ABSTRAK

Universitas Sebelas Maret telah banyak menerbitkan artikel ilmiah. Mengklasifikasikan banyak artikel sekaligus bukanlah hal yang mudah dilakukan. Semakin banyak artikel yang harus dikelompokkan maka tenaga dan waktu yang dibutuhkan juga semakin banyak. Metode Naive Bayes Classifier dapat digunakan untuk mengklasifikasikan artikel ilmiah dalam waktu singkat. Naive Bayes Classifier mengklasifikasikan masing-masing artikel berdasarkan bidang ilmu dengan menganalisis judul dan abstraknya. Salah satu metode seleksi fitur Document Frequency Improved diterapkan untuk meningkatkan kinerja klasifikasi. Penelitian menggunakan 292 artikel sebagai data latih dan 100 artikel sebagai data uji. Pengujian dilakukan dengan menerapkan 5 nilai threshold berbeda dari 1 hingga 2,5 dengan masing-masing nilai threshold  diujikan sebanyak 5 kali. Hasil terbaik ditunjukkan pada nilai threshold 2 dengan nilai rata-rata akurasi, precision, recall, dan f-measure masing-masing sebesar 87,8%, 76,6%, 76,2%, dan 76,0%.

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