Klasifikasi artikel berita menggunakan metode naive Bayes classifier
dc.contributor.advisor | Adisantoso, Julio | |
dc.contributor.author | Susanto, Ahmad Baskoro Pudyokusumo | |
dc.date.accessioned | 2024-03-28T04:10:53Z | |
dc.date.available | 2024-03-28T04:10:53Z | |
dc.date.issued | 2015 | |
dc.identifier.uri | http://repository.ipb.ac.id/handle/123456789/144147 | |
dc.description.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. | id |
dc.language.iso | id | id |
dc.publisher | IPB University | id |
dc.subject.ddc | Computer sciences | id |
dc.title | Klasifikasi artikel berita menggunakan metode naive Bayes classifier | id |
dc.type | Undergraduate Thesis | id |
dc.subject.keyword | bernoulli | id |
dc.subject.keyword | chi-square | id |
dc.subject.keyword | classification | id |
dc.subject.keyword | multinomial | id |
dc.subject.keyword | naive bayes | id |
dc.subject.keyword | Model klasifikasi | id |
dc.subject.keyword | Pembuangan stop words | id |
Files in this item
This item appears in the following Collection(s)
-
UT - Computer Science [2254]