Pengembangan Sistem Klasifikasi Dokumen Berbasis Algoritma Naive Bayes Classifier (Studi Kasus: Konten Berita Politik)

Abstract

Saat ini kecendrungan masyarakat untuk mengakses berita khususnya melalui dunia maya sangat tinggi. Salah satu sumber informasi berita adalah melalui web portal berita. Web portal berita merupakan situs yang memberikan dan mengumpulkan berita atau informasi dari berbagai sumber dan kategori yang beragam untuk disediakan kepada pengguna. Untuk mempercepat dan mempermudah pencarian berita, biasanya portal berita telah mengelompokkan dalam sejumlah kategori. Namun demikian kategori yang digunakan masih bersifat umum sebagai contoh berita politik, ekonomi, olahraga, dan entertainment. Apabila pembaca berita ingin mengelompokkan menurut topik yang lebih spesifik lagi, maka pembaca tersebut harus melakukannya secara manual dengan membaca seluruh berita dalam sebuah kategori dan kemudian mengelompokkanya berdasarkan subkategori yang lebih detail. Maka dari itu diperlukan adanya sistem yang dimana sistem tersebut dapat mengklasifikasikan atau mengkategorikan berita secara otomatis sesuai dengan kategori berita yang lebih spesifik. Penelitian ini menggunakan metode Naïve Bayes Classifier untuk melakukan klasifikasi dokumen. Model pengembangan dari sistem ini mengacu pada model waterfall. Penelitian ini dilaksanakan dalam 4 tahap yaitu analisis kebutuhuan fitur, desain sistem, implementasi sistem dan pengujian sistem. Pada tahap implementasi sistem diterapkan metode Naïve Bayes Classifier dalam menentukan klasifikasi dokumen. Uji performasi klasifikasi pada sistem ini menggunakan 3 perhitungan yaitu precion, recall, dan fmeasure. Hasil uji performansi terhadap sistem menunjukan bahwa sistem dapat melakukan klasifikasi dengan baik yaitu sebesar 98.37%.