Klasifikasi Berita Olahraga Menggunakan Metode Naïve Bayes dengan Enhanced Confix Stripping Stemmer

Pramudita, Yoga Dwitya; Putro, Sigit Susanto; Makhmud, Nurul

doi:10.25126/jtiik.201853810

Cited by 19 publications

(16 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Sedangkan dalam penelitian yang penulis lakukan berfokus pada klasifikasi tugas akhir mahasiswa yang hanya menggunakan metode naive bayes sebagai proses klasifikasinya serta latar belakang sebagai objek dari penelitian. P Pramudita, dkk (2018) Hasil dari penelitiannya yaitu klasifikasi berita olahraga menggunakan naive bayes classifier dengan enhanced confix stripping stemmer, didapat hasil dengan tingkat keakuratan 77% serta metode naive bayes classifier mampu digunakan dalam klasfikasi berita olahraga dengan baik [6].Perbedaan:Penelitian yang penulis lakukan berfokus pada klasfikasi tugas akhir mahasiswa Teknik informatika Unimal menggunakan naive bayes classifier dan tidak menggunakan tambahan stemmer.…”

Section: Radikdo Dan Aidinaunclassified

“…Text Preprocessing merupakan proses mengubah bentuk data yang tidak terstruktur menjadi data terstruktur (perubahan teks menjadi term index) yang bertujuan untuk mengecilkan dimensi data sehingga menjadi proses komputasi bisa menjadi lebih efisien dan lebih presisi [6]. Adapun tahapan dari preprocessing berdasarkan case folding, tokenizing/ parsing, filtering dan stemming [7].…”

unclassified

See 1 more Smart Citation

Klasifikasi Karya Ilmiah (Tugas Akhir) Mahasiswa Menggunakan Metode Naive Bayes Classifier (NBC)

Nurdin

Suhendri²,

Afrilia³

et al. 2021

SISTEMASI

View full text Add to dashboard Cite

The final project or thesis is the result of research that addresses a problem according to the student's field of science. By increasing the number of graduates, the number of final project documents produced will also be even greater. The large number of scientific papers or final project documents will be difficult to find according to the topic if they are not grouped. A large number of documents will not be effective if classification is done manually. This study makes a scientific paper classification application aimed at classifying the scientific work (final project) of students in the field of Informatics Engineering. This application was built by implementing the Naive Bayes Classifier algorithm based on background parameters and will be classified into 5 categories, namely image processing, data mining, decision making systems, geographic information systems and expert systems. With the research stages, namely data collection, preprocessing, calculation of the Naive Bayes Classifier method, implementation and system testing. This study uses 170 scientific papers, which are divided into 150 data for training and 20 data for testing. The results of this study illustrate that the Naive Bayes Classifier algorithm is a simple algorithm that can be used to classify scientific papers with an average accuracy of 86.68% and the average processing time required in each test is 5.7406 seconds / test.Keywords:scientific work, naive bayes classifier, classification,training, testing ABSTRAKTugas akhir atau skripsi merupakan hasil penelitian yang membahas suatu masalah sesuai bidang ilmu dari mahasiswa. Dengan bertambah jumlah lulusan, maka jumlah dokumen tugas akhir yang dihasilkan juga akan semakin besar. Jumlah dokumen karya ilmiah atau tugas akhir yang besar akan sulit dicari sesuai dengan topik jika tidak dikelompokkan. Jumlah dokumen yang besar akan tidak efektif jika dilakukan klasifikasi secara manual. Penelitian ini membuat aplikasi klasifikasi karya ilmiah bertujuan untuk mengklasifikasikan karya ilmiah (tugas akhir) mahasiswa dalam bidang ilmu Teknik Informatika. Aplikasi ini dibangun dengan mengimplementasikan algoritma Naive Bayes Classifier berdasarkan parameter latar belakang dan akan diklasifikasikan menjadi 5 kategori yaitu pengolahan citra, data mining, sistem pengambilan keputusan, sistem informasi geografis dan sistem pakar. Dengan tahapan penelitian yaitu pengumpulan data, preprocessing, perhitungan metode Naive Bayes Classifier,implementasi dan pengujian sistem.Penelitian ini menggunakan data sebanyak 170 data karya ilmiah, yang dibagi menjadi 150 data untuk pelatihan dan 20 data untuk pengujian. Hasil penelitian ini menggambarkan bahwa algoritma Naive Bayes Classifier merupakan algoritma sederhana yang mampu digunakan untuk melakukan klasifikasi karya ilmiah dengan rata-rata akurasi 86,68% serta rata-rata waktu proses yang dibutuhkan dalam setiap pengujian yaitu 5,7406 detik/pengujian.Kata Kunci:Karya ilmiah, Naive bayes classifier, Klasifikasi, Pelatihan, Pengujian.

