Klasifikasi Teks dengan Naive Bayes Classifier untuk Pengelompokan Teks Artikel

Anita, Nur (2015) Klasifikasi Teks dengan Naive Bayes Classifier untuk Pengelompokan Teks Artikel. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

[img]
Preview
Text
JURNAL.pdf

Download (141kB) | Preview
[img] Text
COVER & PENDAHULUAN.pdf

Download (351kB)
[img] Text
DAFTAR PUSTAKA.pdf

Download (143kB)
[img] Text
ABSTRAK.pdf

Download (160kB)
[img] Text
BAB I.pdf

Download (148kB)
[img] Text
BAB II.pdf
Restricted to Repository staff only

Download (498kB)
[img] Text
BAB III.pdf
Restricted to Repository staff only

Download (259kB)
[img] Text
BAB IV.pdf
Restricted to Repository staff only

Download (958kB)
[img] Text
BAB V.pdf
Restricted to Repository staff only

Download (85kB)

Abstract

Jumlah teks artikel yang tersedia dalam bentuk digital semakin banyak hampir setiap media massa elektronik memberikan sebuah informasi seperti halnya artikel. Sementara itu, teks dari suatu artikel terkadang memiliki suatu kemiripan antara artikel satu dengan artikel lainnya yang akan membuat pembaca mengalami kesulitan dalam mengklasifikasi. Penelitian ini berusaha untuk mengklasifikasikan beberapa kategori teks artikel dengan mengelompokkan berupa artikel kesehatan dengan menggunakan algoritma Naive Bayes Classifier. Klasifikasi ini ditekankan pada teks artikel yang berupa kesehatan, untuk mengetahui nilai akurasi yang akan diukur menggunakan pembobotan dari proses algoritma Naive Bayes Classifier. Tahapan dalam metodologi penelitian terdiri dari : pengumpulan dokumen (data set), proses text mining, proses algoritma Naive Bayes Classifier, hasil Naive Bayes Classifier, dan analisa hasil. Metode Naive Bayes Classifier merupakan metode yang digunakan untuk mengklasifikasi. Oleh karena itu untuk menyelesaikan permasalahan ini digunakan metode Naive Bayes Classifier sebagai alat untuk mengklasifikasi sebuah teks artikel kesehatan. Hasil pengujian klasifikasi teks artikel kesehatan dengan metode Naive Bayes Classifier dapat mengklasifikasi teks artikel kesehatan dengan tingkat keberhasilan Precision 91%, Accuracy 59%, Recall 61% dari nilai rata-rata keseluruhan dokumen percobaan dengan tingkat nilai yang berbeda. Hal ini menunjukkan bahwa metode Naive Bayes Classifier tingkat klasifikasi dalam mengelompokkan suatu dokumen belum optimal.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Naive Bayes Classifier, Klasifikasi Teks, Artikel Kesehatan
Subjects: 000 General Works > 004 Data Processing, Computer Science
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1 - Undergraduate Thesis)
Depositing User: Hendri Uut Fahrullah
Date Deposited: 29 Jul 2019 08:39
Last Modified: 19 Nov 2019 06:24
URI: http://repository.unmuhjember.ac.id/id/eprint/2213

Actions (login required)

View Item View Item