector Machine (SVM), Naïve Bayes, dan Random Forest. Dataset yang digunakan berupa berita yang dipublikasikan oleh Pemprov DKI Jakarta selama tahun 2023. Pra-pemrosesan data meliputi pembersihan teks, case folding, tokenizing, normalisasi, penghapusan stopword, dan stemming. Model SVM dan Naïve Bayes diterapkan untuk klasifikasi berita, sedangkan Random Forest digunakan untuk memprediksi pola publikasi berita harian. Proses tuning hyperparameter dilakukan menggunakan GridSearchCV guna meningkatkan kinerja model. Penilaian terhadap klasifikasi dilakukan dengan diukur dari beberapa parameter yaitu akurasi, precision, recall, dan F1-score, sedangkan evaluasi prediksi menggunakan MAE, MSE, dan R². Temuan dari penelitian ini mengindikasikan bahwa SVM menunjukkan performa yang baik dengan akurasi 95%, sedangkan Random Forest berhasil memprediksi pola publikasi berita dengan R² sebesar 0,82. Penelitian ini diharapkan dapat mendukung pengelolaan informasi publik secara lebih efisien dan menyediakan wawasan mengenai pola publikasi berita oleh Pemprov DKI Jakarta.