JURNAL : PENGGUNAAN METODE NAIVE BAYES CLASSIFIER PADA APLIKASI PERPUSTAKAAN

ABSTRAK

Perpustakaan tempat yang sering di kunjungi. Hampir setiap instansi mempunyai perpustakaan, maka dari itu diperlukan peningkatan pelayanan untuk kenyamanan pengunjung. Pencarian buku pada aplikasi di setiap perpustakaan harus dapat mencakup kebutuhan perpustakaan tersebut, dengan kemudahan melakukan pencarian buku maka akan menambah kenyamanan pengunjung dalam mencari buku yang diinginkan. Dengan metode pengklasifikasian dokumen atau teks maka hal itu dapat dilakukan. Pada karya ilmiah ini digunakan metode Naïve Bayes Classifier untuk mengklasifikasikan beberapa judul dan ketegori yang terdapat pada database perpustakaan tersebut. Dengan menggunakan metode ini maka pencarian akan dilakukan lebih mendalam dengan melibatkan deskripsi dari setiap buku, sehingga ada lebih banyak referensi yang di tampilkan dalam pencarian. Tentunya referensi tersebut berkaitan dengan kata yang di masukkan oleh pengunjung pada mesin pencarian di aplikasi perpustakaan tersebut. Dengan demikian diharapkan dapat membantu pengunjung dalam melakukan pencarian buku yang diinginkan.

Kata kunci : metode pencarian, perpustakaan, Naïve Bayes Classifier.

PENDAHULUAN

Perpustakaan merupakan tempat yang cukup sering dikunjungi baik hanya sekedar membaca ataupun untuk mencari referensi. Dapat menggunakan sebuah software untuk pengklasifikasian buku dimana diharapkan dapat membantu para pengunjung mengetahui list berikut tempat penyimpanan buku yang ada pada perpustakaan tersebut dengan keakuratan pengklasifikasian dokumen yang baik. Naïve Bayes merupakan salah satu metode machine learning yang menggunkan perhitungan probabilitas. Konsep dasar yang digunakan oleh Naïve bayes adalah Teorema Bayes, yaitu teorema yang digunakan dalam statistika untuk menghitung suatu peluang, Bayes Optimal Classifier menghitung peluang dari satu kelas dari masing-masing kelompok atribut yang ada, dan menentukan kelas mana yang paling optimal. Proses klasifikasi biasanya dibagi menjadi dua fase yaitu learning/training dan testing/classify. Pada fase learning, sebagian data yang telah diketahui kelas datanya diumpankan untuk membentuk model perkiraan. Kemudian pada fase testing model yang sudah terbentuk diuji dengan sebagian data lainnya untuk mengetahui akurasi dari model tersebut.

Peneliti : Reggy Pasya Trinanda

Untuk lebih lengkapnya silahkan download di link berikut ini :