Cover Image

Implementasi Metode Ekstraksi Fitur Bigram untuk Klasifikasi Berita Berbasis Naïve Bayes

Main Author: Welfaleno, Rio
Format: Thesis NonPeerReviewed application/pdf
Bahasa: eng
Terbitan: , 2020
Subjects:
T58.5-58.64 Information technology
Online Access: http://kc.umn.ac.id/13193/1/HALAMAN_AWAL.pdf
http://kc.umn.ac.id/13193/2/DAFTAR_PUSTAKA.pdf
http://kc.umn.ac.id/13193/3/BAB_I.pdf
http://kc.umn.ac.id/13193/4/BAB_II.pdf
http://kc.umn.ac.id/13193/5/BAB_III.pdf
http://kc.umn.ac.id/13193/6/BAB_IV.pdf
http://kc.umn.ac.id/13193/7/BAB_V.pdf
http://kc.umn.ac.id/13193/8/LAMPIRAN.pdf
http://kc.umn.ac.id/13193/
ctrlnum 13193
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://kc.umn.ac.id/13193/</relation><title>Implementasi Metode Ekstraksi Fitur Bigram untuk Klasifikasi Berita Berbasis Na&#xEF;ve Bayes</title><creator>Welfaleno, Rio</creator><subject>T58.5-58.64 Information technology</subject><description>Tingginya volume dokumen teks dipicu oleh aktivitas dari berbagai sumber berita dan aktivitas akademis dari kegiatan riset. Kecenderungan seseorang untuk mengakses informasi khususnya berita melalui dunia maya menjadi semakin tinggi. Salah satu cara untuk mengatasi permasalahan tersebut adalah dengan menggunakan algoritma Na&#xC3;&#xAF;ve Bayes. Kemudian juga digunakan metode ekstraksi bigram pada berita-berita di penelitian ini. Metode Na&#xC3;&#xAF;ve Bayes kemampuannya mengklasifikasi dokumen dengan kesederhanaan dan kecepatan komputasinya dalam mengolah data dalam jumlah besar, selain itu metode Na&#xC3;&#xAF;ve Bayes juga dapat megolah data tersebut dengan tingkat akurasi yang tinggi. Penelitian ini mengimplementasikan metode Na&#xC3;&#xAF;ve Bayes dengan bahasa pemrograman Python, dan melakukan klasifikasi berita berdasarkan input user. Berdasarkan hasil uji coba dengan perbandingan train set dan test set sebesar 70:30, 50:50, dan 30:70 menghasilkan akurasi sebesar 0,87; 0,89; dan 0,86 dimana jumlah dari data training yang digunakan tidak begitu berpengaruh terhadap nilai akurasi dari testing yang dilakukan.</description><date>2020</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/13193/1/HALAMAN_AWAL.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/13193/2/DAFTAR_PUSTAKA.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/13193/3/BAB_I.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/13193/4/BAB_II.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/13193/5/BAB_III.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/13193/6/BAB_IV.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/13193/7/BAB_V.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/13193/8/LAMPIRAN.pdf</identifier><identifier> Welfaleno, Rio (2020) Implementasi Metode Ekstraksi Fitur Bigram untuk Klasifikasi Berita Berbasis Na&#xEF;ve Bayes. Bachelor Thesis thesis, Universitas Multimedia Nusantara. </identifier><recordID>13193</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
File:application/pdf
File
author Welfaleno, Rio
title Implementasi Metode Ekstraksi Fitur Bigram untuk Klasifikasi Berita Berbasis Naïve Bayes
publishDate 2020
topic T58.5-58.64 Information technology
url http://kc.umn.ac.id/13193/1/HALAMAN_AWAL.pdf
http://kc.umn.ac.id/13193/2/DAFTAR_PUSTAKA.pdf
http://kc.umn.ac.id/13193/3/BAB_I.pdf
http://kc.umn.ac.id/13193/4/BAB_II.pdf
http://kc.umn.ac.id/13193/5/BAB_III.pdf
http://kc.umn.ac.id/13193/6/BAB_IV.pdf
http://kc.umn.ac.id/13193/7/BAB_V.pdf
http://kc.umn.ac.id/13193/8/LAMPIRAN.pdf
http://kc.umn.ac.id/13193/
contents Tingginya volume dokumen teks dipicu oleh aktivitas dari berbagai sumber berita dan aktivitas akademis dari kegiatan riset. Kecenderungan seseorang untuk mengakses informasi khususnya berita melalui dunia maya menjadi semakin tinggi. Salah satu cara untuk mengatasi permasalahan tersebut adalah dengan menggunakan algoritma Naà ̄ve Bayes. Kemudian juga digunakan metode ekstraksi bigram pada berita-berita di penelitian ini. Metode Naà ̄ve Bayes kemampuannya mengklasifikasi dokumen dengan kesederhanaan dan kecepatan komputasinya dalam mengolah data dalam jumlah besar, selain itu metode Naà ̄ve Bayes juga dapat megolah data tersebut dengan tingkat akurasi yang tinggi. Penelitian ini mengimplementasikan metode Naà ̄ve Bayes dengan bahasa pemrograman Python, dan melakukan klasifikasi berita berdasarkan input user. Berdasarkan hasil uji coba dengan perbandingan train set dan test set sebesar 70:30, 50:50, dan 30:70 menghasilkan akurasi sebesar 0,87; 0,89; dan 0,86 dimana jumlah dari data training yang digunakan tidak begitu berpengaruh terhadap nilai akurasi dari testing yang dilakukan.
id IOS6965.13193
institution Universitas Multimedia Nusantara
institution_id 355
institution_type library:university
library
library Perpustakaan Universitas Multimedia Nusantara
library_id 306
collection Knowledge Center UMN
repository_id 6965
subject_area Business/Bisnis
Communication/Komunikasi
Art Apreciation/Apresiasi Seni
Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika
city TANGERANG
province BANTEN
shared_to_ipusnas_str 1
repoId IOS6965
first_indexed 2020-12-19T03:50:27Z
last_indexed 2020-12-19T03:50:27Z
recordtype dc
_version_ 1686477458734317568
score 17.538404

Lihat Juga