Implementasi Algoritma Naïve Bayes Clasifier untuk Mengelompokkan Naskah Berita Pendidikan dan berita Covid-19

KRESNA: Jurnal Riset dan Pengabdian Masyarakat Pub Date : 2021-11-30 DOI:10.36080/jk.v1i1.2

Muhammad Azhar Mujahid, Windarto, Mohammad Syafrullah

{"title":"Implementasi Algoritma Naïve Bayes Clasifier untuk Mengelompokkan Naskah Berita Pendidikan dan berita Covid-19","authors":"Muhammad Azhar Mujahid, Windarto, Mohammad Syafrullah","doi":"10.36080/jk.v1i1.2","DOIUrl":null,"url":null,"abstract":"Seiring dengan perkembangan jaman, banyak lembaga penyaluran informasi yang pada awalnya menyampaikan berita melalui media cetak atau media elektronik, seperti koran dan televisi, beralih ke media digital berupa portal berita digital yang menggunakan jaringan internet. Pada umumnya berita yang disampaikan dalam portal berita tersebut terdiri dari beberapa kategori, seperti berita tentang pendidikan, berita kesehatan kesehatan, maupun berita dengan kategori lainnya. Namun, dalam membagi berita ke dalam kategori kategori tersebut, masih ada yang melakukan secara manual yakni dengan mengumpulkan beberapa narasumber untuk menyepakati sebuah berita masuk ke kategori yang mana. Dibandingkan dengan menggunakan cara manual, pengelompokan berita dapat dilakukan secara otomatis dengan menggunakan sebuah algoritma yang dapat mengelompokkan berita berdasarkan teks berita tersebut, baik dari teks judul ataupun teks isi berita. Naïve Bayes adalah salah satu algoritma yang dapat diimplementasikan untuk mengelompokkan berita berdasarkan teksnya. Sebelum melakukan pengklasifikasian berita berdasarkan teks, perlu dilakukan pengumpulan data berupa naskah berita beserta dengan judulnya. Dalam penelitian ini, data yang digunakan diambil dari beberapa sumber media online melalui layanan Google Alerts yang menghasilkan mesin telusur berdasarkan kriteria yang dipilih. Berdasarkan hasil pengujian dengan menggunakan data sebanyak 295 buah naskah berita, 236 buah data training, dan 59 buah data testing, didapatkan hasil akurasi sebesar 74.58%.","PeriodicalId":231391,"journal":{"name":"KRESNA: Jurnal Riset dan Pengabdian Masyarakat","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-11-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"KRESNA: Jurnal Riset dan Pengabdian Masyarakat","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.36080/jk.v1i1.2","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Seiring dengan perkembangan jaman, banyak lembaga penyaluran informasi yang pada awalnya menyampaikan berita melalui media cetak atau media elektronik, seperti koran dan televisi, beralih ke media digital berupa portal berita digital yang menggunakan jaringan internet. Pada umumnya berita yang disampaikan dalam portal berita tersebut terdiri dari beberapa kategori, seperti berita tentang pendidikan, berita kesehatan kesehatan, maupun berita dengan kategori lainnya. Namun, dalam membagi berita ke dalam kategori kategori tersebut, masih ada yang melakukan secara manual yakni dengan mengumpulkan beberapa narasumber untuk menyepakati sebuah berita masuk ke kategori yang mana. Dibandingkan dengan menggunakan cara manual, pengelompokan berita dapat dilakukan secara otomatis dengan menggunakan sebuah algoritma yang dapat mengelompokkan berita berdasarkan teks berita tersebut, baik dari teks judul ataupun teks isi berita. Naïve Bayes adalah salah satu algoritma yang dapat diimplementasikan untuk mengelompokkan berita berdasarkan teksnya. Sebelum melakukan pengklasifikasian berita berdasarkan teks, perlu dilakukan pengumpulan data berupa naskah berita beserta dengan judulnya. Dalam penelitian ini, data yang digunakan diambil dari beberapa sumber media online melalui layanan Google Alerts yang menghasilkan mesin telusur berdasarkan kriteria yang dipilih. Berdasarkan hasil pengujian dengan menggunakan data sebanyak 295 buah naskah berita, 236 buah data training, dan 59 buah data testing, didapatkan hasil akurasi sebesar 74.58%.

查看原文本刊更多论文

随着时代的发展，许多最初通过印刷品或电子媒体(如报纸和电视)传播新闻的信息机构，通过互联网的数字新闻门户，转向数字媒体。通常，在门户网站上发布的信息包括一些类别，如教育新闻、医疗保健新闻以及其他类别的新闻。然而，在将新闻细分为类别时，仍有一些人手工收集多个消息来源，就某一特定类别达成一致。与手动操作相比，新闻分组可以通过一种算法自动完成，该算法可以根据新闻文本或新闻内容对新闻进行分类。Naive Bayes是一种可以根据文本对新闻进行分类的算法。在根据文本进行新闻分类之前，必须先收集新闻文本和标题的数据。在本研究中，使用的数据通过谷歌过敏服务从在线媒体来源检索，该服务根据选定的标准生产泰苏尔引擎。通过使用295条新闻文本、236条培训数据和59条测试数据的测试结果，可以获得74.58%的准确率。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

KRESNA: Jurnal Riset dan Pengabdian Masyarakat

自引率

0.00%

发文量