Dataset Berita IHSG CNBC Indonesia untuk Analisis Text Mining dan Clustering
Description
Dataset ini berisi kumpulan berita terkait Indeks Harga Saham Gabungan (IHSG) yang diperoleh melalui proses web scraping dari CNBC Indonesia. Dataset terdiri dari data mentah hasil scraping, data yang telah melalui tahap preprocessing dan cleaning, serta data hasil clustering menggunakan algoritma K-Means. Dataset ini digunakan dalam penelitian text mining untuk mengidentifikasi topik dominan dalam berita pasar modal Indonesia menggunakan Orange Data Mining.
Files
Steps to reproduce
Dataset ini diperoleh melalui beberapa tahapan sebagai berikut: 1. Pengumpulan data dilakukan dengan metode web scraping pada portal berita CNBC Indonesia, khususnya halaman tag IHSG. 2. Data yang dikumpulkan meliputi URL, judul, penulis, tanggal publikasi, kata kunci, dan isi berita. 3. Data mentah kemudian dibersihkan melalui proses preprocessing, meliputi penghapusan duplikat, penghapusan nilai kosong, normalisasi teks, dan pembersihan karakter tidak relevan. 4. Teks hasil cleaning digabungkan menjadi satu kolom untuk keperluan analisis text mining. 5. Analisis dilakukan menggunakan Orange Data Mining dengan tahapan preprocessing teks, representasi Bag of Words, dan clustering menggunakan algoritma K-Means. 6. Hasil clustering disimpan dalam dataset terpisah untuk analisis lebih lanjut.