Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi
E, Erlangga
Universitas Bandar Lampung
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Performansi Naïve Bayes pada Klasifikasi Plagiarisme Dokumen Berdasarkan Pembobotan Teks Menggunakan Algoritma TF-IDF E, Erlangga; Saputra, Ari Kurniawan; Kushariantoko, A. Herbantolo Nurendro
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 14, No 2 (2024): December
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v14i2.3952

Abstract

Proposal skripsi adalah rencana penelitian yang diajukan oleh mahasiswa dengan bimbingan dari Dosen Pembimbing, dan disusun mengikuti aturan penulisan karya ilmiah. Algoritma TF-IDF adalah metode statistik numerik yang menunjukkan seberapa penting suatu kata dalam sebuah dokumen atau korpus. Metode Naive Bayes Classifiers adalah teknik klasifikasi teks yang menggunakan probabilitas kata kunci untuk membandingkan dokumen pelatihan dengan dokumen uji. Penelitian ini bertujuan untuk melakukan analisis performansi Naïve Bayes Classifier pada klasifikasi plagiarisme dokumen proposal skripsi berdasarkan pembobotan teks menggunakan algoritma TF-IDF. Analisis performansi dilakukan menggunakan metode Confusion Matrix. Berdasarkan pengujian dan analisis yang dilakukan menggunakan uji performansi Naive Bayes Classifier untuk klasifikasi kelas Plagiarisme Rendah, Plagiarisme Sedang, dan Plagiarisme Berat dengan jumlah dataset 85 dokumen proposal skripsi yang terbagi dalam Data Training dan Data Testing. Jumlah Data Training berjumlah 59 korpus dan Data Testing berjumlah 26 korpus. Berdasarkan uji performansi yang dilakukan mengguanakn metode Confusion Matrix didapatkan hasil yang ditunjukan pada Tabel 6 dengan Split Data 70 : 30, dengan nilai Accuracy 97,65%, nilai Precision 95,23%, dan nilai Precall 98,74%. Hal ini menunjukkan bahwa Naive Bayes Classifier berada pada tingkat excellent classification. Untuk penelitian berikutnya, analisis kritis lebih tinggi dalam dataset, maka prediksi pada data testing semakin akurat. Dengan precision sebesar 95,23%, recall sebesar 98,74%, dan accuracy sebesar 97,65%, dapat disimpulkan bahwa algoritma Naïve Bayes Classifier menunjukkan tingkat excellent classification.
Co-Authors Kushariantoko, A. Herbantolo Nurendro Saputra, Ari Kurniawan