Theo Purnama Mooy Pengarang SEBASTIANUS ADI SANTOSO MOLA Dosen Pembimbing 1 Emerensye S. Y. Pandie Dosen Pembimbing 2 Arfan Yeheskiel Mauko Ketua Penguji Yelly Yosiana Nabuasa Penguji 1 Meiton Boru Penguji 2

Twitter adalah platform media sosial dengan fleksibilitas tinggi dalam mencari topik berita. Isi topik berita di Twitter beragam, seperti hiburan, olahraga, kesehatan, dan topik berita lainnya. Twitter tidak dapat secara otomatis menganalisis jenis topik dalam tweet, sehingga diperlukan metode analisis data untuk mengidentifikasi jenis topik yang ada secara terpisah. Text Mining adalah teknik pengolahan data teks yang dapat mengolah data skala besar untuk memberikan hasil efisien dalam waktu singkat. Studi kasus penelitian ini adalah data tweet dari akun Pos Kupang. Pemrosesan data tweet dengan aplikasi Rapidminer meliputi tahap preprocessing (tahap Case folding, Tokenizing, Filtering, dan Stemming). Data dibobotkan menggunakan Term Frequency-Inverse Document (TF IDF). Nilai kemiripan antar data dihitung dengan Cosine Similarity. Hasil dari perhitungan kemiripan diklasifikasikan menggunakan algoritma K-Nearest Neighbor (K-NN). Jumlah data tweet adalah 2111, dibagi dengan rasio 25% data tes dan 75% data latih. Topik berita yang dianalisis adalah Religi, Politik, Pendidikan, Perselingkuhan, Olahraga, Kejahatan, Kesehatan, Keamanan, Informasi, Hiburan, Ekonomi, Cuaca/Bencana Alam, dan Asusila. Pengujian algoritma K-NN melalui skenario 10 uji k yaitu 3, 5, 7, 9, 10, 11, 15, 17, 19. Pengujian akurasi setiap k menunjukkan hasil di atas 70%. Skenario k=5 memperoleh nilai tertinggi dengan akurasi 77,28% dan hasil k terendah sebesar k=19 dengan akurasi 73,01%. Kata kunci : Text Mining, TF-IDF, Cosine Similarity, k-NN, Rapidminer