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.
PENDAHULUAN.pdf
Download (356kB)
ABSTRAK.pdf
Download (27kB)
BAB 1.pdf
Download (91kB)
BAB 2.pdf
Restricted to Registered users only
Download (140kB)
BAB 3.pdf
Restricted to Registered users only
Download (162kB)
BAB 4.pdf
Restricted to Registered users only
Download (311kB)
BAB 5.pdf
Restricted to Registered users only
Download (23kB)
DAFTAR PUSTAKA.pdf
Download (147kB)
LAMPIRAN.pdf
Restricted to Registered users only
Download (27kB)
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%.
| Dosen Pembimbing: | Oktavianto, Hardian and Dwi Rahayu, Yeni | nidn0722108105, nidn0716108602 |
|---|---|
| Item Type: | Thesis (Undergraduate) |
| Keywords/Kata Kunci: | 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 | alfainasfik@gmail.com |
| Date Deposited: | 03 Nov 2022 01:12 |
| Last Modified: | 03 Nov 2022 01:12 |
| URI: | https://repository.unmuhjember.ac.id/id/eprint/15460 |
