Text Mining Dengan Metode Naive Bayes Classifier Untuk Mengklasifikasikan Berita Berdasarkan Konten

Roifa, Ain Nuor (2018) Text Mining Dengan Metode Naive Bayes Classifier Untuk Mengklasifikasikan Berita Berdasarkan Konten. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
1213100009-Undergraduate_Theses.pdf - Published Version
Restricted to Repository staff only

Download (1MB) | Request a copy

Abstract

Berita merupakan salah satu bentuk informasi yang disampaikan melalui media. Ada berita yang disampaikan melalui media cetak seperti koran, dan ada pula berita yang disiarkan melalui media elektronik seperti televisi. Banyak orang mengetahui setiap berita atau informasi yang disampaikan di televisi. Sebelum berita disampaikan di televisi, berita diklasifikasikan terlebih dahulu. Dalam proses klasifikasi masih dilakukan secara manual oleh jurnalis di perusahaan, sehingga dibutuhkan waktu yang cukup banyak. Oleh karena itu perlu adanya metode yang bisa mengklasifikasi secara tepat dan otomatis. Text mining merupakan variasi data mining yang berusaha menemukan pola menarik dari sekumpulan data tekstual dengan jumlah cukup besar. Sedangkan algoritma naïve bayes classifier merupakan algoritma metoda untuk melakukan klasifikasi. Dalam penelitian ini data yang digunakan berupa teks berita dari TV9. Berita terdiri dari 4 kategori yaitu agama, ekonomi, politik dan sosial. Setiap kategori memiliki jumlah yang berbeda dengan total semua berita ada 935 teks berita; 500 teks berita digunakan untuk proses training, dan 435 teks berita digunakan untuk proses testing. Hasil dari penelitian ini adalah program klasifikasi teks berita dengan menggunakan software JAVA Neatbeans dapat mengklasifikasi berita kedalam empat kelas dengan tingkat akurasi 94,71265%. ========== News are one form of information submitted through the media. There is news delivered through print med ia such as newspapers, and there are also news broadcast via electronic media such as television. Many people know every news or information submitted on television. Before news is delivered on television, news is classified first. In the process of classi fication is still done manually by journalists in the company, so it takes considerable time . Therefore the need for a method that can classify precisely and automatically. Text mining is a variation of data mining that seeks to find interesting patterns f rom a batch of textual data with large numbers. While the naïve bayes classifier algorithm is a method algorithm for classification. In this study the data used in the form of news text from TV9. News consists of 4 categories: religion, economy, politics a nd social. Each category has a different amount to the total of all the news there are 935 news texts; 500 news texts are used for the training process, and 435 news texts are used for the testing process. The result of this research is news classification program using JAVA Neatbeans software can classify the news into four classes with accuracy level 94,71265%.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Program klasifikasi berita; Text Mining; Naïve Bayes Classifier; News classification program; Text Mining; Naï ve Bayes Classifier.
Subjects: Q Science > QA Mathematics > QA276 Mathematical statistics. Time-series analysis.
Q Science > QA Mathematics > QA279.5 Bayesian statistical decision theory.
Divisions: Faculty of Engineering, Science and Mathematics > School of Mathematics
Depositing User: Ain Nuor Roifa
Date Deposited: 30 Apr 2018 04:10
Last Modified: 30 Apr 2018 04:10
URI: http://repository.its.ac.id/id/eprint/51007

Actions (login required)

View Item View Item