show abstract

Section: Radikdo Dan Aidinaunclassified

unclassified

Klasifikasi Karya Ilmiah (Tugas Akhir) Mahasiswa Menggunakan Metode Naive Bayes Classifier (NBC)

Nurdin

Suhendri²,

Afrilia³

et al. 2021

SISTEMASI

View full text Add to dashboard Cite

show abstract

“…Preprocessing terdiri dari beberapa tahapan. Adapun tahapan preprocessing berdasarkan, yaitu : case folding, tokenizing/ parsing, filtering dan stemming [7].…”

Section: Teks Pre-processingunclassified

Klasifikasi Berita Menggunakan Algoritma Naive Bayes Classifer Dengan Seleksi Fitur Dan Boosting

Prakoso

Rosiyadi

Utama

et al. 2019

RESTI

View full text Add to dashboard Cite

Penelitian yang dilakukan ini merupakan bagian dari text mining untuk klasifikasi konten berita yang telah memiliki label berdasarkan katagori berita pada situs detik.com . Proses yang dilakukan adalah melakukan permodelan dan pengolahan data, mulai proses pre-processing, proses seleksi fitur information gain, dan penerapan model algoritma Naive Bayes Classifier dengan Bayesian Boosting. Hasil yang diperoleh atas model tersebut mendapatkan nilai evaluasi terhadap akurasi, recall, dan presisi sebesar 73.2%. Sedangkan dengan model yang lebih ringkas yaitu model algoritma Naive Bayes Classifier, dengan Bayesian Boosting mendapatkan nilai evaluasi yang sama besar yaitu 73.2%. Penilaian atas hasil evaluasi model yang telah terlaksankan berkesimpulan bahwa penerapan seleksi fitur Information Gain tidak berpengaruh besar atas kenaikan hasil performa terhadap kondisi label Polynomial.

show abstract

“…Penelitian tentang pengklasifikasian selanjutnya tentang data berita oleh Yoga Dwitya Pramudita, dengan menggunakan Naive Bayes Classifier mendapatkan hasil perhitungan dengan keakuratan sebesar 77% (Pramudita et al, 2018).…”

Section: Pendahuluanunclassified

Optimalisasi Klasifikasi Berita Menggunakan Feature Information Gain Untuk Algoritma Naive Bayes Terhubung Random Forest

Prakoso

Rosiyadi²,

Aridarma³

et al. 2019

pilar

View full text Add to dashboard Cite

This research is about the classification of news that optimizes with a combination of algorithms. About the dataset used is taken on the online news site. The algorithm used is the Naive Bayes Classifier and Random Forest algorithms by weighting the Information Gain feature selection. The dataset used is 615 datasets with 3 categories or news themes. Get useless models, Delete Useful Attributes, Naive Bayes Classifier-Multinomials, and Random Forest-Feature Selection Information gain. The results of the assessment obtained were an accuracy value of 85.67%, a recall value of 85.67%, and a precision value of 86.23%.

show abstract

Klasifikasi Berita Olahraga Menggunakan Metode Naïve Bayes dengan Enhanced Confix Stripping Stemmer

Cited by 19 publications

References 0 publications

Klasifikasi Karya Ilmiah (Tugas Akhir) Mahasiswa Menggunakan Metode Naive Bayes Classifier (NBC)

Klasifikasi Karya Ilmiah (Tugas Akhir) Mahasiswa Menggunakan Metode Naive Bayes Classifier (NBC)

Klasifikasi Berita Menggunakan Algoritma Naive Bayes Classifer Dengan Seleksi Fitur Dan Boosting

Optimalisasi Klasifikasi Berita Menggunakan Feature Information Gain Untuk Algoritma Naive Bayes Terhubung Random Forest

Contact Info

Product

Resources

About