Implementasi Seleksi Fitur Fs-Chiclust Dalam Optimasi Kategorisasi Teks Naïve-Bayes Pada Kasus Penerapan Klasifikasi Berita
Total View This Week0

Institusion

Universitas Komputer Indonesia

Author

Ridwan, Rahmadi

Subject

004_Data Processing & Computer Science 

Datestamp

2022-01-17 04:40:20 

Abstract :
Tujuan dari penelitian ini adalah untuk menerapkan seleksi fitur FS-CHICLUST dengan classifier Multinomial Naive-Bayes untuk mengklasifikasi dokumen-dokumen berupa teks berita dalam bahasa Indonesia ke kategori topik beritanya masing-masing. Penelitian ini menghasilkan akurasi sebesar 72.9% untuk klasifikasi teks berita menggunakan Naive-Bayes Multinomial baik yang menggunakan seleksi fitur FS-CHICLUST maupun yang tidak menggunakan seleksi fitur. Penerapan FS-CHICLUST dalam penelitian ini juga berhasil mengurangi jumlah fitur sebanyak 84% dari 5943 fitur ke hanya 960 fitur untuk menghasilkan akurasi klasifikasi yang sama. 

File :
UNIKOM_RAHMADI RIDWAN_COVER.pdf
UNIKOM_RAHMADI RIDWAN_LEMBAR PENGESAHAN.pdf
UNIKOM_RAHMADI RIDWAN_BAB 5.pdf
UNIKOM_RAHMADI RIDWAN_DAFTAR PUSTAKA.pdf
UNIKOM_RAHMADI RIDWAN_KONTAK PENULIS DAN KONTRIBUTOR.pdf
UNIKOM_RAHMADI RIDWAN_SURAT KETERANGAN PERSETUJUAN PUBLIKASI (2).pdf
UNIKOM_RAHMADI RIDWAN_SURAT PERNYATAAN ORSINILITAS.pdf
UNIKOM_RAHMADI RIDWAN_KATA PENGANTAR.pdf
UNIKOM_RAHMADI RIDWAN_DAFTAR ISI.pdf
UNIKOM_RAHMADI RIDWAN_BAB 1.pdf
UNIKOM_RAHMADI RIDWAN_BAB 2.pdf
UNIKOM_RAHMADI RIDWAN_BAB 3.pdf
UNIKOM_RAHMADI RIDWAN_BAB 4.pdf