<![CDATA[Penelitian ini bertujuan untuk mengimplementasikan algoritma Naïve Bayes dalam mengklasifikasikan berita online terkait Pemerintah Kota Medan ke dalam kategori Prioritas dan Non-Prioritas. Dataset yang digunakan terdiri dari 207 judul berita yang dihimpun dari berbagai sumber online. Setiap judul berita diproses melalui tahapan preprocessing seperti case folding, tokenizing, stopword removal, dan stemming untuk menghasilkan representasi fitur biner yang digunakan sebagai input klasifikasi. Pembagian dataset dilakukan dengan komposisi 70% data latih dan 30% data uji untuk menilai performa model secara objektif. Hasil evaluasi menggunakan confusion matrix menunjukkan bahwa algoritma Naïve Bayes mampu mencapai akurasi sebesar 85,71% dalam mengelompokkan berita ke dalam kategori yang sesuai. Temuan ini menunjukkan bahwa metode Naïve Bayes cukup efektif dan dapat diimplementasikan sebagai alat bantu dalam mengidentifikasi berita yang berkaitan dengan program-program prioritas Pemerintah Kota Medan secara otomatis.]]>
Copyrights © 2025
