Klasifikasi Berita Ekonomi Menggunakan Metode Multinomial Naive Bayes

DENIS TRISNIANTARI, I Gede Mujiyatna, S.Kom., M.Kom.

2016 | Skripsi | S1 ILMU KOMPUTER

Meningkatnya jumlah pengguna internet di kalangan masyarakat menjadi salah satu pemicu munculnya media pemberitaan online yang menghadirkan berbagai macam informasi. Atas dasar itu banyak dari media informasi dimasa sekarang yang melakukan pengklasifikasian dengan kategorisasi terlebih dahulu sebelum disebarkan pada masyarakat luas. Pengklasifikasian tersebut berguna untuk memudahkan masyarakat untuk mencari informasi yang mereka inginkan. Salah satu berita yang tak lekang oleh waktu adalah berita ekonomi. Badan Pusat Statistik dalam websitenya www.bps.go.id yang diakses pada 4 Juli 2016, menyebutkan salah satu indikator penting untuk mengetahui kondisi ekonomi di suatu negara dalam suatu periode tertentu adalah data Produk Domestik Bruto (PDB), baik atas dasar harga berlaku maupun atas dasar harga konstan. Salah satu cara untuk menghitung angka PDB dengan menggunakan pendekatan produksi, yang dikelompokkan ke dalam 9 lapangan usaha (sektor). Pada penelitian ini dilakukan klasifikasi berita ekonomi menggunakan metode Multinomial Naive Bayes. Kategori yang dipakai dalam penelitian ini berdasarkan 9 sektor ekonomi yang mengacu pada pendekatan produksi dalam menentukan angka PDB. Data set yang digunakan sebanyak 1233 berita ekonomi online untuk data training dan 57 berita ekonomi online sebagai sebagai data testing. Data set berasal dari 12 situs berita online di Indonesia dalam kurun bulan Oktober 2015 � 1 Januari 2016. Pembuatan vocabulary sebagai fitur yang mewakili berdasarkan frekuensi kata yang sering muncul di dalam data set. Fitur yang digunakan adalah 1000 kata yang sering muncul di dalam data set. Berdasarkan fitur yang diperoleh, dilakukan klasifikasi berita ekonomi meggunakan metode Multinomial Naive Bayes. Dari hasil pengujian didapatkan hasil rata-rata dengan nilai akurasi sebesar 74,77%, f-measure sebesar 74,40%, precision sebesar 76,33% dan recall sebesar 74,77%.

The growing number of internet users among the public to be one of the triggers of the emergence of online news that presents a wide range of information. On that fact, many of media want information right now that do classification with a categorization of first before spread in the wider community. The classification is useful to make it easier for people to find the information they want. One of the everlasting news is economy news. Indonesian Central Bureau of Statistics in its website www.bps.go.id accessed on 4th July 2016, mentioned one of important indicators to know economic conditions in a country in a given period is the data of gross domestic product (GDP), both on the basis of the prices in force as well as on the basis of constant prices. One way to calculate the GDP figures by using the production approach, grouped into 9 field economy sector. This research was conducted on the classification of economy news using Multinomial Naive Bayes method. The categories used in this research was based on economic sector 9 refers to the production approach in determining GDP figures. The data sets are used as much as 1233 economy online news for training data and 57 economy online news as data testing. The data sets came from 12 online news sites in Indonesia happened from October 2015 until January 2016. The making of the vocabulary as a feature that represents a frequency based on the words that often appear in the data set. The features that used are 1000 words frequently appear. Based on the features that are obtained, done with economic news classification Multinomial Naive Bayes method. From the test results obtained from the findings of the average with accuracy value is 74,77%, f-measure is 74,40%, precision is 76,33% and recall is 74,77%.

Kata Kunci : klasifikasi teks, text mining, multinomial naive bayes