Klasifikasi Buku DDC
Masukkan detail buku untuk menentukan kelas DDC menggunakan algoritma Naive Bayes berdasarkan data training.
Detail Buku
Hasil Prediksi Sistem
Kode DDC
-
Kategori
-
Kategori terdeteksi
Confidence
0%
Proses Preprocessing Teks
1. Case Folding & Cleaning
2. Tokenizing
3. Stopword Removal
4. Stemming (Kata Dasar)
Detail Perhitungan Naive Bayes
Rumus Naive Bayes
P(Kelas|Data) = P(Kelas) × Π P(Kata|Kelas)
Menggunakan logaritma untuk menghindari underflow: log(P(Kelas)) + Σ log(P(Kata|Kelas))
Prior Probability
P(Kelas) = Jumlah dokumen kelas / Total dokumen
Dari data training: 0 data
Likelihood
P(Kata|Kelas) = (count + 1) / (total_kata + vocab)
(Add-One Smoothing)
Skor Akhir
Skor = log(P(Kelas)) + Σ log(P(Kata|Kelas))
1. Kata Kunci Hasil Preprocessing
Proses klasifikasi untuk melihat kata kunci
2. Prior Probability P(Kelas)
P(Kelas) = Jumlah Data di Kelas / Total Data Training
Data akan muncul setelah klasifikasi
3. Likelihood P(Kata|Kelas)
Probabilitas setiap kata dalam masing-masing kelas
| Kata Dasar | Kelas A | Kelas B | Kelas C |
|---|---|---|---|
| Masukkan judul dan proses klasifikasi untuk melihat detail. | |||
4. Skor Akhir (Log Scale)
Skor tertinggi menentukan kategori pemenang
Perhitungan akan muncul setelah klasifikasi