Analisis Data Mining dengan Metode Naive Bayes Multinomial Terhadap Klasifikasi Judul Pemberitaan

Alfain, Asfik (2022) Analisis Data Mining dengan Metode Naive Bayes Multinomial Terhadap Klasifikasi Judul Pemberitaan. Undergraduate thesis, Universitas Muhammadiyah Jember.

	Text PENDAHULUAN.pdf Download (356kB)
	Text ABSTRAK.pdf Download (27kB)
	Text BAB 1.pdf Download (91kB)
	Text BAB 2.pdf Restricted to Repository staff only Download (140kB) | Request a copy
	Text BAB 3.pdf Restricted to Repository staff only Download (162kB) | Request a copy
	Text BAB 4.pdf Restricted to Repository staff only Download (311kB) | Request a copy
	Text BAB 5.pdf Restricted to Repository staff only Download (23kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (147kB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (27kB) | Request a copy

Abstract

Media pemberitaan merupakan sebuah sebaran informasi berupa fakta yang disebarkan melalui media online, cetak, maupun siaran televisi dan radio. Saat ini media yang paling diminati adalah berbasis internet yang tersusun atas beberapa kategori berita contohnya kesehatan, seleb, news, olahraga, otomotif, travel, musik, dll. Pengklasifikasian artikel berita saat ini masih dilakukan secara manual sehingga memerlukan banyak waktu. Solusi yang diperlukan adalah sebuah sistem yang dapat mengklasifikasi artikel berita dengan otomatis. Pengklasifikasian ini menggunakan metode Multinomial Naïve Bayes dengan jumlah 19.200 dataset kemudian diukur dengan menggunakan confusion matrix dan diperoleh tingkat akurasi tertinggi sebear 74%, presisi 98%, recall 93%.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	MNB, Machine Learning, Berita.
Subjects:	000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
Divisions:	Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User:	Asfik Alfain
Date Deposited:	03 Nov 2022 01:12
Last Modified:	03 Nov 2022 01:12
URI:	http://repository.unmuhjember.ac.id/id/eprint/15460

Actions (login required)

View Item