KLASIFIKASI ARTIKEL BERITA MENGGUNAKAN METODE TEXT MINING DAN NAIVE BAYES CLASSIFIER

Abstract

Perkembangan teknologi informasi dan komunikasi memang cukup menakjubkan. Kecenderungan seseorang untuk mengakses informasi khususnya berita melalui dunia maya pun menjadi semakin tinggi. Informasi merupakan hal yang sangat terpenting dalam kehidupan bermasyarakat. Salah satu sumber informasi adalah melalui web portal atau website berita. Ada sekitar 300 sampai 400 artikel berita dalam satu bulan dan banyaknya kategori artikel atau kanal atau rubrik dalam sebuah web portal, membuat kinerja editor semakin banyak karena di sini seorang editor harus dapat mengedit artikel berita dari berbagai kanal dan sekaligus harus mengkategorikan artikel satu persatu secara manual ke dalam beberapa kategori yang ditentukan. Oleh karena itu dalam penelitian ini akan dirancamg sistem klasifikasi yang dapat mengelompokkan artikel berita menggunakan metode text mining dan naive bayes classifier (NBC). Klasifikasi ini ditekankan untuk data artikel berbahasa indonesia. Artikel berita ini akan dikelompokkan ke dalam 9 kanal yaitu news, finance, sport, otomotif, entertaint, healty, food, travel dan teknologi. Pada sistem klasifikasi ini menggunakan proses pembelajaran dan untuk proses keterkaitan antar data artikel diukur berdasarkan nilai probabilitas dari data dan kata yang ada.