Efektifitas Naïve Bayes Pada Data Hasil Web Scrapping Klasifikasi Tender LPSE Pemerintah Provinsi Jawa Timur
The Effectiveness of Naïve Bayes on Web Scraping Result Data for LPSE Tender Classification, Jawa Timur Provincial Government
Kata Kunci:
naïve bayes, webscrapping, LPSEAbstrak
Volume data dan informasi digital dewasa ini telah berkembang sangat pesat seiring dengan perkembangan teknologi informasi. Mengelola informasi dari kumpulan teks yang jumlahnya sangat besar tentunya bukan pekerjaan yang mudah. Salah satu potensi data digital saat ini adalah website Layanan Pengadaan Secara Elektronik (LPSE). Pada penelitian ini akan membahas proses pengklasifikasian data nama tender proyek website LPSE dengan menggunakan metode Naïve Bayes. Data yang digunakan pada penelitian ini adalah data hasil web scrapping website https://lpse.jatimprov.go.id/eproc4. Pemilihan data training dan data testing dilakukan dengan metode systematic random sampling proportional to size. Dari percobaan yang dilakukan menunjukkan bahwa hasil klasifikasi mempunyai kecenderungan data test dimasukkan ke dalam kelas Pekerjaan Konstruksi. Akurasi untuk kelompok Pekerjaan Konstruksi hampir mendekati sempurna yaitu 97,49. Nilai keseluruhan dari akurasi klasifikasi pada percobaan ini adalah 39,51 artinya metode Naïve Bayes kurang efektif untuk digunakan melakukan klasifikasi data pada nama tender proyek di LPSE Provinsi Jawa Timur.
Referensi
L. Yuan, “An Improved Naive Bayes Text Classification Algorithm In Chinese Information Processing” Jiaozuo, s.n., 2010.
LKPP, "Layanan Pengadaan Secara Elektronik", https://lpse.lkpp.go.id/eproc4/publik/tentangkami, diakses pada 25 Juli 2021 pukul 21.00.
R. Perdana, M. Rekyan, “Pengkategorian Pesan Singkat Berbahasa Indonesia pada Jejaring Sosial Twitter dengan Metode Klasifikasi Naïve Bayes”, pp. 1-12, 2013.
AW. Widodo, “Klasifikasi Artikel Berita Menggunakan Naive Bayes Classifier yang Dimodifikasi”, 2013.
J. Samodra, S. Sumpeno, M. Hariadi, "Klasifikasi Dokumen Teks Bahasa Indonesia dengan Menggunakan Naïve Bayes", Seminar Nasional Electrical, Informatics, and It's Educations, 2009.
YD. Pramudita, SS. Putro, N. Makhmud, "Klasifikasi Berita Olahraga Menggunakan Metode Naïve Bayes dengan Enhanced Confix Stripping Stemmer" JTITK (Jurnal Teknologi Informasi dan Komputer, vol.5, No.3, pp.269-276, 2018.
B. Kurniawan, MA. Fauzi, AW. Widodo, "Klasifikasi Berita Twitter Menggunakan Metode Improved Naïve Bayes", Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 1, no. 10, pp. 1193-1200, 2017.
DN. Chandra, G. Indrawan, IN. Sukajaya, "Klasifikasi Berita Lokal Radar Malang Menggunakan Metode Naïve Bayes Dengan Fitur N-Gram", JITIKA (Jurnal Ilmiah Teknologi dan Informasia ASIA), vol.10, no.1, 2016.
D. Ariadi, K. Fithriasari, "Klasifikasi Berita Indonesia Menggunakan Metode Naive Bayesian Classification dan Support Vector Machine dengan Confix Stripping Stemmer", Jurnal Sains Dan Seni ITS, vol. 4, no.2, 2015.
A. Jaya. 2019. “Naive Bayes Classifier for Text Classification”, https://medium.com/analytics-vidhya/naive-bayes-classifier-for-text-classification-556fabaf252b, diakses pada 25 Juli 2021 pukul 21.00.
D. Sign, FS Chaudary, "Theory and Analysis of Sample Survei Design", 1986.
KM Schneider, "Techniques for Improving the Performance of Naive Bayes for Text Classification", 2015
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2022 Jurnal Ilmiah Komputasi dan Statistika
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
