Melola Discovery

← Melola Discovery

Jurnal SINTA 2

PENGKATEGORIAN ISI BERITA BERBAHASA INDONESIA MENGGUNAKAN ALGORITMA SYMBOLIC RULE INDUCTION BERBASIS DECISION TREE

JUTI: Jurnal Ilmiah Teknologi Informasi · Vol. 3 No. 1 (2004) · pp. 55–62

DOI
10.12962/j24068535.v3i1.a131
ISSN
2406-8535, 1412-6389
Published
2004-01-01
Publisher
Institut Teknologi Sepuluh Nopember
Language
eng

Abstract

Pengkategorian teks sangat penting demi manajemen dan temu kembali pengetahuan yang ada pada teks tersebut. Pengkategorian teks yang dilakukan secara manual akan menghabiskan banyak waktu dan biaya. Karena itu diperlukan suatu sistem yang mampu mengkategorikan teks secara otomatis. Penelitian ini berusaha untuk mengkategorikan teks dengan menggunakan algoritma symbolic rule induction berbasis decision tree. Pengkategorian dilakukan untuk berita berbahasa Indonesia. Dari teks berita tersebut, dipilih fitur-fitur yang relevan untuk masing-masing kategori berdasarkan kriteria Information Gain. Dengan menggunakan fitur-fitur tersebut, dibangun decision tree melalui proses induksi. Untuk meningkatkan akurasi decision tree dilakukan proses pruning. Proses selanjutnya adalah menghasilkan aturan-aturan yang ekivalen secara logis dengan decision tree tersebut dengan memanfaatkan sibling criterion. Algoritma ini diuji coba dengan menggunakan data berita dari situs Detik. Uji coba dilakukan untuk mengetahui pengaruh dari jumlah fitur, jumlah data, dan nilai maksimum suatu fitur terhadap nilai F1 dan waktu komputasi. Hasil uji coba menunjukkan bahwa jumlah fitur dan jumlah data pelatihan yang bertambah cenderung akan meningkatkan nilai F1. Kata Kunci: Text Categorization, DTree, Sibling Criterion, Decision Tree, Symbolic Rule Induction

Collaboration network of the authors

40 authors · 85 co-authorship links · 2 across different organisations · showing the 40 most connected

