Klasifikasi Dokumen Perceraian Menggunakan Metode Naive Bayes Dan Learning Vector Quantization

Kian tahun pertambahan jumlah kasus perceraian di Indonesia terus mengalami peningkatan. Hal tersebut dapat berakibat pula pada meningkatnya dokumen elektronik khususnya dibidang hukum jika tidak dibarengi dengan adanya perkembangan teknologi yang digunakan sebagai penyimpanan digital yang mumpuni. Dokumen perceraian merupakan putusan hasil perkara perceraian yang ditetapkan oleh pengadilan agama melalui pertimbangan hukum. Pada penelitian ini akan dilakukan klasifikasi putusan pengadilan tentang perkara perceraian dengan menggunakan metode naïve bayes dan learning vector quantization dengan variable klasifikasi yaitu gugat atau talak. Sebelum dilakukan proses klasifikasi, dataset terlebih dahulu dilakukan perprocessing data (case folding, tokenizing, filtering) agar data yang semula masih berupa data mentah dan banyak noise dapat menjadi data yang clean dan terstruktur. Dataset yang digunakan berjumlah 200 data perceraian yang diunduh melalui laman resmi Direktori Putusan Mahkamah Agung (MA) Republik Indonesia tentang perceraian. Pelabelan pada 2 variabel klasifikasi tersebut dilakukan secara manual. Dari hasil analisa yang dilakukan terhadap 200 data putusan perceraian didapatkan hasil akurasi oleh metode naïve bayes yaitu sebesar 99% dengan nilai precision 98% dan nilai recall 100%. Sedangkan nilai akurasi yang dihasilkan oleh metode learning vector quantization yaitu 98% dengan nilai precision 98% dan recall 98%