KLASIFIKASI ARTIKEL BERITA SECARA OTOMATIS MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER YANG DIMODIFIKASI
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.
Penulis: Wayan Firdaus
Mahmudy, Agus Wahyu Widodo
Kode Jurnal: jptlisetrodd140883
