2018
DOI: 10.15408/jti.v10i2.6822
|View full text |Cite
|
Sign up to set email alerts
|

Implementasi Algoritma Multinomial Naive Bayes Classifier

Abstract: ABSTRAK Informasi diperkirakan lebih dari 80% tersimpan dalam bentuk teks tidak terstruktur. Oleh karena itu, dibutuhkan sistem pengelolaan teks yaitu dengan metode text mining yang diyakini memiliki potensial nilai komersial tinggi. Salah satu implementasi dari text mining yaitu klasifikasi teks. Tidak hanya dokumen, pemanfaatan klasifikasi juga digunakan pada surat. Peneliti mengkaji Multinomial Naive Bayes Classifier untuk mengklasifikasi surat keluar sehingga dapat menentukan nomor surat secara otomatis. … Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
2
1
1
1

Citation Types

0
2
0
6

Year Published

2021
2021
2022
2022

Publication Types

Select...
6
1

Relationship

0
7

Authors

Journals

citations
Cited by 7 publications
(8 citation statements)
references
References 0 publications
0
2
0
6
Order By: Relevance
“…TF (Term Frequency) which states the number of words that appear in a document. DF (Document Frequency) states how many documents for TF calculation using the following formula: [8] D F= log…”
Section: B Stages Of Text Miningmentioning
confidence: 99%
“…TF (Term Frequency) which states the number of words that appear in a document. DF (Document Frequency) states how many documents for TF calculation using the following formula: [8] D F= log…”
Section: B Stages Of Text Miningmentioning
confidence: 99%
“…Algoritma Multinomial Naive Bayes merupakan salah bentuk pengembangan dari algoritma bayes yang cocok dalam pengklasifikasian teks atau dokumen [28]. Metode Multinomial Naive Bayes sering digunakan dalam penelitian tentang klasifikasi teks karena kesederhanaan dan efektivitasnya yang menggunakan ide dasar probabilitas gabungan dari kata-kata dan kategori untuk memperkirakan probabilitas kategori pada suatu dokumen [29].…”
Section: Multinomial Naive Bayesunclassified
“…Untuk tipe data teks, model naive bayes yang paling cocok untuk digunakan adalah Multinomial Naive Bayes [17]. Pada Multinomial Naive Bayes Classifier, kategori dokumen tidak hanya ditentukan dari munculnya suatu kata tetapi juga jumlah kemunculannya dalam dokumen.…”
Section: Pembentukan Model Klasifikasiunclassified
“…Cara kerja multinomial naive bayes, kategori dokumen tidak hanya ditentukan oleh kata yang muncul tetapi juga melihat frekuensi kemunculan dari kata tersebut (kalokasari) [17]. Probabilistik dari dokumen d pada kelas c dapat dikomputasikan dengan menggunakan persamaan (1).…”
Section: Pembentukan Model Klasifikasiunclassified
See 1 more Smart Citation