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Institut Teknologi Sepuluh Nopember
  • Institut Sains dan Teknologi Terpadu Surabaya
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Chastine FatichahInstitut Teknologi Sepuluh Nopember9
Agus Zainal ArifinInstitut Teknologi Sepuluh Nopember6
Rully SoelaimanInstitut Teknologi Sepuluh Nopember4
Agus Budi RaharjoInstitut Teknologi Sepuluh Nopember4
Rizka Wakhidatus SholikahInstitut Teknologi Sepuluh Nopember2
Suhadi LiliInstitut Teknologi Sepuluh Nopember2
Arif BramantoroAffiliation unknown2
Fahrur RoziInstitut Teknologi Sepuluh Nopember2
Hilya TsaniyaInstitut Teknologi Sepuluh Nopember2
Nanik SuciatiInstitut Teknologi Sepuluh Nopember2
Apriantoni ApriantoniInstitut Teknologi Sepuluh Nopember2
Putu Utami Andarini S.Affiliation unknown2
Sheila AgustiantyAffiliation unknown1
I Ketut Eddy PurnamaInstitut Sains dan Teknologi Terpadu Surabaya1
Khoirul UmamInstitut Teknologi Sepuluh Nopember1
Fidi Wincoko PutroInstitut Teknologi Sepuluh Nopember1
Gulpi Qorik Oktagalu PratamasunuAffiliation unknown1
Khadijah Fahmi Hayati HolleInstitut Teknologi Sepuluh Nopember1
Arif FadllullahInstitut Teknologi Sepuluh Nopember1
Dasrit Debora KamudiInstitut Teknologi Sepuluh Nopember1
Muhamad NasirInstitut Teknologi Sepuluh Nopember1
Dhian KartikaAffiliation unknown1
Umi Laili YuhanaInstitut Teknologi Sepuluh Nopember1
Daniel SiahaanInstitut Teknologi Sepuluh Nopember1
Dian SaputraAffiliation unknown1
Esti YuniarAffiliation unknown1
Isye ArieshantiInstitut Teknologi Sepuluh Nopember1
Junaidi JunaidiAffiliation unknown1
Darlis Heru MurtiInstitut Teknologi Sepuluh Nopember1
M. Rifqi FebriantoAffiliation unknown1
Febriliyan SamopaInstitut Teknologi Sepuluh Nopember1
Ade AfrianAffiliation unknown1
Kurniawan E. PermanaAffiliation unknown1
Luluk HariniAffiliation unknown1
Deni HendrawanAffiliation unknown1
Ary Mazharuddin ShidiqyAffiliation unknown1
Agus PurwonoAffiliation unknown1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://juti.if.its.ac.id/index.php/juti/oai, first harvested 26 Okt 2026, last seen 26 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">PENGKATEGORIAN ISI BERITA BERBAHASA INDONESIA MENGGUNAKAN ALGORITMA SYMBOLIC RULE INDUCTION BERBASIS DECISION TREE</dc:title>
	<dc:creator xml:lang="en">Purwananto, Yudhi</dc:creator>
	<dc:creator xml:lang="en">Purwitasari, Diana</dc:creator>
	<dc:creator xml:lang="en">Nugroho, Yos</dc:creator>
	<dc:description xml:lang="en">  Pengkategorian teks sangat penting demi manajemen dan temu kembali pengetahuan yang ada pada teks tersebut. Pengkategorian teks yang dilakukan secara manual akan menghabiskan banyak waktu dan biaya. Karena itu diperlukan suatu sistem yang mampu mengkategorikan teks secara otomatis.         Penelitian ini berusaha untuk mengkategorikan teks dengan menggunakan algoritma symbolic rule induction berbasis decision tree. Pengkategorian dilakukan untuk berita berbahasa Indonesia. Dari teks berita tersebut, dipilih fitur-fitur yang relevan untuk masing-masing kategori berdasarkan kriteria Information Gain. Dengan menggunakan fitur-fitur tersebut, dibangun decision tree melalui proses induksi. Untuk meningkatkan akurasi decision tree dilakukan proses pruning. Proses selanjutnya adalah menghasilkan aturan-aturan yang ekivalen secara logis dengan decision tree tersebut dengan memanfaatkan sibling criterion.         Algoritma ini diuji coba dengan menggunakan data berita dari situs Detik. Uji coba dilakukan untuk mengetahui pengaruh dari jumlah fitur, jumlah data, dan nilai maksimum suatu fitur terhadap nilai F1 dan waktu komputasi. Hasil uji coba menunjukkan bahwa jumlah fitur dan jumlah data pelatihan yang bertambah cenderung akan meningkatkan nilai F1.   Kata Kunci : Text Categorization, DTree, Sibling Criterion, Decision Tree, Symbolic Rule Induction</dc:description>
	<dc:publisher xml:lang="en">Institut Teknologi Sepuluh Nopember</dc:publisher>
	<dc:date>2004-01-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://juti.if.its.ac.id/index.php/juti/article/view/131</dc:identifier>
	<dc:identifier>10.12962/j24068535.v3i1.a131</dc:identifier>
	<dc:source xml:lang="en">JUTI: Jurnal Ilmiah Teknologi Informasi; Vol 3, No 1 Januari 2004; 55-62</dc:source>
	<dc:source>2406-8535</dc:source>
	<dc:source>1412-6389</dc:source>
	<dc:source>10.12962/j24068535.v3i1</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://juti.if.its.ac.id/index.php/juti/article/view/131/124</dc:relation>
</oai_dc:dc>