Rancang bangun sistem peringkas berita otomatis berbasis text mining dengan menggunakan naive bayes classifier
| Main Author: | Suryatama, Nicholas Adi |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2016
|
| Subjects: | |
| Online Access: |
http://kc.umn.ac.id/1184/1/HALAMAN%20AWAL.pdf http://kc.umn.ac.id/1184/2/BAB%20I.pdf http://kc.umn.ac.id/1184/3/BAB%20II.pdf http://kc.umn.ac.id/1184/4/BAB%20III.pdf http://kc.umn.ac.id/1184/5/BAB%20IV.pdf http://kc.umn.ac.id/1184/6/BAB%20V.pdf http://kc.umn.ac.id/1184/7/DAFTAR%20PUSTAKA.pdf http://kc.umn.ac.id/1184/8/LAMPIRAN.pdf http://kc.umn.ac.id/1184/ |
Daftar Isi:
- Naive Bayes Classifier merupakan salah satu teknik klasifikasi data yang paling sering digunakan. Text summarization adalah proses untuk mendapatkan informasi paling penting dari satu atau lebih sumber informasi dan menghasilkan versi yang lebih singkat dari informasi tersebut. Terdapat dua jenis ringkasan yaitu ekstraktif dan abstraktif. Ringkasan yang akan diperoleh dari sistem merupakan ringkasan ekstraktif. Ringkasan ekstraktif merupakan ringkasan yang didapatkan dari kalimat-kalimat yang dianggap penting dari suatu sumber informasi. Dalam penelitian ini, Naive Bayes Classifier digunakan untuk melakukan text summarization pada berita. Berita yang digunakan adalah berita dengan kategori ekonomi, nasional, dan olahraga. Berita yang digunakan bersumber dari www.kompas.com. Dari berita yang ada, akan dicari tahu ringkasan manualnya melalui seorang ahli Bahasa Indonesia. Ringkasan tersebut akan dibandingkan dengan ringkasan yang dihasilkan oleh sistem. Parameter yang digunakan adalah posisi kalimat, panjang kalimat, nama entitas, data numerik, dan kemiripan kalimat dengan judul. Setelah melakukan beberapa pengujian, diketahui bahwa dengan menggunakan Naive Bayes Classifier ringkasan terbaik didapatkan pada berita dengan kategori olahraga dengan rata-rata nilai f-measure sebesar 0,77.