Klasifikasi Kategori Hadits Menggunakan Naive Bayes Classifier
DOI:
https://doi.org/10.34818/eoe.v6i2.10725Abstrak
Hadits merupakan salah satu panduan para umat Islam dalam melakukan aktivitas baik yang berkaitan dengan dunia maupun aktivitas yang berkaitan dengan akhirat. Sejauh ini hadits memiliki bermacam-macam kategori, dan kategori yang digunakan adalah tingkat keaslian hadits. Pada tugas akhir ini dilakukan penelitian untuk mengelompokkan pokok pembahasan dari kumpulan hadits menggunakan TF-IDF untuk menghitung bobot kata yang paling umum serta algoritma Naive Bayes untuk menghitung set dari probabilitas dengan cara perhitungan frekuensi dan kombinasi dari nilai didalam set data yang diberikan. Pengujian dilakukan sebanyak 2 kali, pengujian dengan data non pre-processing dan data setelah pre-processing. Dari hasil pengujian, nilai akurasi terbaik menggunakan data pre-processing yang memperoleh akurasi sebesar 82.27%.Unduhan
Referensi
Pengertian dan Definisi. (2014). Diambil kembali dari https://pengertiandefinisi.com/pengertian-hadits-dan jenis-jenis-hadits/
Jie Chen, C. C. (2016). Optimized TF-IDF Algorithm with the Adaptive. 1 - 4.
Python - Tokenization. (2019). Diambil kembali dari Tutorials Point: https://www.tutorialspoint.com/python/python_tokenization.html
SB Kotsiantis, D. K. (2006). Data Preprocessing for supervised learning. International Journal of Computer Science Volume 1, 111-117.
Removing stop words with NLTK in Python - GeeksForGeeks. (2015). Diambil kembali dari GeeksForGeeks: https://www.geeksforgeeks.org/removing-stop-words-nltk-python/
Ristianto, W. (2016). Warung Komputer. Diambil kembali dari Machine Learning : Saat Komputer Belajar Memecahkan Masalah penting: https://warungkomputer.com/2016/07/machine-learning-saat-komputer memecahkan-masalah-penting/
Hidayat, A. (2017). Algoritma TF-IDF. Diambil kembali dari https://arfianhidayat.com/algoritma-tf-idf
Aditya. (2016, November 12). informatikalogi. Diambil kembali dari https://informatikalogi.com/term weighting-tf-idf/
Google Developers, 2018, "Classification Accuracy", Diambil dari https://developers.google.com/machine learning/crash-course/classification/accuracy/
Hassan Saif, M. F. (2014). On Stopwords, Filtering and Data Sparsity for Sentiment Analysis of Twitter. oro.open.ac.uk, 810-817.
Tina R. Patil, M. S. (2013). Performance Analysis of Naive Bayes and J48. International Journal Of Computer Science And Applications, 1-6.



