Supervised Classification Parsial dengan Algoritma S-EM (Spy Expectation Maximization) dan Metode Naive Bayes pada Dokumen Teks.

Tan, Bryan Liang, Dr. Sumardi, M.Si.

2023 | Skripsi | MATEMATIKA

    Klasifikasi Naive Bayes merupakan salah satu metode dalam algoritma machine learning. Metode Naive Bayes menggunakan teorema Bayes untuk menentukan kelas dari setiap input. Dalam hal klasifikasi teks, metode Naive Bayes menentukan kelas setiap teks dengan diketahui sekumpulan dokumen teks beserta kelasnya. Dalam penelitian ini, diusulkan suatu teknik untuk menangani permasalahan supervised classification parsial. Dalam permasalahan tersebut, dokumen pelatihan hanya memberikan informasi mengenai satu dari dua kelas yang ada. Algoritma S-EM (Spy Expectation Maximization) diusulkan untuk mengatasi permasalahan supervised classification parsial tersebut. Algoritma S-EM mengirim sebagian dari sekumpulan dokumen pelatihan yang memiliki 1 kelas tersebut ke sekumpulan dokumen yang belum memiliki kelas untuk mendapatkan informasi mengenai kelas lainnya.

    Naive Bayes classification is one of the methods in machine learning algorithms. The Naive Bayes method utilizes Bayes Theorem to determine the class of each input. In the case of text classification, the Naive Bayes method determines the class of each text given a set of text documents along with their classes. This study proposes a technique for handling partially supervised classification problems. In such problems, the training documents only provide information about one of the two existing classes. The S-EM (Spy Expectation Maximization) algorithm is proposed to address this issue. The S-EM algorithm sending a portion of the training document that has 1 class to the document that does not have a class to get information about the other class.

Kata Kunci : Machine Learning, Probabilitas, Naive Bayes, Teorema Bayes, Supervised Learning, Klasifikasi Teks