Azizy, Muhammad Ahfa (2022) KLASIFIKASI BERITA DI MASA PANDEMI MENGGUNAKAN METODE NAIVE BAYES CLASSIFICATION DENGAN SELEKSI FITUR TERM FREQUENCY-INVERSE DOCUMENT FREQUENCY. Other thesis, UPN 'Veteran" Yogyakarta.
![[thumbnail of Daftar_Pustaka_Muhammad Ahfa Azizy_123150098.pdf]](http://eprints.upnyk.ac.id/style/images/fileicons/text.png) |
Text
Daftar_Pustaka_Muhammad Ahfa Azizy_123150098.pdf Download (93kB) |
|
Text
Halaman_Pengesahan_Pembimbing_Muhammad Ahfa Azizy_123150098.pdf Download (404kB) |
|
Text
Halaman_Pengesahan_Penguji__Muhammad Ahfa Azizy_123150098.pdf Download (403kB) |
|
Text
Skripsi_Full_Muhammad Ahfa Azizy_123150098.pdf Restricted to Repository staff only Download (2MB) |
|
Text
Abstract_Muhammad Ahfa Azizy_Informatika_123150098.pdf Download (33kB) |
Abstract
Dengan semakin banyaknya berita dimasa pandemi membuat masyarakat sulit untuk
mencari berita yang sesuai dengan kategori yang diinginkan, karena setiap portal berita
mempunyai standar kategori yang berbeda, contoh pada kompas.com tidak ada kategori
berita ekonomi, kategori yang mirip ekonomi pada kompas.com yaitu money dan umkm,
begitu juga dengan portal berita online lainnya mempunyai standar berita yang berbeda�beda. Dari masalah tersebut dibutuhkan sistem cerdas untuk mengkategorikan berita.
Penelitian yang dilakukan menggunakan Naïve Bayes Classifier dan Term
Frequency-Inverse Document Frequency untuk mengklasifikasikan berita mendapatkan
akurasi yang tinggi. Algoritma Naïve Bayes Classifier adalah sebuah metode klasifikasi yang
sangat sederhana namun memiliki kecepatan dan nilai akurasi yang tinggi (Rish 2001).
Selain menggunakan Naïve Bayes Classifier sebagai metode klasifikasi, penelitian ini
menggunakan Term Frequency-Inverse Document Frequency untuk proses seleksi fitur.
Term Frequency-Inverse Document Frequency jika dikombinasikan dengan Naïve Bayes
Classifier akan menunjukkan hasil yang lebih optimal (A.Rahman, W. Wiranto, A. Doewes,
2017). Pengujian sistem dengan menggunakan 300 data, data set dibagi menjadi 80% data
latih yang berjumlah 240 dan 20% data uji yang berjumlah 60. Hasil dari pengujian sistem
memperlihatkan bahwa metode Naïve Bayes Classifier memberikan hasil akurasi sebesar
95%, presisi 94.5%, dan nilai recall terbaik yaitu 100%.
Kata Kunci : Pandemi, Berita, Naïve Bayes Classifier (NBC), Term Frequency-Inverse
document Frequency (TF-IDF), Klasifikasi Berita.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Pandemi, Berita, Naïve Bayes Classifier (NBC), Term Frequency-Inverse document Frequency (TF-IDF), Klasifikasi Berita. |
| Subjects: | H Social Sciences > HD Industries. Land use. Labor |
| Divisions: | Faculty of Engineering, Science and Mathematics > School of Engineering Sciences |
| Depositing User: | Eko Yuli |
| Date Deposited: | 07 Jun 2022 04:25 |
| Last Modified: | 13 Jan 2023 06:38 |
| URI: | http://eprints.upnyk.ac.id/id/eprint/29991 |
Actions (login required)
 |
View Item |