Klasifikasi Karya Ilmiah (Tugas Akhir) Mahasiswa Menggunakan Metode Naive Bayes Classifier (NBC)

Nurdin Nurdin, M Suhendri, Yesy Afrilia, Rizal Rizal

Abstract


ABSTRACT

The final project or thesis is the result of research that addresses a problem according to the student's field of science. By increasing the number of graduates, the number of final project documents produced will also be even greater. The large number of scientific papers or final project documents will be difficult to find according to the topic if they are not grouped. A large number of documents will not be effective if classification is done manually. This study makes a scientific paper classification application aimed at classifying the scientific work (final project) of students in the field of Informatics Engineering. This application was built by implementing the Naive Bayes Classifier algorithm based on background parameters and will be classified into 5 categories, namely image processing, data mining, decision making systems, geographic information systems and expert systems. With the research stages, namely data collection, preprocessing, calculation of the Naive Bayes Classifier method, implementation and system testing. This study uses 170 scientific papers, which are divided into 150 data for training and 20 data for testing. The results of this study illustrate that the Naive Bayes Classifier algorithm is a simple algorithm that can be used to classify scientific papers with an average accuracy of 86.68% and the average processing time required in each test is 5.7406 seconds / test.

Keywords:scientific work, naive bayes classifier, classification,training, testing

 

ABSTRAK

Tugas akhir atau skripsi merupakan hasil penelitian yang membahas suatu masalah sesuai bidang ilmu dari mahasiswa. Dengan bertambah jumlah lulusan, maka jumlah dokumen tugas akhir yang dihasilkan juga akan semakin besar. Jumlah dokumen karya ilmiah atau tugas akhir yang besar akan sulit dicari sesuai dengan topik jika tidak dikelompokkan. Jumlah dokumen yang besar akan tidak efektif jika dilakukan klasifikasi secara manual. Penelitian ini membuat aplikasi klasifikasi karya ilmiah bertujuan untuk mengklasifikasikan karya ilmiah (tugas akhir) mahasiswa dalam bidang ilmu Teknik Informatika. Aplikasi ini dibangun dengan mengimplementasikan algoritma Naive Bayes Classifier berdasarkan parameter latar belakang dan akan diklasifikasikan menjadi 5 kategori yaitu pengolahan citra, data mining, sistem pengambilan keputusan, sistem informasi geografis dan sistem pakar. Dengan tahapan penelitian yaitu pengumpulan data, preprocessing, perhitungan metode Naive Bayes Classifier,implementasi dan pengujian sistem.Penelitian ini menggunakan data sebanyak 170 data karya ilmiah, yang dibagi menjadi 150 data untuk pelatihan dan 20 data untuk pengujian. Hasil penelitian ini menggambarkan bahwa algoritma Naive Bayes Classifier merupakan algoritma sederhana yang mampu digunakan untuk melakukan klasifikasi karya ilmiah dengan rata-rata akurasi 86,68% serta rata-rata waktu proses yang dibutuhkan dalam setiap pengujian yaitu 5,7406 detik/pengujian.

Kata Kunci:Karya ilmiah, Naive bayes classifier, Klasifikasi, Pelatihan, Pengujian.


Full Text:

PDF

References


A. Salam, V. P. Wicaksana, and K. Hastuti, “Sistem Rekomendasi Penentuan Dosen Pembimbing Tugas Akhir dengan Menggunakan Algoritma Rabin-Karp,” Techno.COM, vol. 14, no. 3, pp. 225–233, 2015.

Yusra, D. Olivita, and Y. Vitriani, “Perbandingan Klasifikasi Tugas Akhir Mahasiswa Jurusan Teknik Informatika Menggunakan Metode Naïve Bayes Classifier dan K-Nearest Neighbor,” J. Sains, Teknol. dan Ind., vol. 14, no. 1, pp. 79–85, 2016.

Aprilliana, N. Ransi, and J. Nangi, “Implementasi Text Mining Klasifikasi Skripsi Menggunakan Metode Naive Bayes Classifier,” semanTIK, vol. 3, no. 2, pp. 187–194, 2017.

V. Gupta and G. S. Lehal, “A Survey of Text Mining Techniques and Applications - Volume 1, No. 1, August 2009 - JETWI,” J. Emerg. Technol. Web Intell., vol. 1, no. 1, pp. 60–76, 2009.

H. Nindito, “Teori Text Mining dan Web Mining,” sis.binus.ac.id, 2016. https://sis.binus.ac.id/2016/12/15/teori-text-mining-dan-web-mining/ (accessed Jan. 23, 2021).

