Klasterisasi Berita Bahasa Indonesia Dengan Menggunakan K-Means Dan Word Embedding

Jumlah berita atau dokumen yang sangat melimpah merupakan sumber pengetahuan berharga dan dapat digunakan untuk memperoleh wawasan dalam pengambilan keputusan. Namun, pertumbuhan jumlah dengan dimensi tinggi menjadi sebuah tantangan besar, menyebabkan sulitnya informasi pada dikategorikan secara efisien cepat. Kesulitan ini semakin kompleks tidak adanya kelas label tersebut. Analisis konten dari belum memiliki dilakukan pendekatan data mining. Salah satu metode mining mengelompokkan tanpa label, sulit manual adalah klastering. Klastering teks salah penambangan bertujuan berdasarkan kesamaan kemiripan di antara teks. Penelitian memberikan baru Bahasa Indonesia klastering, dimana ekstraksi fitur melalui Neural Network (Word Embedding) menunjukkan antar kata mempertahankan semantik konteks ada berita. Sumber portal “Tempo” terdiri 520863 Hasil penelitian bahwa klaster k = 4, parameter Word Embedding: min_count=1 embedding_size=300 nilai silhouette coefficient terbaik sebesar 0.73. klasterisasi divisualisasikan bentuk berbeda visualisasi World Cloud menganalisis mengevaluasi diusulkan ini. AbstractThe enormous amount of news or documents is a precious source knowledge and can be used to gain insight into decision-making. However, the growth in number stories with high dimensions big challenge, making it difficult for information on categorized efficiently quickly. This difficulty further complicated by absence classes labels news. Analysis content that does not yet have class done approach. The most method group tremendous without clustering. Text clustering task aims based similarities. study provides new approach classifying Indonesian method, where feature extraction carried out through show similarities between words maintain semantics context from "Tempo," which consists 5208063 results showed clusters Embedding parameters: embedding_size=300, produced best value were visualized form different visualization analyze evaluate proposed method.