Analisis Klasifikasi Surat BPS Sragen Menggunakan TF-IDF dan Algoritma Multinomial Naïve Bayes pada E-Arsip

Fitria Ayu Novitasari (Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Duta Bangsa Surakarta)
Wiji Lestari (Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Duta Bangsa Surakarta)
Pramono (Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Duta Bangsa Surakarta)

Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026

Pengelolaan arsip surat pada Badan Pusat Statistik (BPS) Kabupaten Sragen masih dilakukan secara manual sehingga proses pengelompokan dan pencarian surat memerlukan waktu yang relatif lama serta berpotensi menimbulkan kesalahan klasifikasi. Penelitian ini bertujuan menerapkan metode Term Frequency-Inverse Document Frequency (TF-IDF) dan algoritma Multinomial Naive Bayes untuk melakukan klasifikasi otomatis jenis surat pada sistem e-arsip berbasis web. Tahapan penelitian meliputi pengumpulan dataset surat, preprocessing teks, pembobotan kata menggunakan TF-IDF, serta proses klasifikasi menggunakan Multinomial Naive Bayes. Sistem dikembangkan menggunakan bahasa pemrograman Python dengan framework Flask. Dataset yang digunakan terdiri atas tiga kategori surat, yaitu pengumuman, undangan, dan permohonan. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan jenis surat secara otomatis dengan tingkat akurasi sebesar 85,71%. Hasil tersebut menunjukkan bahwa kombinasi metode TF-IDF dan algoritma Multinomial Naive Bayes cukup efektif dalam meningkatkan efisiensi pengelolaan arsip surat digital. Dengan demikian, sistem yang dikembangkan dapat membantu proses pengelompokan dan pencarian arsip surat secara lebih cepat, tepat, dan terstruktur pada BPS Kabupaten Sragen.