<![CDATA[Berita merupakan sumber informasi yang dinantikan oleh manusia setiap harinya. Manusia membaca berita dengan kategori yang diinginkan. Jika komputer mampu mengelompokkan berita secara otomatis maka tentunya manusia akan lebih mudah membaca berita sesuai dengan kategori yang diinginkan. Pengelompokan berita yang berupa artikel dalam majalah secara otomatis sangatlah menarik. Masalah dalam mengorganisir majalah berita secara manual membutuhkan waktu dan biaya yang tidak sedikit. Untuk mengorganisir dokumen digital tersebut juga cukup membutuhkan waktu. Tujuan utama dari penelitian ini adalah pada nilai akurasi yang dihasilkan agar bisa mengorganisir informasi tersebut dengan mudah adalah dengan melakukan klasifikasi berita secara otomatis, sehingga dokumen tersebut dapat memiliki kategori secara otomatis sesuai dengan kategori. Metode klasifikasi yang akan diterapkan adalah metode Decision Tree. Dalam penelitian ini, kategori berita pada majalah yang disiapkan untuk implementasi metode Decision Tree ID3 antara lain majalah kategori ekonomi, entertaiment, otomotif, olah raga, makanan,teknologi dan travel. Subyek utama dari penelitian ini adalah pada nilai akurasi yang dihasilkan oleh metode tersebut. Setelah melakukan analisa tentang klasterisasi algoritma Decision Tree. Hasil penelitian inin dapat diterapkan untuk klasifikasi berita pada majalah nilai akurasi tertinggi didapat dengan nilai akurasi Data bases Performance (DBp) yaitu 3.000 DBp. Meskipun tidak mencapai 100% akurat, namun algoritma ini dapat menghasilkan nilai akurasi yang cukup baik.]]>
