Vincent Mulyadi. K3520077. Pembimbing I: Rosihan Ari Yuana, S.Si., M.Kom.
Pembimbing II: Puspanda Hatta, S.Kom., M.Eng. ANALISIS PERBANDINGAN
METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE DALAM
PENGKLASIFIKASIAN TEKS BERBASIS MULTI CLASS. Skripsi, Surakarta:
Fakultas Keguruan dan Ilmu Pendidikan Universitas Sebelas Maret, April 2025.
Penelitian ini bertujuan untuk menganalisis dan membandingkan efektivitas
metode Naïve Bayes dan Support Vector Machine (SVM) dalam pengklasifikasian data
teks berbasis multi-class. Dataset yang digunakan merupakan data judul skripsi
mahasiswa Universitas Sebelas Maret dari tujuh fakultas berbeda, dengan total 3500
data yang diperoleh melalui teknik web scraping. Tahapan penelitian meliputi pre
processing teks (tokenization, stopword removal, stemming, dan case folding),
ekstraksi fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF),
serta implementasi model klasifikasi menggunakan algoritma Naïve Bayes dan SVM.
Evaluasi model dilakukan menggunakan teknik 10-Fold Cross Validation dengan
metrik akurasi, precision, recall, dan F1-Score sebagai indikator kinerja. Hasil
penelitian menunjukkan bahwa metode SVM memiliki performa klasifikasi yang lebih
unggul dibandingkan Naïve Bayes, terutama pada kasus klasifikasi dengan jumlah
kelas yang lebih banyak. SVM menunjukkan akurasi rata-rata lebih tinggi dan performa
yang lebih stabil pada seluruh variasi jumlah kelas. Sementara itu, Naïve Bayes tetap
menunjukkan keunggulan dari sisi efisiensi waktu pelatihan dan prediksi yang lebih
cepat. Temuan ini menunjukkan bahwa pemilihan metode klasifikasi perlu
mempertimbangkan keseimbangan antara kebutuhan akurasi dan efisiensi, sesuai
dengan karakteristik data dan tujuan aplikasi.
Kata kunci: Multi-class Naïve Bayes, Support Vector Machine, Text mining
