Klasifikasi Dokumen berkonten Serangan jaringan menggunakan Multinomial Naive Bayes

Abstract

Kebutuhan konsumen akan informasi dalam bentuk jurnal atau artikel semakin meningkat, sehingga diperlukan pengelompokan jurnal untuk memfasilitasi pengambilan informasi. Salah satu metodenya adalah Multinomial Naïve Bayes (MNB) yang digunakan untuk mengatur sejumlah besar informasi. MNB mudah digunakan untuk melakukan klasifikasi dokumen. MNB mengidentifikasi objek kelas yang tidak diketahui dari proses pembelajaran. Tujuan dari makalah ini mengkategorikan dokumen bahasa Inggris yang terkait dengan "Serangan Jaringan" menggunakan Multinomial Naïve Bayes (MNB) dan Term Frequency-Inverse Document Frequency (TF-IDF). Hasil percobaan menunjukkan bahwa MNB dengan TF-IDF mendapatkan akurasi 76,00%. Dalam percobaan ini juga dihitung nilai presisi, recall, dan skor F1. Nilai Precession adalah 0,77, nilai Recall adalah 0,76 dan nilai Skor F1 adalah 0,76 masingmasing. Nilai-nilai ini digunakan untuk menentukan tingkat akurasi dari hasil yang diprediksi