Penerapan Metode Naive Bayes Classifier Pada Klasifikasi Berita Google Alert RSS FEEDS
DOI:
https://doi.org/10.70309/ticom.v14i2.193Keywords:
Berita, Klasifikasi, Google Alerts, Confusion Matrix, NBCAbstract
Di masa modern ini jumlah publikasi berita setiap hari semakin meningkat yang menyulitkan pengguna dalam menemukan berita yang relevan sesuai kebutuhan atau minat pengguna. Oleh karena itu, diperlukan sistem yang mampu mengelompokkan berita secara otomatis. Klasifikasi berita merupakan salah satu penerapan text mining. Proses klasifikasi ini memerlukan metode yang efektif. Salah satu metode yang sering digunakan adalah Naive Bayes Classifier, karena dapat bekerja sangat baik dan memiliki tingkat akurasi yg lebih baik dibanding model classifier lainnya. Dengan memanfaatkan data yang diperoleh dari Google Alerts RSS Feeds yang terdiri dari 80 data yang terbagi menjadi 64 data latih dan 16 data uji. Hasil evaluasi model Confusion matrix menunjukkan bahwa metode Naive Bayes Classifier (NBC) mengklasifikasikan secara benar 11 sampel dari total 16 sampel data uji dengan nilai akurasi sebesar 68,75%, nilai presisi 66,25% dan nilai recall 66,67%.
References
Repki, M. Fuad, and S. Samhati, “Manfaat Membaca Berita Bagi Siswa di SMK Swadhipa 2 Natar : Perspektif Aksiologi,” vol. 16, no. 2, pp. 67–78, 2024, doi: 10.30599/jti.v16i2.3298
J. Sihombing, “Klasifikasi Data Antroprometri Individu Menggunakan Algoritma Naïve Bayes Classifier,” vol. 2, no. 1, pp. 1–10, 2021, doi: 10.37148/bios.v2i1.15
J. Helianthusonfri, 10 Aplikasi Terbaik Google untuk Bisnis Anda, Elex Media Komputindo. Jakarta, 2020.
I. M. Hamdani, et al., “Edukasi dan Pelatihan Data Science dan Data Preprocessing," INTISARI: Jurnal Inovasi Pengabdian Masyarakat Edukasi, vol. 2, no. 1, pp. 19–26, 2024, doi: 10.58227/intisari.v2i1.125.
A. Agung, A. Daniswara, and I. K. D. Nuryana, “Data Preprocessing Pola Pada Penilaian Mahasiswa Program Profesi Guru,” vol. 5, no. 1, pp. 97–100, 2023, doi: 10.26740/jinacs.v5n01.p97-100.
L. Rofiqi and M. Akbar, “Analisis Sentimen Terkait RUU Perampasan Aset dengan Support Vector Machine,” JENIK: Jurnal Teknik Informatika, vol. 4, no. 3, pp. 29-538, 2024, doi: 10.58794/jekin.v4i3.824.
J. Jasmarizal, R. Rahmaddeni, J. Junadhi, and M. K. Anam, “Penerapan Metode Support Vector Machine untuk Analisis Sentimen Terhadap Produk Skincare,” vol. 13, no. 1, pp. 1438–1450, 2024, doi: 10.33022/ijcs.v13i1.3654
A. F. Y. Khainur, et al., “Analisis Komparatif Efektivitas Pipeline Data Cleaning Berbasis Aturan dan Lemmatisasi untuk Klasifikasi Sentimen,” Jurnal TIMES, vol. 14, no. 2, pp. 141–149, 2025. [Online]. Available: https://ejournal.stmik-time.ac.id/index.php/jurnalTIMES/article/view/890/401
H. Barus, I. N. Fajri, and Y. Pristyanto, “Sentiment Classification Analysis of Tokopedia Reviews Using TF-IDF, SMOTE, and Traditional Machine Learning Models,” Journal of Applied Informatics and Computing, vol. 9, no. 5, pp. 2552–2561, 2025, doi: 10.30871/jaic.v9i5.10524.
F. Amrullah and A. Solichin, “Analisis Emosi Pada Live Chat Youtube ’ Mata Najwa : 3 Bacapres Bicara Gagasan Menggunakan Pendekatan Lexicon dan Algoritma Naive Bayes,” Jurnal Ticom: Technology of Communication, vol. 12, no. 3, pp. 121–128, 2024, 10.70309/ticom.v12i3.132.
S. Dwi Prasetyo, S. ShofiahHilabi, and F. Nurapriani, “Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN,” Jurnal KomtekInfo, vol. 10, pp. 1–7, 2023, doi: 10.35134/komtekinfo.v10i1.330.
A. A. A. Pratamsyah and W. Widayat, “Analisis Sentimen Pengguna Twitter Terhadap Program Ibukotanusantara Menggunakan Metode Naïve Bayes,” Universitas Muhammadiyah Surakarta, 2025. [Online]. Available: https://eprints.ums.ac.id/132614/
A. Sinaga, S. P. Nainggolan, “Analisis Perbandingan Akurasi Dan Waktu Proses Algoritma Stemming Arifin-Setiono dan Nazief-Adriani Pada Dokumen Teks Bahasa Indonesia,” Sebatik, vol. 27, no. 1, pp. 63–69, 2023, doi: 10.46984/sebatik.v27i1.2072.
D. F. Zhafira, B. Rahayudi, I. Indriati, “Analisis Sentimen Kebijakan Kampus Merdeka Menggunakan Naive Bayes dan Pembobotan TF-IDF Berdasarkan Komentar pada Youtube,” Jurnal Sistem Informasi Teknologi Informasi dan Edukasi Sistem Informasi, vol. 2, no. 1, pp. 55–63, 2021, doi: 10.25126/justsi.v2i1.24.
D. O. Sihombing, “Implementasi Natural Language Processing ( NLP ) dan Algoritma Cosine Similarity dalam Penilaian Ujian Esai Otomatis,” JSON: Jurnal Sistem Komputer dan Informatika, vol. 4, pp. 396–406, 2022, doi: 10.30865/json.v4i2.5374.
A. Nurul, Y. Salim, and H. Azis, “Analisis Performa Metode Gaussian Naïve Bayes Untuk Klasifikasi Citra Tulisan Tangan Karakter Arab,” Indonesia Journal of Data Science, vol. 3, no. 3, pp. 115–121, 2022, doi: 10.56705/ijodas.v3i3.54.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Nofiyani Nofiyani
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
CC BY-SA 4.0
Creative Commons Attribution-ShareAlike 4.0 International
This license requires that reusers give credit to the creator. It allows reusers to distribute, remix, adapt, and build upon the material in any medium or format, even for commercial purposes. If others remix, adapt, or build upon the material, they must license the modified material under identical terms.
BY: Credit must be given to you, the creator.
SA: Adaptations must be shared under the same terms.ng
