Perkembangan artikel ilmiah yang semakin pesat mengakibatkan terjadinya banjir informasi. Salah satu mekanisme yang dapat dilakukan yakni dengan klasifikasi. Klasifikasi bertujuan untuk mengelompokkan dokumen sesuai dengan kategorinya masing-masing. Metode-metode yang digunakan untuk melakukan klasifikasi dokumen diantaranya yakni metode Support Vector Machine, Naïve Bayes Classifier dan Decision Tree. Model klasifikasi diperoleh dengan cara penggunaan seleksi fitur seperti penggunaan chi-square untuk memilih kata yang akan digunakan agar tidak semua kata dilakukan pemrosesan. Tugas Akhir ini mengkaji penerapan kinerja metode Naïve Bayes Classifier dengan menggunakan seleksi fitur chi-square dan tanpa menggunakan seleksi fitur chi-square untuk klasifikasi artikel ilmiah Informatika berbahasa Inggris. Data yang digunakan pada penelitian ini sebanyak 100 artikel ilmiah bidang Informatika yang dibagi kedalam delapan kategori computer science. Data yang digunakan untuk eksperimen menggunakan pembagian proporsi data. Proporsi data yang digunakan yakni 60 data pelatihan dan 40 data pengujian, 70 data pelatihan dan 30 data pengujian, 80 data pelatihan dan 20 data pengujian, dan 90 data pelatihan dan 10 data pengujian. Eksperimen dilakukan sebanyak satu iterasi, dengan melakukan pengujian dan perbandingan terhadap masing-masing metode yang digunakan. Ketepatan hasil klasifikasi dilihat dengan nilai akurasi yang dihasilkan pada masing-masing metode yang diukur dengan menggunakan rumus precision. Hasil yang diperoleh pada penelitian ini menunjukkan penggunaan metode Naïve Bayes Classifier dengan menggunakan seleksi fitur chi-square menghasilkan klasifikasi lebih tepat dibandingkan tanpa menggunakan seleksi fitur chi-square. Ketepatan hasil klasifikasi yang dihasilkan dipengaruhi dengan penggunaan proporsi data yang berbeda-beda. Kata Kunci: Naïve Bayes Classifier, Chi-square, Artikel Ilmiah, Klasifikasi.

The volume of scientific articles that grows rapidly causing the information flooding. One of the mechanism which can be used to utilize those information is classification. Classification groups documents based on the categories of their contents. Methods that are used to classify documents are Support Vector Machine, Naïve Bayes Classifier and Decision Tree. Classification model is obtained by using the selection feature such as chi-square to select word which is going to be used, so not all the words in the document will be processed. This final project studies implementation of Naïve Bayes Classifier performance by using both chi-square selection feature and without using chi-square selection feature for classification of scientific informatics articles in English. The data used for this research is as many as 100 scientific articles which are divided into eight categories of computer science. The data used for this experiment is proportioned. The proportions used are 60 for data training and 40 for data testing, 70 data training and 30 data testing, 80 data training and 10 data testing, and 90 data training and 10 data testing. Experiment is done by one iteration, by testing and comparing each method used. The precision of classification result is observed by accuracy value of each method, which was measured by using precision formula. The result obtained indicates that the use of Naïve Bayes Classifier method using chi-square selection feature is more precision than that without using chi-square selection feature. The used of different data proportion affects the accuracy value of each method. Keywords: Naïve Bayes Classifier, Chi-square, Scientific Article, Classification.

http://digilib.polban.ac.id/gdl.php?mod=browse&op=read&id=jbptppolban-gdl-aidanurroh-6554