UMN Knowledge Center

Implementasi Metode Ekstraksi Fitur Bigram untuk Klasifikasi Berita Berbasis Naïve Bayes

Welfaleno, Rio (2020) Implementasi Metode Ekstraksi Fitur Bigram untuk Klasifikasi Berita Berbasis Naïve Bayes. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
PDF
HALAMAN_AWAL.pdf

Download (1MB) | Preview
[img]
Preview
PDF
DAFTAR_PUSTAKA.pdf

Download (295kB) | Preview
[img]
Preview
PDF
BAB_I.pdf

Download (304kB) | Preview
[img] PDF
BAB_II.pdf
Restricted to Registered users only

Download (427kB)
[img] PDF
BAB_III.pdf
Restricted to Registered users only

Download (519kB)
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (732kB)
[img] PDF
BAB_V.pdf
Restricted to Registered users only

Download (8kB)
[img] PDF
LAMPIRAN.pdf
Restricted to Registered users only

Download (575kB)

Abstract

Tingginya volume dokumen teks dipicu oleh aktivitas dari berbagai sumber berita dan aktivitas akademis dari kegiatan riset. Kecenderungan seseorang untuk mengakses informasi khususnya berita melalui dunia maya menjadi semakin tinggi. Salah satu cara untuk mengatasi permasalahan tersebut adalah dengan menggunakan algoritma Naïve Bayes. Kemudian juga digunakan metode ekstraksi bigram pada berita-berita di penelitian ini. Metode Naïve Bayes kemampuannya mengklasifikasi dokumen dengan kesederhanaan dan kecepatan komputasinya dalam mengolah data dalam jumlah besar, selain itu metode Naïve Bayes juga dapat megolah data tersebut dengan tingkat akurasi yang tinggi. Penelitian ini mengimplementasikan metode Naïve Bayes dengan bahasa pemrograman Python, dan melakukan klasifikasi berita berdasarkan input user. Berdasarkan hasil uji coba dengan perbandingan train set dan test set sebesar 70:30, 50:50, dan 30:70 menghasilkan akurasi sebesar 0,87; 0,89; dan 0,86 dimana jumlah dari data training yang digunakan tidak begitu berpengaruh terhadap nilai akurasi dari testing yang dilakukan.

Item Type: Thesis (Bachelor Thesis)
Uncontrolled Keywords: Bigram, Klasifikasi Berita, Naïve Bayes Classifier, Python
Subjects: T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T58.5-58.64 Information technology
Divisions: Fakultas Teknik Informatika > Program Studi Informatika
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 05 Dec 2020 10:37
Last Modified: 05 Dec 2020 10:37
URI: http://kc.umn.ac.id/id/eprint/13193

Actions (login required)

View Item View Item