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

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.