Aplikasi Text Mining untuk Automasi Klasifikasi Artikel dalam Majalah Online Wanita Menggunakan Naïve Bayes Classifier (NBC) dan Artificial Neural Network (ANN)

T. Dwi Ary Widhianingsih, Kartika Fithriasari
Submission Date: 2016-01-26 08:52:44
Accepted Date: 2016-04-28 10:46:38

Abstract


Informasi merupakan hal yang sangat penting dalam kehidupan bermasyarakat. Salah satu sumber informasi adalah artikel wanita online. Banyaknya kategori artikel dalam sebuah website, dapat membuat kinerja editor semakin banyak karena editor harus mengategorikan artikel satu persatu secara manual ke dalam beberapa kategori yang ditentukan. Oleh karena itu, dilakukan kajian untuk proses klasifikasi artikel yang dapat berjalan secara otomatis, yaitu dengan text mining. Artikel yang digunakan ada sebanyak 700 artikel yang diambil dari www.tabloidnova.com. Metode yang digunakan adalah Naïve Bayes Classifier (NBC) dan Artificial Neural Network (ANN). Sebagai perbandingan metode non parametrik tersebut, dilakukan pula analisis menggunakan Regresi Logistik Multinomial. Tingkat akurasi model NBC adalah sebesar 80,71%, model ANN adalah sebesar 75%, dan Reresi Logistik Multinomial adalah sebesar 57,86%. Dengan demikian, dapat dinyatakan bahwa NBC memiliki performansi yang paling baik untuk proses klasifikasi artikel wanita.

Keywords


artificial neural network;artikel wanita;klasifikasi;naive bayes classifier;regresi logistik multinomial

References


Adiwijaya, I. (2006). Text Mining dan Knowledge Discovery. Komunitas Data mining Indonesia & Soft-omputing Indonesia.

Indriani, A. (2014). Klasifikasi Data Forum dengan Menggunakan Metode Naïve Bayes Classifier. Seminar Nasional Aplikasi Teknologi Informasi (SNATI)

Kurniawan, B., Effendi, S., & Sitompul, O. S. (2012). Klasifikasi Konten Berita dengan Metode Text Mining. Dunia Teknologi Informasi-Jurnal Online, 1(1).

Hamzah, A. (2012). Klasifikasi Teks dengan Naïve Bayes Classifier (NBC) untuk Pengelompokan Teks Berita dan Abstract Akademis. In Prosiding Seminar Nasional Apikasi Sains & Teknologi (SNAST) Periode III, p. B269-B277. Yogyakarta.

Moraes, R., Valiati, J. F., & Neto, W. P. G. (2013). Document-Level Sentiment Classification: An Empirical Comparison Between SVM and ANN. Expert Systems with Applications, 40(2), 621-633.

Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques: Concepts And Techniques. Elsevier.

Hearst, M. A. (1997, July). Text Data Mining: Issues, Techniques, and The Relationship to Information Access. In Presentation notes for UW/MS workshop on data mining (pp. 112-117).

Feldman, R., & Dagan, I. (1995). Knowledge Discovery in Textual Databases (KDT). KDD (Vol. 95, pp. 112-117).

Septiana, N., Ridok, A., & Dewi, C. (2013). Pengelompokan Dokumen Berita Berbahasa Indonesia Menggunakan Fuzzy C-Means. Respositori Jurnal Mahasiswa PTIIK UB, 1(7)

Rifqi, N., Maharani, W., & Shaufiah. (2011). Analisis dan Implementasi Klasifikasi Data Mining Menggunakan Jaringan Syaraf Tiruan dan Evolution Strategis. Konferensi Nasional Sistem dan Informatika.

Friedman, J., Hastie, T., & Tibshirani, R. (2001). The Elements of Statistical Learning (Vol. 1). Springer, Berlin: Springer series in statistics.

Ariadi, D. & Fithriasari, K. (2015). Klasifikasi Berita Indonesia Menggunakan Metode Naïve Bayessian Classification dan Support Vector Machine dengan Confix Stripping Stemmer. Jurnal Sains dan Seni ITS, 4(2), 2337-3520.


CC Licencing


Authors who publish with this journal agree to the following terms:
- 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.
- 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.
- 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 (See The Effect of Open Access).

Refbacks

  • There are currently no refbacks.


Lembaga Penjaminan Mutu, Pengelolaan dan Perlindungan Kekayaan Intelektual (LPMP2KI) ITS
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.