%A YOSEPH SAMUEL 22094664 %I Universitas Kristen Duta Wacana %X Klasifikasi dokumen sering digunakan oleh instansi untuk merapikan tiap dokumen yang mereka miliki agar dapat mudah ditemukan. Berita merupakan sebuah dokumen kecil yang jumlahnya banyak, sehingga perlu dilakukan klasifikasi untuk mempermudah pengaksesan data. Banyak berita yang sudah terklasifikasi berdasarkan topik berita. Karena satu topik berita dapat memuat banyak artikel,maka diperlukan juga klasifikasi berdasarkan subtopik beritanya. Proses pengklasifikasian subtopik berita melalui beberapa tahapan, pertama berita yang ingin diproses harus melewati tahap preprocessing yang meliputi tokenizing, stopword, stemming dan sorting. selanjutnya dari hasil preprocessing, diterapkan Algoritma K-Nearest Neighbor untuk menentukan pengklasifikasian artikel. Dengan bantuan pembobotan TF-IDF dan pencarian kesamaan menggunakan cosine dan euclidean distance sebagai Decision Rule, maka akan didapati hasil klasifikasi subtopik. Hasil dari penelitian ini, klasifikasi subtopik berita sudah baik, dengan persentase paling tinggi yaitu 89,36%, diketahui bahwa hasil tersebut merupakan hasil dengan k = 3 dan menggunakan Decision Rule. Penggunaan Decision Rule sebenarnya hanya menambahkan 1,07% dari hasil sebelumnya yaitu 88,29%. %L katalog3358 %D 2014 %T IMPLEMENTASI METODE K-NEAREST NEIGHBOR DENGAN DECISION RULE UNTUK KLASIFIKASI SUBTOPIK BERITA %K klasifikasi, K-Nearest Neighbor, Decision Rule, Stemming, Tokenizing, TF-IDF, cosine, Euclidean distance