Klasifikasi Sinopsis Novel Menggunakan Metode Naïve Bayes Classifier
Article Sidebar
Main Article Content
Abstract
Tidak dapat dipungkiri kemajuan teknologi berkembang dengan sangat cepat terutama di
bidang komputer, saat ini dengan komputer pekerjaan yang mulanya dikerjakan oleh manusia
dapat di ambil alih komputer guna membantu pekerjaan manusia itu sendiri, seperti halnya studi
kasus pada penelitian ini yaitu sebuah sistem yang dapat mengklasifikasikan teks berupa sinopsis
kedalam kelompok genrenya. Genre adalah gaya cerita dalam sebuah novel, terdapat banyak
genre pada novel diantaranya genre romantis, komedi, misteri, horor dan lain-lain, dengan
mengetahui genre novel pembaca akan dapat mengetahui gaya cerita novel tersebut. Metode
yang digunakan pada penelitian ini adalah metode TF-IDF (Term Frequency Inverse Document
Frequency) dan Naïve Bayes Classifier. Metode TF-IDF digunakan untuk mendapatkan bobot
dari setiap kata yang terkandung dalam dokumen yang hasilnya digunakan dalam metode Naïve
Bayes Classifier untuk mendapatkan hasil klasifikasi sinopsis kedalam bentuk genre.
Berdasarkan evaluasi menggunakan confusion matrix dengan menggunakan 600 data latih dan
200 data uji didapatkan akurasi sebesar 80,5%.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
T. Jatiningsih, K. Saddhono, and B. Waluyo, “Analisis Karakter Tokoh dan Nilai Pendidikan dalam Novel Ayahku (Bukan) Pembohong Karya Tere Liye Serta Kesesuaiannya sebagai Materi Pembelajaran Bahasa Indonesia di SMA (Tinjauan Psikologi Sastra),” pp. 8–55, 2015.
M. C. Kustanti, “TEMA DAN PESAN DALAM FUNGSI MEDIA PADA NOVEL LASKAR PELANGI KARYA ANDREA HIRATA (ANALISIS WACANA PRAGMATIK),” vol. 1, no. 2, pp. 186–195, 2016.
D. N. Chandra, G. Indrawan, and I. N. Sukajaya, “Klasifikasi Berita Lokal Radar Malang Menggunakan Metode Naïve Bayes Dengan Fitur N-Gram,” vol. 10, no. 1, pp. 11–19, 2016.
I. A. Setiawan, T. H. P, and D. Nursantika, “KLASIFIKASI ARTIKEL BERITA MENGGUNAKAN METODE TEXT,” pp. 1–6, 2017.
A. P. Wijaya, H. A. Santoso, J. T. Informatika, U. Dian, and N. Semarang, “Naive Bayes Classification pada Klasifikasi Dokumen Untuk Identifikasi Konten E-Government,” vol. 1, no. 1, pp. 48–55, 2016.
O. Somantri and M. Khambali, “Feature Selection Klasifikasi Kategori Cerita Pendek Menggunakan Naïve Bayes dan Algoritme Genetika,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 6, no. 3, 2017.
Y. D. Pramudita, S. S. Putro, and N. Makhmud, “Klasifikasi Berita Olahraga Menggunakan Metode Naïve Bayes dengan Enhanced Confix Stripping Stemmer,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 3, p. 269, 2018.
A. Rahman, “Klasifikasi Berita Online Menggunakan Multinomial Naive Bayes,” vol. 6, tidak. 1, 2017.
R. Saptono dkk., “KLASIFIKASI TEKS MENGGUNAKAN NAIVE BAYES UPDATEABLE,” vol. 13, tidak. 02, hlm.123–133, 2016.
V. Chandani, F. I. Komputer, and U. D. Nuswantoro, “Komparasi Algoritma Klasifikasi Machine Learning Dan Feature Selection pada Analisis Sentimen Review Film,” J. Intell. Syst., vol. 1, no. 1, pp. 56–60, 2015.
H. Februariyanti, “Klasifikasi Dokumen Berita Teks Bahasa Indonesia menggunakan Ontologi,” vol. 17, no. 1, pp. 14–23, 2012.
R. Saptono dkk., “KLASIFIKASI TEKS MENGGUNAKAN NAIVE BAYES UPDATEABLE,” vol. 13, tidak. 02, hlm.123–133, 2016.
A. Hamzah, “Klasifikasi Teks Dengan Naïve Bayes Classifier (NBC) Untuk Pengelompokan Teks Berita Dan Abstract Akademis,” Pros. Semin. Nas. Apl. Sains Teknol. Periode III, no. 2011, pp. 269–277, 2012.
R. Efendi and R. F. Malik, “Klasifikasi dokumen berbahasa indonesia menggunakan naive bayes classifier,” vol. I, no. I, pp. 7–13, 2012.