# GDGOC Telkom University 2026 - News Classification — Data

来源：https://www.kaggle.com/competitions/gdgoc-telkom-university-2026-news-topic-classification/data

采集时间：2026-10-19T16:36:26Z

# News Classification - Social Media Edition

## Deskripsi Dataset

Dataset ini berisi **120,000** artikel berita dari berbagai kategori yang telah dimodifikasi dengan format **social media style**. Tujuan dari kompetisi ini adalah untuk mengklasifikasikan berita ke dalam 4 kategori berdasarkan teks yang mengandung noise social media seperti emoji, hashtag, dan typo.

## Tujuan

Bangun model machine learning untuk mengklasifikasikan artikel berita yang telah "di-noise" dengan elemen-elemen social media untuk mensimulasikan kondisi real-world dimana berita sering dibagikan melalui platform social media.

## Struktur File

### `train.csv`
File training yang berisi **84,000** data dengan label.

| Kolom | Deskripsi |
|-------|-----------|
| `text` | Teks artikel berita dengan social media noise |
| `label` | Kategori berita (0, 1, 2, atau 3) |

### `test.csv`
File testing yang berisi **36,000** data **tanpa label**.

| Kolom | Deskripsi |
|-------|-----------|
| `id` | ID unik untuk setiap artikel |
| `text` | Teks artikel berita dengan social media noise |

### `sample_submission.csv`
Contoh format file submission yang harus di-upload.

| Kolom | Deskripsi |
|-------|-----------|
| `id` | ID unik sesuai dengan test.csv |
| `label` | Prediksi kategori (0, 1, 2, atau 3) |

## Label Kategori

Dataset ini memiliki **4 kelas** yang seimbang:

- **0**: Bisnis/Ekonomi
- **1**: Hiburan/Olahraga  
- **2**: Politik/Dunia
- **3**: Sains/Teknologi