Klasifikasi Kejahatan pada Berita Online
Proyek penelitian akademik bidang Natural Language Processing dan Machine Learning untuk mengklasifikasikan berita kriminal berbahasa Indonesia.
Latar Belakang & Tujuan
Pertumbuhan pesat media digital di Indonesia menghasilkan volume data tekstual harian yang sangat besar. Tanpa kategorisasi yang terstruktur, analisis tren kriminalitas menjadi tidak efisien bagi peneliti, lembaga penegak hukum, maupun pembuat kebijakan.
Proyek ini membangun sistem NLP berbasis Machine Learning yang mampu mengklasifikasikan artikel berita kriminal berbahasa Indonesia ke dalam enam kategori utama secara otomatis, menggunakan pipeline preprocessing yang dioptimalkan untuk Bahasa Indonesia.
Tujuan Penelitian
- Membangun korpus beranotasi berita kriminal berbahasa Indonesia yang komprehensif.
- Membandingkan efektivitas representasi fitur TF-IDF dan Word2Vec pada teks jurnalistik.
- Men-deploy mesin inferensi berbasis web untuk klasifikasi teks secara real-time.
Metodologi
Pengumpulan Data
Scraping berita dari portal online: Antara, Detik, Liputan6, dan Kompas.
EDA
Analisis distribusi label kelas, panjang teks, dan statistik kosakata korpus.
Text Preprocessing
Case folding, tokenisasi, stopword removal, dan stemming Bahasa Indonesia.
Feature Extraction
Representasi vektor teks secara komparatif antara dua metode.
Modeling ML
Pelatihan dan perbandingan lima algoritma Machine Learning klasik.
Evaluasi & Deployment
Pengukuran Accuracy dan F1 Macro, lalu deployment ke Hugging Face Spaces.
Dataset
Dataset terdiri dari 6.000 artikel berita online berbahasa Indonesia yang dikumpulkan dari empat portal berita besar. Setiap artikel diberi label manual ke salah satu dari enam kategori kejahatan: Pencurian, Penipuan, Pembunuhan, Narkoba, Korupsi, dan Kekerasan.
| Sumber Berita | Tipe Konten | Status |
|---|---|---|
| Antara | Berita kriminalitas nasional | Digunakan |
| Detik | Berita metropolitan dan hukum | Digunakan |
| Liputan6 | Berita kriminal dan peristiwa | Digunakan |
| Kompas | Berita hukum dan metropolitan | Digunakan |