Penerapan Metode Naive Bayes Classifier pada Klasifikasi Berita Google Alert RSS FEEDS
Jurnal Ticom: Technology of Information and Communication · 31.01.2026 · 14 (2) · 80-84
DOI: 10.70309/ticom.v14i2.193 ↗Kurz gefasst
Fachartikel in der Zeitschrift Jurnal Ticom: Technology of Information and Communication, online erschienen am 31.01.2026. Verfasst von Nofiyani Nofiyani. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).
Abstract (Originalsprache)
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%.
Zitieren
APA
Nofiyani, N. (2026). Penerapan Metode Naive Bayes Classifier pada Klasifikasi Berita Google Alert RSS FEEDS. Jurnal Ticom: Technology of Information and Communication, 14(2), 80-84. https://doi.org/10.70309/ticom.v14i2.193
Vancouver
Nofiyani N. Penerapan Metode Naive Bayes Classifier pada Klasifikasi Berita Google Alert RSS FEEDS. Jurnal Ticom: Technology of Information and Communication. 2026;14(2):80-84. doi:10.70309/ticom.v14i2.193
BibTeX
@article{Nofiyani2026,
author = {Nofiyani, Nofiyani},
title = {Penerapan Metode Naive Bayes Classifier pada Klasifikasi Berita Google Alert RSS FEEDS},
journal = {Jurnal Ticom: Technology of Information and Communication},
year = {2026},
volume = {14},
number = {2},
pages = {80--84},
doi = {10.70309/ticom.v14i2.193}
}
EUVIMED