Klasifikasi artikel berita menggunakan metode naive Bayes classifier

Abstract

Banyaknya artikel berita yang diterbitkan membuat pengelompokkan berita sulit dilakukan dan rentan kesalahan. Salah satu cara untuk mempermudah pengelompokan adalah menggunakan model klasifikasi. Tujuan penelitian ini adalah menerapkan 2 teknik klasifikasi naïve Bayes, yaitu multinomial dan Bernoulli untuk klasifikasi dokumen berbahasa Inggris dari korpus Reuters- 21578, serta melakukan perbandingan antara klasifikasi 2 kelas dan 6 kelas. Hasil penelitian menunjukkan bahwa pada metode klasifikasi multinomial maïve Bayes dengan menggunakan metode seleksi fitur chi-square mendapatkan akurasi sebesar 92.81% pada klasifikasi 2 kelas dan 92.73% pada klasifikasi 6 kelas. Model klasifikasi Bernoulli naïve Bayes mendapatkan pula akurasi 92.57% untuk klasifikasi 2 kelas dan 85.94% untuk klasifikasi 6 kelas. Penelitian ini juga membandingkan akurasi klasifikasi untuk kosa kata yang dihasilkan menggunakan derajat bebas 1 dan 5 pada seleksi fitur chi-square.