SKRIPSI

Perbandingan Metode Naiver Bayes dan K-Nearest Neighbor Untuk Klasifikasi Berita Kriminal

---

Abstrak Era digitalisasi seperti saat ini membuktikan bahwa situs berita online sebagai salah satu platform mampu menjangkau khalayak yang lebih luas dengan tetap menjalankan fungsi jurnalistik selayaknya media konvensional dan situs berita online ini dapat diakses oleh masyarakat dengan lebih cepat dan mudah. Salah satu berita yang paling banyak dimuat dalam situs berita online adalah berita kriminal. Terdapat banyak bentuk tindakan kriminalitas yaitu pencurian, perampokan, pembunuhan, korupsi dan sebagainya. Untuk melakukan proses klasifikasi dibutuhkan metode yang dapat memberikan hasil yang tepat dan akurat. Oleh karena itu, penelitian ini menggunakan metode Naïve Bayes dan K-Nearest Neighbor. Diperoleh hasil pada penelitian ini yaitu dengan pelabelan manual metode Naïve Bayes sebesar Accuracy 73%, Precision 73%, Recall 73%, F1-Score 73% dan metode KNN Accuracy 67%, Precision 67%, Recall 67%, F1-Score 67%. Kemudian hasil pelabelan otomatis metode Naïve Bayes sebesar Accuracy 65%, Precision 76%, Recall 52%, F1-Score 57% dan metode KNN Accuracy 71%, Precision 71%, Recall 66%, F1-Score 67%. Kata kunci: Klasifikasi; Berita; Kriminsl; Naïve Bayes; K-Nearest Neighbor

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

SKI BAG 090

Penerbit

Bogor : Universitas Pakuan., 2023

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

006.31

Tipe Isi

text

Tipe Media

unmediated

Tipe Pembawa

volume

Edisi

-

Subjek

Machine Learning
Naive Bayes

Info Detail Spesifik

Skripsi S1 Ilmu Komputer, Universitas Pakuan

Pernyataan Tanggungjawab

Bagas Widagdo dibimbing oleh Arie Qur'ania, M.Kom dan Mulyati,, M.Kom

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar