<![CDATA[Klasifikasi tema ayat Al-Qur'an merupakan salah satu penerapan text mining yang dapat membantu proses pengelompokan ayat berdasarkan kandungannya secara lebih cepat dan sistematis. Penelitian ini bertujuan menganalisis dan membandingkan kinerja algoritma Random Forest, Decision Tree, dan Naïve Bayes dalam mengklasifikasikan tema ayat Al-Qur'an menggunakan representasi fitur Term Frequency–Inverse Document Frequency. Dataset yang digunakan terdiri atas 6.236 ayat Al-Qur'an dengan sembilan kategori tematik. Data diproses melalui tahapan case folding, cleaning, tokenizing, stopword removal, dan lemmatization, kemudian direpresentasikan menggunakan Term Frequency–Inverse Document Frequency dan dibagi menjadi 80% data latih serta 20% data uji menggunakan stratified sampling. Evaluasi dilakukan menggunakan accuracy, precision, recall, F1-score, dan confusion matrix. Hasil pengujian menunjukkan bahwa Naïve Bayes memperoleh accuracy dan recall tertinggi sebesar 61,14%, sedangkan Random Forest menghasilkan precision sebesar 59,65% dan F1-score sebesar 57,79%. Decision Tree memperoleh accuracy sebesar 49,20%. Hasil tersebut menunjukkan adanya perbedaan karakteristik performa antaralgoritma dalam klasifikasi tema ayat Al-Qur'an.]]>
Copyrights © 2026
