Analisis dan Implementasi Naive Bayes Classifier untuk Klasifikasi Kurator Berita di Twitter

Kurator berita di twitter adalah pengguna twitter yang tertarik mengikuti, menyebarluaskan, atau memberikan referensi tambahan dari perkembangan suatu artikel berita. Kurator berita dengan pendekatan human/automatic ada dua, yaitu news curator sebagai human user dan news aggregagtor sebagai automatic user. Penelitian sebelumnya menggunakan ruang lingkup pengguna twitter se-dunia untuk sistem klasifikasi kurator berita di twitter dengan fitur followers, URL, mention dan retweet. Permasalahan saat ini adalah sulit untuk menemukan kurator berita lokal, khususnya Indonesia. Hal lainnya adalah masih sulit untuk memberikan label kelas dikarenakan fitur yang menjadi bahan pertimbangan hanya followers dan URL. Pada penelitian tugas akhir ini, penulis membangun sistem untuk mengklasifikasikan kurator berita di twitter yang ada di Indonesia menggunakan Naïve Bayes Classifier (NBC) dengan menambahkan fitur lokasi, bio profile dan tweet biasa. Tujuan lainnya untuk melihat fitur yang berpengaruh terhadap suatu kelas sehingga memudahkan proses labelling. Hasil pengujian dengan metode evaluasi menghasilkan rata rata akurasi 87%. Fitur yang paling berpengaruh terhadap kelas news curator meliputi fitur followers, bio profile, mention dan retweet. Untuk kelas news aggregator meliputi fitur lokasi, followers dan URL. Sedangkan untuk kelas bukan keduanya adalah fitur tweet biasa. Untuk meningkatkan performansi dan mencegah overfitting dari sistem yang dibangun, dapat dilakukan dengan menambahkan feature subset selection pada NBC yang mempunyai nilai rata-rata akurasi 92,89%