ANALISIS KLASIFIKASI TEKS PADA DATASET CPNS 2024 MENGGUNAKAN NAIVE BAYES DAN TF-IDF

Afrianto, Shandy (2025) ANALISIS KLASIFIKASI TEKS PADA DATASET CPNS 2024 MENGGUNAKAN NAIVE BAYES DAN TF-IDF. Skripsi thesis, UNAMA.

Preview	Text BAB I.pdf Download (393kB) | Preview
	Text BAB II.pdf Restricted to Registered users only Download (618kB)
	Text BAB III.pdf Restricted to Registered users only Download (307kB)
	Text BAB IV.pdf Restricted to Registered users only Download (760kB)
Preview	Text BAB V.pdf Download (186kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (316kB) | Preview

Abstract

CPNS merupakan proses rekrutmen yang dilakukan oleh pemerintah untuk menyeleksi individu yang akan menjadi bagian dari aparatur negara. Namun, dalam pelaksanaannya, sering terjadi kesalahan akibat pengolahan data yang masih dilakukan kurang efektif. Untuk mengatasi permasalahan tersebut, digunakan analisis klasifikasi teks pada dataset CPNS 2024 dengan metode Naïve Bayes dan TF-IDF (Term Frequency-Inverse Document Frequency), yang bertujuan untuk mengonversi data teks menjadi representasi numerik serta menerapkan model klasifikasi berbasis machine learning guna meningkatkan akurasi dan efisiensi proses seleksi. Proses penelitian melibatkan tahap pra-pemrosesan data dengan teknik Natural Language Processing, transformasi teks menggunakan TF-IDF, serta implementasi algoritma Naïve Bayes untuk mengelompokkan data berdasarkan tingkat pendidikan pelamar CPNS, dengan fokus pada Provinsi Jambi. Evaluasi model dilakukan dengan menggunakan metrik akurasi, precision, recall, dan F1-score untuk mengukur efektivitas metode yang diterapkan. Hasil penelitian menunjukkan bahwa pendekatan ini mampu menghasilkan klasifikasi yang cukup akurat dengan akurasi mencapai 96,49%, yang membuktikan bahwa metode TF-IDF dan Naïve Bayes efektif dalam analisis klasifikasi berbasis teks.

Item Type:	Thesis (Skripsi)
Subjects:	Aplikasi Sistem Pengolahan Data
Divisions:	Skripsi > Teknik Informatika > 2025
Depositing User:	Digital Library
Date Deposited:	09 Sep 2025 04:31
Last Modified:	09 Sep 2025 04:31
URI:	https://repository.unama.ac.id/id/eprint/4788

Actions (login required)

View Item