Klasifikasi Berita Berbahasa Indonesia Menggunakan Algoritma Naive Bayes Dengan Seleksi Fitur Algoritma Genetika

Perkembangan berita yang semakin banyak dan beragam menyebabkan perusahaan jurnalistik tertuntut untuk bergerak semakin cepat. Untuk menentukan kategori berita terutama berita yang tidak terlalu berbeda secara jelas, editor harus mengetahui isi berita yang akan diunggah secara keseluruhan untuk selanjutnya diklasifikasikan ke dalam kategori yang tepat. Akan lebih efesien apabila kategori berita diklasifikasikan secara otomatis oleh sistem menggunakan metode tertentu. Telah banyak penelitian yang menggunakan metode tertentu untuk melakukan klasifikasi terhadap dokumen teks, namun salah satu yang paling populer digunakan adalah algoritma Naive Bayes. Salah satu usaha lainnya yang dilakukan adalah menggunakan teknik seleksi fitur dengan harapan meningkatkan performa keakuratan dari metode yang digunakan. Beberapa penelitian yang menggunakan teknik seleksi fitur meninggalkan saran untuk menggunakan teknik seleksi fitur lain yang lebih baik, sementara penelitian lainnya mengalami kendala pada penurunan akurasi. Penelitian-penelitian tersebut menggunakan teknik seleksi fitur yang termasuk ke dalam metode berjenis filter. Metode berjenis filter unggul dalam kecepatan, namun metode berjenis wrapper unggul dalam keakuratan. Salah satu teknik seleksi fitur berjenis metode wrapper yang telah terbukti mengungguli beberapa teknik lainnya adalah algoritma genetika. Berdasarkan hasil pengujian, dapat ditarik kesimpulan bahwa pada kasus klasifikasi berita berbahasa Indonesia algoritma genetika dapat digunakan sebagai teknik seleksi fitur yang mengatasi kelemahan algoritma Naive Bayes pada pemilihan fitur serta memberikan keuntungan berupa peningkatan akurasi, penurunan kompleksitas model klasifikasi, dan efisiensi waktu dalam melakukan klasifikasi.