Klasifikasi Berita pada Twitter Menggunakan Metode Naive Bayes dan Query Expansion Hipernim-Hiponim

Banyaknya jumlah tweet yang di-post mengakibatkan tweet yang tersebar dan muncul dalam beranda Twitter sangat beragam dan tidak dikelompokkan berdasarkan kategori beritanya seperti kesehatan, olahraga, teknologi, ekonomi, wisata dan lain sebagainya. Tidak adanya pengkategorian menyebabkan pengguna kesulitan jika ingin membaca atau mengambil informasi terkait kategori tertentu yang diinginkan. Salah satu solusi yang dapat dilakukan adalah dengan metode klasifikasi teks, yang dalam proses klasifikasinya mampu mengklasifikasikan secara otomatis terhadap beberapa kategori pada teks tidak terstruktur dengan Bahasa alami. Pada penelitian ini dilakukan proses klasifikasi menggunakan metode Naive Bayes dengan tambahan query expansion untuk menambahkan term pada dokumen awal. Penambahan term bertujuan untuk mengoptimalkan proses klasifikasi dikarenakan tweet merupakan short text yang dapat menimbulkan ambiguitas kelas klasifikasi. Penambahan yang dilakukan adalah hiponim dan hipernim dari dokumen asli yang diambil dari WordNet. Metode perhitungan akurasi yang digunakan adalah k-fold yang bertujuan untuk menguji kehandalan dari sistem. Akurasi yang didapatkan adalah sebesar 72% untuk klasifikasi tanpa query expansion, 65,75% untuk penambahan hiponim dan hipernim, 66,3% untuk penambahan hiponim saja, dan 67,5% untuk penambahan hipernim saja. Dapat disimpulkan bahwa penambahan query yang dilakukan kurang efektif untuk meningkatkan akurasi proses klasifikasi