Artikel ilmiah saat ini semakin berkembang pesat. Diperkirakan ada satu artikel ilmiah bertambah setiap menitnya. Dengan pertambahan itu informasi penting yang terdapat pada artikel ilmiah terkadang terlewatkan, sehingga dibutuhkan suatu mekanisme yang digunakan untuk memanfaatkan informasi tersebut. Salah satu mekanismenya, yaitu klasifikasi yang merupakan pekerjaan mengelompokkan suatu object ke dalam kelompok yang telah ditentukan sebelumnya. Metode yang digunakan adalah Naive Bayes Classifier (NBC) yang mengelompokkan artikel ilmiah berdasarkan probabilitas kemunculan kata. Untuk memperoleh kata yang dapat digunakan untuk menjadi suatu model klasifikasi diperlukan seleksi fitur agar tidak semua kata diproses. Tugas Akhir ini mengkaji kinerja metode seleksi fitur frequency-based dan chi-square beserta penggunaan kombinasi elemen artikel ilmiah untuk proses klasifikasi. Pada Tugas Akhir digunakan 80 artikel ilmiah sebagai data eksperimen, dengan 56 data pelatihan dan 24 data pengujian yang diperoleh dari berbagai macam media penyedia artikel ilmiah. Hasil yang diperoleh menunjukkan penggunaan metode seleksi fitur menghasilkan nilai akurasi tertinggi 79.2%. Metode seleksi fitur chi-square menghasilkan nilai akurasi yang lebih baik daripada frequency-based, yaitu 75% untuk metode seleksi fitur frequency-based dan 79.2% untuk metode seleksi fitur chi-square. Penggunaan kombinasi elemen artikel ilmiah menghasilkan nilai akurasi lebih dari 75%. Untuk kombinasi elemen artikel ilmiah yang memberikan nilai akurasi maksimal ada berbagai kombinasi diantaranya judul, abstrak, kata kunci dan pendahuluan. Penggunaan elemen kesimpulan pada kombinasi kurang memberikan nilai akurasi yang baik. Kata Kunci: Naive Bayes Classifier (NBC), Frequency-based, Chi-Square, Artikel Ilmiah.

Scientific article currently growing rapidly. There is around one scientific article published in every minute. With the large number of scientific article the important information in scientific articles are sometimes missed, so we need a mechanism to utilizing the information. One of the mechanism is to classifiy an object into predetermined groups. The method used is Naive Bayes Classifier (NBC) which classifies the scientific article based on the probability of occurrence of the word. To obtain a word that can be used as a model classifcation required feature selection so that not all words are processed. In this final project examined the performance of the method of frequency-based feature selection and chi-square along with the use of a combination of elements of scientific articles for the classification process. In this final project used 80 scientific articles as experiment data, with 56 training data and 24 test data obtained from a variety of scientific articles media provider . The results obtained shown that the use of feature selection methods produced the highest accuracy rate 79.2%. Chi-square selection feature method produced better accuracy rate than the frequency-based, that are 75% for the method of frequency-based feature selection and 79.2% for the method of chi-square feature selection. The use of combination elements scientific article produced accuracy rate more than 75%. Combination elements of scientific articles provided maximum accuracy value, they were various combinations including titles, abstracts, keywords and the introduction. The use of conclusions elemen on a combination gave less accuracy rate. Keywords: Naive Bayes Classifier (NBC), Frequency-based, Chi-Square, Scientific Article.

http://digilib.polban.ac.id/gdl.php?mod=browse&op=read&id=jbptppolban-gdl-tutiasnawa-8599