Perbandingan Naïve Bayes Classifier dan Support Vector Machine untuk Klasifikasi Judul Artikel

Authors

  • Muhammad Rifqi Maarif STMIK Jenderal Achmad Yani Yogyakarta

DOI:

https://doi.org/10.14421/jiska.2016.12-05

Abstract

Support Vector Machine (SVM) dan Naïve Bayes Classifier (NBC) merupakan dua algoritma yang sangat polpuler untuk text mining, khususnya untuk klasifikasi teks. Pada penelitian-penelitian sebelumnya SVM cenerung menghasilkan performa yang lebih baik dari NBC pada segi akurasi hasil klasifikasi. Salah satu hal yang menarik dari penelitian-penelitian sebelumnya adalah penggunaan jenis data yang hamper sama antara satu dengan lainnya. Penelitian-penelitian sebelumnya kebanyakan menggunakan data tweet dari situs Twitter. Data tweet merupakan jenis teks yang informal dengan banyak sekali noise dan tidak mengindahkan aturan tata bahasa. Pada penelitian kali ini, akan algoritma SVM dan NBC akan diujicobakan kedalam data teks yang lebih formal, yakni data dari judul-judul artikel. Dalam percobaan yang sudah dilakukan, didapatkan hasil yang berbeda dengan penelitian sebelumnya. Pada klasifikasi teks judul artikel NBC memiliki performa akurasi yang lebih baik jika dibandingkan dengan SVM.

References

Berry, M.W. and Kogan, J., 2010. Text Mining. Applications and Theory. West Sussex, PO19 8SQ, UK: John Wiley & Sons.

V. Chandani, R. S. Wahono dan Purwanto., 2015. Komparasi algoritma klasifikasi machine learning dan feature selection pada analisis sentimen review film, Journal of Intelligent Systems, vol. 1, no. 1, Februari 2015.

I. Hmeidi, M. Al-Ayyoub, N. A. Abdulla, A. A. Almodawar, R. Abooraig dan N. A. Mahyoub., 2014. Automatic Arabic text categorization: A comprehensive comparative study, Journal of Information Science, vol. 41, no. 1, January 2014.

F. R. Andhika dan D. H. Widyantoro., 2012, Klasifikasi topik terhadap teks pendek pada jejaring sosial Twitter, Jurnal Sarjana Institut Teknologi Bandung bidang Teknik Elektro dan Informatika, vol. 1, no. 3, Oktober 2012.

A. F. Hidayatullah dan Azhari SN., 2014. Analisis sentimen dan klasifikasi kategori terhadap tokoh publik pada Twitter, dalam Seminar Nasional Informatika 2014 (semnasIF 2014), Yogyakarta, 2014.

Downloads

Published

2016-11-07

How to Cite

Maarif, M. R. (2016). Perbandingan Naïve Bayes Classifier dan Support Vector Machine untuk Klasifikasi Judul Artikel. JISKA (Jurnal Informatika Sunan Kalijaga), 1(2), 90–93. https://doi.org/10.14421/jiska.2016.12-05

Issue

Vol. 1 No. 2 (2016): September 2016

Section

Articles

License

Copyright (c) 2016 Muhammad Rifqi Maarif

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Authors who publish with this journal agree to the following terms as stated in http://creativecommons.org/licenses/by-nc/4.0


a. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.

b. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.

c. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.