KLASIFIKASI ARTIKEL BERITA SECARA OTOMATIS MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER YANG DIMODIFIKASI

Edit
ABSTRACT: Klasifikasi dokumen berita digital menurut kategori tertentu diperlukan untuk mempermudah pencarian oleh pembaca. Peningkatan jumlah dokumen berita yang cukup besar tidak sebanding dengan ketersediaan editor ahli sehinggal diperlukan klasifikasi secara otomatis. Salah satu metode yang cukup akurat untuk klasifikasi artikel berita adalah Naïve Bayes Classifier. Makalah ini memaparkan modifikasi metode Naïve Bayes Classifier dengan melakukan pembobotan kata berdasarkan posisinya dalam berita. Percobaan dilakukan pada 900 dokumen berita. Sembilan ratus dokumen tersebut dibagi menjadi 9 kategori, sehingga masing-masing kategori diujikan 100 dokumen. Untuk mengetahui pengaruh jumlah data latih terhadap efektifitas naïve bayes classifier maka diambil beberapa kombinasi banyaknya dokumen latih dan dokumen uji. Secara berurutan kombinasi dokumen latih dan uji tersebut antara lain 5:95, 10:90, 15:85, 20:80, 25:75 dan 30:70. Dengan menggunakan metode Naïve Bayes Classifier didapatkan akurasi hasil klasifikasi berturut-turut 54%, 65%, 65%, 69%, 71% dan 76%. Dengan menggunakan metode Naïve Bayes Classifier yang dimodifikasi didapatkan akurasi hasil klasifikasi berturut-turut 57%, 68%, 69%, 70%, 72% dan 78%. Hasil ini menunjukkan bahwa pembobotan berdasarkan posisi kata meningkatan akurasi hasil klasifikasi.
Kata-kata Kunci: Naïve Bayes Classifier, klasifikasi otomotis, berita
Penulis: Wayan Firdaus Mahmudy, Agus Wahyu Widodo
Kode Jurnal: jptlisetrodd140883

Artikel Terkait :

Jp Teknik Listrik dan Mekatronika dd 2014