SISTEM KLASIFIKASI BERITA DARING FAKTOR KEJAHATAN PENYALAHGUNAAN NARKOTIKA BERBASIS ALGORITMA NAIVE BAYES

Oki Arifin

Abstract


Tingginya tingkat penggunaan situs berita memungkinkan penyebaran berita yang lebih cepat, luas, aktual, dan ramah lingkungan. Kasus-kasus narkotika merupakan artikel yang banyak ditemui di media berita daring. Dari berita daring tersebut di kelompokkan berdasarkan faktor kejahatan penyalahgunaan narkotika berasal dari individu, lingkungan dan narkoba. Dengan demikian, perlu dikembangkan sebuah sistem klasifikasi yang diharapkan dapat membantu pihak kepolisian dan pihak terkait dalam mengetahui faktor penyebab kejahatan penyalahgunaan narkotika yang peningkatan kasusnya sudah semakin memprihatinkan di Indonesia. Text mining processing merupakan salah satu domain penelitian pada web mining yang bertujuan untuk menggali informasi dari kumpulan data teks yang jumlahnya sangat besar. Penelitian ini akan mengembangkan sebuah sistem dengan menggunakan teknik klasifikasi Naïve Bayes (NB). Pendekatan ini merupakan pendekatan mengacu pada teorema Bayes yang merupakan prinsip peluang statistika untuk mengkombinasikan pengetahuan sebelumnya dengan pengetahuan baru. Hasil penelitian ini adalah sebuah sistem untuk mengklasifikasi berita daring faktor kejahatan penyalahgunaan narkotika yang dapat diimplementasikan dengan menggunakan algoritma Naive Bayes. Pengujian sistem menggunakan confusion matrix dengan tingkat performansi dengan data uji 225 di dapatkan nilai recall 75,8%, precision 97,7%, dan accuracy 96,4%. Maka sistemklasifikasi menggunakan algoritma Naive Bayes mempunyai tingkat akurasi yang baik karena tingkat akurasinya lebih dari 50%.


Keywords


Klasifikasi, Text Mining; Naive Bayes; Confusion Matrix; Narkotika

Full Text:

Link Download

References


Almanie, T., Mirza, R., & Lor, E. (2015). Crime Prediction Based on Crime Types and Using Spatial and Temporal Criminal Hotspots. International Journal of Data Mining & Knowledge Management Process, 5(4), 01–19. https://doi.org/10.5121/ijdkp.2015.5401

D. Manning, Christopher Raghavan, P., & Schütze, H. (2009). An Introduction to Information Retrieval. Cambridge University Press.

Darujati, C., Narotama, U., & Darujati, C. (2016). Pemanfaatan Teknik Supervised Untuk Klasifikasi Teks Bahasa Indonesia, (February 2012).

Hu, X., & Liu, H. (2012). Text Analytics in Social Media. London: Springer New York.

Jati Prabowo, S. (2015). Analisis Sinergi Antara Media Cetak Jawa Pos dan Media Online Jawapos.com. Universitas Gadjah Mada.

Junianto, E., & Riana, D. (2017). Penerapan PSO Untuk Seleksi Fitur Pada Klasifikasi Dokumen Berita Menggunakan NBC. Ejournal.Bsi.Ac.Id, 4(1), 38–45. Retrieved from http://ejournal.bsi.ac.id/ejurnal/index.php/ji/article/view/1810

Malarvizhi, R., & Saraswathi, K. (2013). Web Content Mining Techniques Tools & Algorithms – A Comprehensive Study. Web Content Mining Techniques Tools & Algorithms – A Comprehensive Study, 4(8), 2940–2945. Retrieved from http://www.ijcttjournal.org

Nurlila, R. U., & La Fua, J. (2017). Penyalahgunaan Zat Adiktif pada Siswa Kelas VIII di Sekolah Menengah Pertama Negeri 05 Kota Kendari. Jurnal Al-Ta’dib, 10(1), 73–90.

Parwita, W. G. S. (2015). Hybrid Recommendation System Memanfaatkan Penggalian Frequent Itemset dan Perbandingan Keyword, 9(2), 19–21.

Prasetyo, E. (2012). Data Mining Konsep dan Aplikasi menggunakan Matlab. (Nikodemus WK, Ed.). Yogyakarta: Andi.

Razak, A., & Sayuti, W. (2006). Remaja dan Bahaya Narkoba. Jakarta: Prenada Media.

Rish, I. (2001). An empirical study of the naive Bayes classifier. Empirical Methods in Artificial Intelligence Workshop, IJCAI, 22230(JANUARY 2001), 41–46. https://doi.org/10.1039/b104835j

T, B. R., Mandala, R., & Govindaraju, R. (2008). Pemanfaatan Algoritma Ant Colony Untuk Web Usage Mining, 2008(1), 21–24.

Tan, P.-N., Steinbach, M., & Kumar, V. (2006). Introduction to Data Mining. Boston: Pearson Education.

Wahyunita, L. (2016). Permodelan Klasifikasi Artikel Berita Online Penyebab Kasus Narkoba Menggunakan Algoritma Roccio. Universitas Gadjah Mada.

Weiss, S. ., Indurkhya, N., Zhang, T., & Damerau, F. (2005). Text Mining: Predictive Methode for Analizing Unstructured Information. New York, USA: Springer.




DOI: http://dx.doi.org/10.35671/telematika.v11i2.713

Refbacks

  • There are currently no refbacks.


 



Indexed by:

 

Telematika
ISSN: 2442-4528 (online) | ISSN: 1979-925X (print)
Published by : Universitas Amikom Purwokerto
Jl. Let. Jend. POL SUMARTO Watumas, Purwonegoro - Purwokerto, Indonesia


Creative Commons License This work is licensed under a Creative Commons Attribution 4.0 International License .