Kitabisa.com adalah platform untuk menggalang dana dan berdonasi secara

online  (crowdfunding) di Indonesia. Untuk membantu donatur memilih

penggalangan dana yang sesuai dengan preferensinya, Kitabisa.com

mengkategorikan penggalangan dana secara manual ketika penggalang dana

membuat halaman penggalangan dana. Namun, ada banyak pilihan kategori yang

ditawarkan, sehingga memungkinkan penggalang dana memilih kategori yang

salah. Metode Naive Bayes Classifier dapat digunakan untuk mengklasifikasikan

penggalangan dana, sehingga menghasilkan rekomendasi untuk Kitabisa.com

menyederhanakan kategori penggalangan dana yang dapat meminimalisir

kesalahan penggalang dana dalam memilih kategori. Naive Bayes Classifier

mengklasifikasikan penggalangan dana berdasarkan judul, deskripsi singkat dan

deskripsi lengkap. Document Frequency Improved (DFM) sebagai feature selection

diimplementasikan untuk meningkatkan kinerja klasifikasi. Penelitian ini

menggunakan 7992 data penggalangan dana sebagai data pelatihan dan 888 data

penggalangan dana sebagai data pengujian. Pengujian ini menerapkan 5 jenis

threshold dan menggunakan k-fold 10 cross-validation. Hasil terbaik ditunjukkan

pada model klasifikasi menggunakan 5 kategori dengan threshold 3.0. Model ini

menghasilkan nilai rata-rata akurasi 90,89%, presisi 89.24%, dan recall 81.31%. 

Kata kunci: document frequency improved, klasifikasi, naive bayes classifier,

penggalangan dana