JudulKLASIFIKASI BERITA ONLINE METRO SULAWESI MENGGUNAKAN METODE NAIVE BAYES CLASSIFER DENGAN TEXT PREPROCESSING DAN TF- IDF BERBASIS WEBSITE |
Nama: RIO RIVALDHY |
Tahun: 2025 |
Abstrak Perkembangan teknologi informasi yang pesat telah mengubah cara masyarakat mengakses informasi, khususnya berita, melalui media digital. Tren ini menyebabkan lonjakan jumlah dokumen berita digital, yang menjadikan proses pencarian dalam dokumen berbasis teks kurang efektif. Permasalahan ini mendorong penelitian di bidang pemrosesan teks berbahasa Indonesia untuk mengoptimalkan pengelolaan dokumen berita. Portal berita seperti Kompas.com dan Liputan6.com dapat mempublikasikan hingga 400 artikel berita per bulan dari berbagai kategori, seperti teknologi, kesehatan, dan olahraga. Hal ini meningkatkan beban kerja editor yang harus secara manual mengkategorikan artikel sesuai jenisnya. Dalam konteks lain, informasi yang berkembang di Sulawesi Tengah juga menunjukkan tingginya jumlah data berita yang perlu dikelola, seperti hasil verifikasi administrasi calon legislatif, peningkatan layanan teknologi digital di Bank Sulteng, hingga isu mahasiswa terancam drop out di Universitas Tadulako. Data yang beragam ini mencerminkan tantangan dalam mengelompokkan berita sesuai kategorinya untuk mempermudah akses dan analisis. Penelitian ini bertujuan untuk mengembangkan sistem pengelompokan dokumen berita online menggunakan metode Naive Bayes, yang dikombinasikan dengan teknik text processing dan TF-IDF. Sistem berbasis website ini diharapkan mampu secara otomatis mengelompokkan berita ke dalam kategori tertentu, seperti ekonomi, politik, atau pendidikan. Hasil penelitian ini diharapkan dapat meningkatkan efisiensi pengelolaan berita digital, mendukung pengambilan keputusan yang lebih cepat, dan meminimalkan beban kerja manual dalam pengelolaan dokumen berita. Kata kunci— Metro Sulawesi, Naive Bayes, Text Processing TF-IDF, Confision Matrix |