PERBANDINGANNAÏVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI JUDUL ARTIKEL
Abstrak: Support Vector
Machine (SVM) dan Naïve Bayes Classifier (NBC) merupakan dua algoritma yang
sangat polpuler untuk text mining, khususnya untuk klasifikasi teks. Pada
penelitian-penelitian sebelumnya SVM cenerung menghasilkan performa yang lebih
baik dari NBC pada segi akurasi hasil klasifikasi. Salah satu hal yang menarik
dari penelitian-penelitian sebelumnya adalah penggunaan jenis data yang hamper
sama antara satu dengan lainnya. Penelitian-penelitian sebelumnya kebanyakan
menggunakan data tweet dari situs Twitter. Data tweet merupakan jenis teks yang
informal dengan banyak sekali noise dan tidak mengindahkan aturan tata bahasa.
Pada penelitian kali ini, akan algoritma SVM dan NBC akan diujicobakan kedalam
data teks yang lebih formal, yakni data dari judul-judul artikel. Dalam
percobaan yang sudah dilakukan, didapatkan hasil yang berbeda dengan penelitian
sebelumnya.Pada klasifikasi teks judul artikel NBC memiliki performa akurasi
yang lebih baik jika dibandingkan dengan SVM.
Penulis: Muhammad Rifqi
Ma’arif
Kode Jurnal: jptinformatikadd160394