Y. D. Pramudita, S. S. Putro, and N. Makhmud, “Klasifikasi Berita Olahraga Menggunakan Metode Naive Bayes Dengan Enhanced Confix Stripping Stemmer,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 3, pp. 269–276, 2018, doi: 10.25126/jtiik.201853810.

C. Triawati, “Metode Pembobotan Statistical Concept Based untuk Klastering dan Kategorisasi Dokumen Berbahasa Indonesia,” Institut Teknologi Telkom, Bandung. 2009.

M. S. Mustafa, M. R. Ramadhan, and A. P. Thenata, “Implementasi Data Mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier,” Creat. Inf. Technol. J., vol. 4, no. 2, p. 151, 2018, doi: 10.24076/citec.2017v4i2.106.

Nurdin and N. B. Puteri, “Perbandingan Metode Transformasi Wavelet Dan Fourier Dalam Penterjemahan Ayat Pada Surah Yasin,” Sist. J. Sist. Inf., vol. 9, no. 1, p. 16, 2020, doi: 10.32520/stmsi.v9i1.563.

Nurdin, Rizal, and Rizwan, “Pendeteksian Dokumen Plagiarisme Dengan Menggunakan Metode Weight Tree,” J. Telemat., vol. 1, no. 1, pp. 31–45, 2019.

Nurdin and A. Munthoha, “Sistem Pendeteksi Kemiripan Judul Skripsi Menggunakan Algoritma Winnowing,” InfoTekJar (Jurnal Nas. Inform. dan Teknol. Jaringan), vol. 2, no. 1, pp. 90–97, 2017.

Nurdin, D. Hamdhana, and M. J. Setiawan, “Sistem Pendeteksi Pola Lafadz Allah Dan Muhammad Pada Citra Al-Qur’an Menggunakan Metode Peirce,” e-Journal Techsi Tek. Inf., vol. 9, no. 2, pp. 78–90, 2017.

Nurdin, D. Hamdhana, and M. Iqbal, “Aplikasi Quick Count Pilkada Dengan Menggunakan Metode Random Sampling Berbasis Android,” e-Journal Techsi Tek. Inf., vol. 10, no. 1, pp. 141–154, 2018.

Nurdin, M. Hutomi, M. Qamal, and Bustami, “Sistem Pengecekan Toko Online Asli atau Dropship pada Shopee Menggunakan Algoritma Breadth First Search,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 4, no. 6, pp. 1117–1123, 2020, doi: 10.29207/resti.v4i6.2514.

A. C. Pradikdo and A. Ristyawan, “Model Klasifikasi Abstrak Skripsi Menggunakan Text Mining Untuk Pengkategorian Skripsi Sesuai Bidang Kajian,” J. SIMETRIS, vol. 9, no. 2, pp. 1091–1098, 2018.

R. N. Devita, H. W. Herwanto, and A. P. Wibawa, “Perbandingan Kinerja Metode Naive Bayes Dan K-Nearest Neighbor Untuk Klasifikasi Artikel Berbahasa Indonesia,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 4, pp. 427–434, 2018, doi: 10.25126/jtiik.201854773.

S. Latif, U. Suwardoyo, and E. A. Wihelmus Sanadi, “Content Abstract Classification Using Naive Bayes,” J. Phys. Conf. Ser., vol. 979, no. 1, pp. 1–8, 2018, doi: 10.1088/1742-6596/979/1/012036.

A. A. M. Aung and S. W. Hlaing, “Text Mining from News Website using Machine Learning with Naïve Bayes Algorithm,” Int. J. Sci. Eng. Technol. Res., vol. 7, no. 10, pp. 707–711, 2018.

D. Buzic and J. Dobsa, “Lyrics Classification using Naive Bayes,” 2018 41st Int. Conv. Inf. Commun. Technol. Electron. Microelectron. MIPRO 2018 - Proc., no. June, pp. 1011–1015, 2018, doi: 10.23919/MIPRO.2018.8400185.

D. P. B. Bestari, R. Saptono, and R. Anggrainingsih, “Academic Articles Classification Using Naive Bayes Classifier (Nbc) Method,” J. Ilm. Teknol. dan Inf., vol. 7, no. 2, pp. 74–81, 2018.

H. Muhamad, C. A. Prasojo, N. A. Sugianto, L. Surtiningsih, and I. Cholissodin, “Optimasi Naive Bayes Classifier Dengan Menggunakan Particle Swarm Optimization Pada Data Iris,” J. Teknol. Inf. dan Ilmu Komput., vol. 4, no. 3, pp. 180–184, 2017.




DOI: https://doi.org/10.32520/stmsi.v10i2.1193

Article Metrics

Abstract view : 64 times
PDF - 45 times

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.