ABSTRAKSI: Klasifikasi adalah metode pengelompokan satu data kedalam suatu kelompok data berdasarkan kemiripannya dengan data lain dalam kelas-kelas data yang telah di tentukan. Proses klasifikasi ini juga dapat diterapkan pada berita berita berbahasa indonesia dengan menggunakan classifier multinominal naive bayes. Namun terdapat suatu cara untuk meningkatkan hasil akurasi metode multinominal naive bayes ini yaitu dengan menggabungkannya dengan metode jaringan saraf tiruan setelah proses metode multinominal naive bayes secara sequensial untuk memperbaiki sistem pemisahan linier dari metode multinominal naive bayes.
Hasil pengujian menunjukan bahwa metode gabungan antara multinominal naive bayes dan jaringan saraf tiruan menghasilkan peningkatan performansi dibandingkan klasifikasi menggunakan metode multinominal naive bayes saja. Sehingga dapat dikatakan bahwa metode multinominal naive bayes dan Jaringan saraf tiruan dapat digunakan untuk proses klasifikasi berita berbahasa IndonesiaKata Kunci : Klasifikasi, classifier, multinominal naïve bayes, jaringan saraf tiruan dan akurasi.ABSTRACT: Classification is a method that group a data into one data class depend on that similiarity characteristic with the other data .In this method the data classes have been determined before the process. Classification process can be implemented for indonesian news document using multinominal naive bayes classifier. There is a way to improve the accuration of multinominal naive bayes for classification task by combining this method with artificial neural network method sequentially.The artificial neuron network method is used to fix the linier separating system which was created by multinominal naive bayes method.
The result show that the combined method add accuracy in spite of using only multinominal naive bayes method. Depend on this fact that can be concluded that the combined method between multinominal naive bayes method and artificial neuron network can be used for classifiying Indonesian news documentKeyword: Clasification, classifier, multinominal naïve bayes, artificial neural network and accuracy .