Saputra, Feri Angga (2020) Klasifikasi Dokumen Pengaduan Sambat Online menggunakan Metode Multinomial Naïve Bayes dan N-Gram. Sarjana thesis, Universitas Brawijaya.
Abstract
Dalam upaya pemanfaatan bidang teknologi dalam pelayanan publik Dinas Komunikasi dan Informatika Kota Malang telah meluncurkan aplikasi web SAMBAT Online (Sistem Aplikasi Masyarakat Bertanya Terpadu) guna menampung kritik, saran, maupun pengaduan yang diberikan oleh masyarakat. Untuk meningkatkan efisiensi waktu dan mempermudah admin dalam melakukan klasifikasi pengaduan yang masuk diperlukan metode klasifikasi teks. Metode Multinomial Naïve Bayes banyak digunakan dikarenakan algoritme ini sangat sederhana dan efisien. Namun algoritme Multinomial Naïve Bayes memiliki kekurangan yaitu memiliki ketergantungan dengan banyaknya data. Untuk menyempurnakan kekurangan tersebut peneliti menggungan metode pendukung sebagai ekstraksi fitur yaitu N-gram. Hasil pengujian dengan menggunak metode Multinomial Naïve Bayes dan N-gram menunjukan bahwa n-gram unigram dapat memberikan tingkat akurasi tertinggi sebesar 88,23% dengan rata-rata akurasi keseluruhan sebesar 80,88% dengan nilai f-measure 0,8013.
English Abstract
In an effort to utilize technology in public services, the Malang Office of Communication and Information has launched the SAMBAT Online web application (Integrated Questions Society Application System) to accommodate criticism, suggestions, and complaints given by the public. To improve time efficiency and make it easier for admins to classify incoming complaints the text classification method is needed. The Naïve Bayes Multinomial method is widely used because this algorithm is very simple and efficient. But the Naïve Bayes Multinomial algorithm has the disadvantage of having dependence on the amount of data. To improve these deficiencies researchers used a support method as feature extraction, N-gram. The test results using the Multinomial Naïve Bayes method and N- gram show that the unigram n-gram can provide the highest accuracy rate of 88.23% with an average overall accuracy of 80.88% with an f-measure value of 0,8013
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 0520150222 |
| Uncontrolled Keywords: | klasifikasi teks, pemrosesan teks, naïve bayes, n-gram.,Text classification, Text Mining, Naïve Bayes, N-Gram |
| Subjects: | 600 Technology (Applied sciences) > 621 Applied physics > 621.3 Electrical, magnetic, optical, communications, computer engineering; electronics, lighting |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Unnamed user with username nova |
| Date Deposited: | 24 Aug 2022 07:40 |
| Last Modified: | 24 Aug 2022 07:40 |
| URI: | http://repository.ub.ac.id/id/eprint/193533 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Feri Angga Saputra.pdf Restricted to Registered users only until 31 December 2023. Download (3MB) |
Actions (login required)
 |
View Item |