<![CDATA[Peningkatan jumlah publikasi artikel ilmiah di berbagai bidang menyebabkan proses pengelompokan artikel menjadi semakin kompleks. Klasifikasi yang masih dilakukan secara manual membutuhkan waktu yang lama, berpotensi menimbulkan inkonsistensi, dan kurang efektif ketika jumlah artikel terus bertambah. Penelitian ini bertujuan mengembangkan model klasifikasi bidang penelitian artikel ilmiah menggunakan algoritma Naive Bayes untuk membantu proses pengelompokan artikel secara otomatis berdasarkan metadata yang dimiliki. Dataset penelitian diperoleh dari Portal Garuda sejumlah 546 artikel yang terdiri atas artikel pada bidang Rekayasa Perangkat Lunak, Sistem Pendukung Keputusan, dan Sistem Informasi yang dipublikasikan dalam kurun waktu lima tahun terakhir. Tahapan penelitian meliputi pengumpulan data, text preprocessing melalui proses cleaning, case folding, tokenizing, stopword removal, dan stemming. Dilanjutkan proses klasifikasi menggunakan algoritma Naive Bayes. Kinerja model dievaluasi menggunakan confusion matrix dengan Accuracy sebesar 91,00%, Precision sebesar 91,19%, Recall sebesar 91,00%, dan F1-Score sebesar 91,01%. Hasil penelitian menunjukkan bahwa model yang dikembangkan mampu mengklasifikasikan artikel ilmiah ke dalam bidang penelitian yang sesuai dengan tingkat kinerja yang baik. Model ini diharapkan dapat mendukung pengelolaan publikasi ilmiah, mempercepat proses klasifikasi artikel, serta membantu analisis tren penelitian secara lebih efektif.]]>
Copyrights © 2026
