Kemajuan teknologi yang berkembang dengan sangat cepat terutama di bidang komputasi,
yang pada mulanya perkerjaan yang komputer lakukan kini dikerjakan oleh manusia guna
untuk membantu meringankan perkerjaan mansuia itu sendiri, seperti pada studi kasus
penelitian ini yaitu sebuah sistem yang dapat mengklasifikasikan teks berupa abstrak pada
jurnal kedalam kelompok subjeknya. Subjek pada jurnal adalah fokus tema yang ditulis oleh
peneliti dalam meneliti sesuai dan terdapat beberapa subjek seperti agama, agrikultur,
industri, sosial, kesehatan, dll. Dengan mengetahui subjek pada jurnal tersebut pembaca akan
menegtahui tentang isi jurnal tersebut. Metode yang digunakan pada penelitian ini adalah
dengan melakukan metode pembobotan TF-IDF (Term Frequency Inverse Document
Frequency) dan Multinomial Naïve Bayes. Pada metode TF-IDF digunakan untuk melakukan
pembobotan dari setiap kata yang terkandung didalam dokumen dengan memadukan POS
Tag pada proses tokenisasi sebelum dilakukannya klasifikasi oleh system dapat
mempengaruhi hasil akurasi yang mana jika dilakukan tanpa POS Tag dan ada POS Tag
yang hasilnya akan digunakan kedalam metode Multinomial Naïve Bayes guna untuk
mendapatkan hasil klasifikasi abstrak kedalam bentuk subjek. Berdasarkan eksperimen yang
dilakukan pada dataset sebanyak 640 data latih dan 160 data uji. Penggunaan Naïve Bayes
dan fitur POS Tagger dan unigram menghasilkan akurasi sebesar 81.37%, nilai ini meningkat
sebesar 6.15% dibandingkan penggunaan Naïve Bayes tanpa POS Tagger.