Klasifikasi Berita Berbahasa Indonesia Mengggunakan Seleksi Fitur Dua Tahap Dan Naïve Bayes

  • M Ali Fauzi Universitas Brawijaya
  • Sony Gosario Institut Teknologi Sepuluh Nopember Surabaya
  • Agus Zainal Arifin Institut Teknologi Sepuluh Nopember Surabaya
Keywords: Klasifikasi Dokumen, Seleksi Fitur, Information Gain

Abstract

Jumlah dokumen digital telah meningkat secara pesat, sehingga klasifikasi dokumen secara otomatis menjadi sangat penting. Pemilihan fitur diperlukan dalam klasifikasi dokumen otomatis. Salah satu metode seleksi fitur yang terbukti handal adalah Maximal Marginal Relevance for Feature Selection (MMR-FS), namun metode ini memiliki kompleksitas yang tinggi. Dalam penelitian ini, diusulkan sebuah metode baru dalam pemilihan fitur untuk klasifikasi dokumen. Metode yang diusulkan terdiri dari dua tahap, yang pertama adalah Information Gain dan yang kedua adalah MMR-FS . Pada proses klasifikasinya digunakan metode Naïve Bayes. Dalam percobaan yang dilakukan, metode yang diusulkan bisa mencapai akurasi 86%. Metode baru ini dapat menurunkan kompleksitas MMR-FS namun tetap mempertahankan keakuratannya.

Downloads

Download data is not yet available.
Published
2017-12-04
How to Cite
Fauzi, M., Gosario, S., & Arifin, A. (2017). Klasifikasi Berita Berbahasa Indonesia Mengggunakan Seleksi Fitur Dua Tahap Dan Naïve Bayes. Systemic: Information System and Informatics Journal, 3(2), 7-12. Retrieved from http://jurnalsaintek.uinsby.ac.id/index.php/SYSTEMIC/article/view/240
Section
Articles