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: | |
| 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/ |
Daftar Isi:
- 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.