<![CDATA[Penelitian ini bertujuan untuk melakukan klasifikasi kategori berita secara otomatis dengan menggunakan algoritma Naïve Bayes pada AG News Classification Dataset. Dataset yang digunakan dalam penelitian ini berjumlah 7.533 berita yang terbagi ke dalam empat kategori, yaitu dunia, olahraga, bisnis, serta sains atau teknologi. Penggunaan klasifikasi otomatis diharapkan dapat membantu proses pengelompokan berita berdasarkan kategori secara lebih cepat, sistematis, dan terstruktur. Tahapan penelitian meliputi pengumpulan data, preprocessing teks, pembentukan model klasifikasi, serta evaluasi terhadap kinerja model. Tahap preprocessing dilakukan melalui beberapa proses, yaitu tokenisasi, perubahan seluruh huruf menjadi lowercase, penghapusan stopword, dan pembobotan kata untuk mengubah data teks menjadi bentuk yang dapat diproses oleh algoritma. Tahapan tersebut dilakukan untuk mengurangi unsur yang kurang relevan pada teks serta menghasilkan data yang lebih sesuai untuk proses klasifikasi. Selanjutnya, model klasifikasi dibangun menggunakan bahasa pemrograman Python melalui Google Colab. Kinerja model dievaluasi menggunakan confusion matrix untuk memperoleh nilai akurasi, precision, dan recall pada setiap kategori berita. Evaluasi dilakukan untuk mengetahui kemampuan model dalam mengenali dan membedakan berita berdasarkan kategori yang telah ditentukan. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mampu melakukan klasifikasi berita ke dalam empat kategori dengan cukup baik. Hasil tersebut menunjukkan bahwa metode Naïve Bayes dapat digunakan sebagai salah satu pendekatan dalam klasifikasi teks, khususnya untuk membantu proses pengelompokan berita secara otomatis berdasarkan kategori yang telah ditentukan.]]>
Copyrights © 2026
