Klasifikasi Topik Skripsi Menggunakan Kombinasi Naïve Bayes Classifier dan Adaboost (Studi Kasus: Fakultas Ilmu Komputer Universitas Jember)

Abstract

Skripsi merupakan suatu karya ilmiah mahasiswa tingkat akhir yang mengikuti prinsip kaidah ilmiah sesuai bidang keilmuan program studi. Skripsi yang telah diselesaikan diunggah ke repository perguruan tinggi yang merupakan sistem penyimpanan bahan pustaka. Berkembangnya sumber daya digital mendapat tantangan dalam memanajemen dan mengakses dokumen skripsi dalam repository, termasuk pencarian yang efisien. Pengklasifikasian skripsi di dalam repository akan mempermudah proses pencarian informasi mengenai topik skripsi secara efisien . Penelitian sebelumnya menunjukan bahwa Naïve Bayes baik untuk melakukan klasifikasi dokumen meskipun data yang sedikit, dan Adaboost juga menunjukan performas yang baik dalam melakukan klasifikasi dokumen. Namun Naive Bayes memiliki kelemahan ketika nilai probabilitas yang hampir mirip atau sama akan menurunkun tingkat performanya. Oleh karena itu penelitian mengkombinasikan Naïve Bayes dengan Adaboost untuk mengatasi kelemahana Naïve Bayes. Naïve Bayes akan digunakan sebagai model utama dan Adaboost akan digunakan ketika nilai probabilitas Naïve Bayes hampir mirip atau sama. Penelitian melibatkan crawling data, pelabelan, text processing, split data, pembobotan kata, pengklasifikasian, dan evaluasi model. Hasil penelitian menunjukan terdapat peningkatan performa pada akurasi sebesar 1,72%. Akurasi yang didapatkan pada model kombinasi Naïve Bayes dan Adaboost tersebut sebesar 65,36% dan F1-Score sebesar 0,6691.