{"title":"KLASIFIKASI SURAT DIGITAL MENGGUNAKAN ALGORITMA MACHINE LEARNING","authors":"Yuyun Yuyun","doi":"10.37639/jti.v13i2.350","DOIUrl":null,"url":null,"abstract":"Penelitian ini mengimplementasikan algoritm algoritma naive bayes dalam proses klasifikasi surat dan untuk membangun sistem yang dapat mengklasifikasi surat secara. Dalam penelitian ini jumlah sampel data corpus surat 1036 record, yang dibagi dalam 80% training dan 20% testing. Sampel data training algoritma Naïve Bayes di implementasikan dengan menghitung nilai bobot dari class tertinggi berdasarkan data training dengan data testing sehingga menghasilkan probabilitas tertinggi. Hasil pengolahan data mendapatkan nilai Correctly Classified Instance sebesar 86.245799% dan Incoreectly Classified Instance sebesar 13.754200% serta hasil pengujian dengan menggunakan confusion matrix mendapatkan nilai precision sebesar 86%, Recall 86 % dan Akurasi sebesar 76%. ","PeriodicalId":53375,"journal":{"name":"Jurnal Informatika Jurnal Pengembangan IT","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2023-08-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Informatika Jurnal Pengembangan IT","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.37639/jti.v13i2.350","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
KLASIFIKASI SURAT DIGITAL MENGGUNAKAN ALGORITMA MACHINE LEARNING
Penelitian ini mengimplementasikan algoritm algoritma naive bayes dalam proses klasifikasi surat dan untuk membangun sistem yang dapat mengklasifikasi surat secara. Dalam penelitian ini jumlah sampel data corpus surat 1036 record, yang dibagi dalam 80% training dan 20% testing. Sampel data training algoritma Naïve Bayes di implementasikan dengan menghitung nilai bobot dari class tertinggi berdasarkan data training dengan data testing sehingga menghasilkan probabilitas tertinggi. Hasil pengolahan data mendapatkan nilai Correctly Classified Instance sebesar 86.245799% dan Incoreectly Classified Instance sebesar 13.754200% serta hasil pengujian dengan menggunakan confusion matrix mendapatkan nilai precision sebesar 86%, Recall 86 % dan Akurasi sebesar 76%.