Seleksi Fitur Menggunakan Hybrid Binary Grey Wolf Optimizer untuk Klasifikasi Hadist Teks Arab

Abstract

Seleksi fitur pada teks Arab merupakan tugas yang menantang karena sifat Bahasa Arab yang kompleks dan kaya. Dala klasifikasi hadist teks Arab membutuhkan seleksi fitur, karena hadist teks Arab berbeda dengan dokumen  teks arab. Hadist teks Arab memiliki sanat dan matan yang menjadi pertimbangan dalam klasifikasi hadist teks  arab. Penelitian ini mengusulkan metode seleksi fitur menggunakan Hybrid Binary Grey Wolf Optimizer untuk  klasifikasi hadist teks arab. Metode HBGWO mengkombinasikan kemampuan pencarian lokal atau eksplorasi pyg  dimiliki BGWO, dan kemampuan pencarian di sekitar solusi terbaik atau eksploitasi yang dimiliki PSO. Data set  yang digunakan berupa teks Arab diambil dari islambook.com. yang terdiri dari lima kitab yaitu Shahih Bukhari,  Shahih Muslim, Sunan Ibnu Majah, Sunan Abu Dawud dan Suann at-Tirmidzi. Pada kumpulan kitab tersebut  diambil 5 kelas yaitu Tuhid, Sholat, Zakat, Puasa dan Haji berjumlah 844. Hasil penelitian menunjukkan bahwa  pemilihan fitur BGWOPSO dengan mencari fungsi fitnes dan klasifikasi menggunakan SVM mendapatkan 84%,  dapat mengungkapkan kinerja yang unggul dibandingkan dengan menggunakan klasifikasi KNN 76% dalam soal mengklasifikasikan teks hadits Arab dengan data yang tidak seimbang.   Abstract Feature selection in Arabic text is a challenging task due to the  complex and rich nature of Arabic. In the  classification of Arabic text hadith requires feature selection, because Arabic text hadith is different from Arabic  text documents. Arabic text hadith has sanat and matan which are considered in the classification of Arabic text  hadith. This study proposes a feature selection method using the Hybrid Binary Gray Wolf Optimizer for Arabic text hadith classification. The HBGWO method combines the local search or pyg exploration capabilities of the  BGWO, and the search capabilities around the best solutions or exploits that PSO has. The data set used in the form of Arabic text is taken from islambook.com. which consists of five books, namely Sahih Bukhari, Sahih  Muslim, Sunan Ibn Majah, Sunan Abu Dawud and Suann at-Tirmidhi. In this collection of books, 5 classes were  taken, namely Tuhid, Prayer, Zakat, Fasting and Hajj totaling 844. The results showed that the selection of  BGWOPSO features by looking for fitness functions and classification using SVM obtained 84%, can reveal  superior performance compared to using KNN classification 76% in terms of classifying Arabic hadith texts with unbalanced data.