ABSTRAKSI: Adanya pertumbuhan yang pesat dari informasi pada masa kini, menjadikan kategorisasi teks (text categorization) yang merupakan suatu proses pengklasifikasian dokumen ke dalam satu atau lebih kategori yang telah didefinisikan sebelumnya atau ke dalam kelas-kelas dari dokumen-dokumen yang sama, sebagai suatu teknik kunci dalam penanganan dan pengorganisasian data yang berupa teks.
Salah satu metode klasifikasi yang digunakan adalah Support Vector Machine (SVM). Konsep SVM dapat dijelaskan secara sederhana sebagai usaha mencari hyperplane terbaik yang berfungsi sebagai pemisah dua buah class pada input space. SVM secara konsep merupakan linear classifier, tetapi SVM dapat dimodifikasi dengan menggunakan kernel trick, sehingga bisa digunakan untuk menyelesaikan permasalahan non-linear. Walaupun masih terbilang metode baru, SVM memberikan performansi yang lebih baik dibandingkan metode-metode learning lainnya, seperti Naïve Bayesian, Bayesian Network, Decision Trees[4], atau Artificial Neural Network[1].
Melalui serangkaian pengujian terhadap sejumlah dokumen yang telah diolah menjadi suatu representasi data berupa matriks vektor, SVM berhasil mengklasifikasikan dokumen dalam jumlah besar (>3000 dokumen) ke dalam kategorinya dengan tingkat akurasi yang memuaskan, yaitu di atas 80%.Kata Kunci : kategorisasi teks, dokumen, Support Vector MachineABSTRACT: not availableKeyword: