INVESTIGASI PENGARUH SELEKSI FITUR PADA PERFORMA KLASIFIKASI INSTANCE UNTUK POPULASI ONTOLOGI QURAN

Al-Quran sebagai panduan hidup bagi umat Islam, memiliki kompleksitas yang sulit untuk diproses secara manual. Studi sebelumnya (Utomo et al., 2020) mengkaji penggunaan algoritma stemmer dalam pengembangan ontologi Al-Quran Indonesia. Dalam konteks klasifikasi teks, tantangan dimensi fitur yang tinggi sering dihadapi, yang mempengaruhi akurasi klasifikasi. Penelitian sebelumnya (Purwati et al., 2023) telah mengimplementasikan Chi-Square pada ontologi Al-Quran, namun hasilnya belum optimal. Oleh karena itu, penelitian ini bertujuan untuk menginvestigasi beberapa metode seleksi fitur seperti Chi-Square, SelectPercentile, Mutual Information, Information Gain, dan SelectKBest with classif_f dengan penggunaan Classifier SVM dan BPNN pada klasifikasi instansi ontologi Quran . Berdasarkan hasil eksperimen, dapat disimpulkan bahwa Seleksi fitur menggunakan metode SelectPercentile menghasilkan performa hasil kinerja tertinggi dengan memberikan nilai ukuran presisi tertinggi pada ukuran data uji 40% pada dataset Tafsir Quran dari Kementerian Agama Indonesia dengan menggunakan model BPNN = 0.7415 dan dengan SVM = 0.7113. Melalui eksperimen dan analisis yang dilakukan, dapat disimpulkan bahwa pemilihan fitur yang tepat dapat meningkatkan performa klasifikasi instance secara signifikan. Kata kunci: Al-Quran, klasifikasi teks, seleksi fitur, Classification performance