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