Optimalisasi Pencarian Dokumen Akademik Menggunakan Naïve Bayes Classifier : Studi Kasus pada Repository Digital

Abstract

Perkembangan teknologi informasi memberikan peluang untuk meningkatkan efisiensi dan aksesibilitas dalam berbagai bidang, termasuk pendidikan. Penelitian ini bertujuan untuk mengembangkan sistem repository digital berbasis website yang memanfaatkan algoritma Naïve Bayes Classifier untuk mengklasifikasikan dokumen akademik berdasarkan kategori mata kuliah. Dengan menerapkan metode Waterfall dalam pengembangan perangkat lunak, sistem ini dirancang untuk memenuhi kebutuhan mahasiswa Jurusan Teknologi Informasi di Politeknik Negeri Padang yang sering mengalami kendala dalam mencari referensi akademik. Sistem ini menggunakan algoritma Naïve Bayes untuk mengelompokkan dokumen berdasarkan probabilitas kata kunci yang relevan dalam judul dokumen. Pengujian dilakukan pada 200 dokumen, dengan hasil akurasi mencapai 90%. Fitur pencarian berbasis kata kunci memungkinkan pengguna menemukan dokumen yang relevan secara cepat dan efisien. Hasil penelitian menunjukkan bahwa implementasi NBC efektif dalam klasifikasi dokumen berbasis teks, sehingga meningkatkan aksesibilitas dan efisiensi pengelolaan dokumen akademik. Sistem ini berpotensi untuk diintegrasikan lebih luas dalam ekosistem akademik sebagai solusi digital yang inovatif.