Analisis Akurasi Algoritma Naïve Bayes pada Klasifikasi Dokumen Berkategori

Abstract

Nowadays, the growth and spread of information in online document sare very quick. Thus, it requires a good management of information from a collection of text documents to facilitate the search for relevant information needed. One kind of methods that is able to organize the text documents automatically is classification. Documents classification is the process of grouping documents according to its category. The technique that is widely used in the documents classification such as Naive Bayes Classifier (NBC), which has several advantages, among others. It is simple, fast, and accurate. Based on the previous studies using the Naive Bayes for classification of documents, the research ertries to classify documents that are usually done using some categories, but in this study, these categories are grouped into more common categories with the same domain, namely sub parent category and parent category. Among the categories that have the same domain, there are many words that appear showing the same characteristics of the sub parent category and its parent category. The use of sub parent category and parent category in Naïve Bayes algorithmis expected to gain a higher accuracy, especially in the documents classification because the words that appear in a document that intersect each other shave caused very large mis classification between the categories. The results showed that the classification accuracy is 31,25% for the documents without sub parent category + parent category and the maximum of accuracy is 34,37% for the documents using sub parent category + parent category.

Saat ini penyebaran informasi berkembang sangat pesat dalam dokumen online dari ke waktu waktu yang jumlahnya sangat besar. Diperlukan pengelolaan informasi yang baik dari sekumpulan dokumen teks sehingga dapat mempermudah dalam pencarian informasi yang relevan dengan kebutuhan. Metode yang dapat mengorganisir dokumen teks secara otomatis diantaranya adalah klasifikasi. Klasifikasi dokumen adalah proses pengelompokan dokumen sesuai dengan kategori yang dimilikinya. Teknik yang banyak digunakan dalam klasifikasi dokumen diantaranya adalah Naive Bayes Classifier (NBC) yang memiliki beberapa kelebihan antara lain, sederhana, cepat dan berakurasi tinggi. Berdasarkan penelitian sebelumnya yang menggunakan naive bayes untuk klasifikasi dokumen. Penulis mencoba untuk melakukan penelitian bagaimana mengklasifikasikan dokumen yang biasanya dilakukan dengan menggunakan beberapa kategori tetapi pada penelitian kali ini kategori-kategori tersebut dikelompokkan lagi ke dalam kategori-kategori yang lebih umum yang memiliki domain yang sama yaitu sub parent category dan parent category. Diantara kategori-kategori yang memiliki domain yang sama banyak terdapat kata-kata yang muncul sama yang menunjukkan ciri dari sub parent category dan parent categorynya. Penggunaan sub parent category dan parent category pada algoritma naïve bayes diharapkan dapat menghasilkan akurasi yang lebih tinggi khususnya pada klasifikasi dokumen karena banyaknya kata-kata yang muncul dari suatu dokumen yang saling beririsan menyebabkan jumlah kesalahan klasifikasi antar kategori sangat besar. Adapun hasil uji coba menunjukkan bahwa nilai akurasi 31,25% untuk klasifikasi dokumen tanpa menggunakan sub parent category + parent category dan maksimal 34,37% untuk klasifikasi dokumen menggunakan sub parent category + parent category