Text Classification System Based on Islamic Jurisprudence Using Multinomial Naïve Bayes Classifier

Authors

Abstract

Indonesia merupakan negara dengan populasi umat muslim terbesar di dunia. Islam tidak hanya mengajarkan tentang ibadah tetapi juga masalah kehidupan seorang muslim yang diatur dalam hukum Islam (Fiqih). Ilmu hukum Islam dapat diketahui dengan cara belajar kepada seorang ulama bidang Fiqih atau membaca buku dari ulama tersebut. Namun, tidak semua orang dapat bertemu ulama dan dapat memahami isi buku dari ulama tersebut. Oleh karena itu, diperlukan sebuah sistem klasifikasi teks yang dapat digunakan umat untuk pertimbangan jawaban dari hukum Islam yang ditanyakan. Algoritme Multinomial Naïve Bayes dipilih sebagai metode untuk menyimpulkan jawaban hukum Islam karena ketepatannya sebagai mesin inferensi. Buku yang ditulis oleh pakar Fiqih Asia Tenggara yaitu Ustaz Abdul Somad yang berjudul “37 Masalah Popular, 77 Tanya Jawab Tentang Shalat dan 33 Tanya Jawab Seputar Kurban” telah digunakan sebagai basis pengetahuan dalam aplikasi berbasis web ini. Berdasarkan hasil pengujian  yang dilakukan, didapatkan sistem klasifikasi teks hukum Islam ini menghasilkan akurasi sebesar 75%. Berdasarkan eksperimen dan pengujian tersebut, dapat disimpulkan bahwa sistem klasifikasi teks berdasarkan hukum Islam ini berpotensi digunakan sebagai pertimbangan dalam memahami ilmu Fiqih.

Author Biography

  • Riyan Wibowo Saputra, Universitas Islam Negeri Sultan Syarif Kasim Riau
    Dr. Rahmad Kurniawan, ST., MIT. was born in Riau, Indonesia, in 1990. He received the BE(IT) degree in Informatics Engineering from the State Islamic University of Sultan Syarif Kasim Riau, Indonesia, in 2011, and the Master of Information Technology (MIT) in computer science from The National University of Malaysia, Malaysia, in 2014. Since October 2011, he has been with the Department of Informatics Engineering, State Islamic University of Sultan Syarif Kasim Riau, as a Lecturer and in 2012 as a researcher from Artificial Intelligence and Optimization Research Center (AIORC). In 2019 he received the Ph.D from The National University of Malaysia, Malaysia. His current research interests include machine learning, expert system, data mining & optimization, big data and intelligent system.

References

R. Kurniawan, Akbarizan, K. Jamal, A. Nur, M. Z. Ahmad, and D. Kholilah, “Advise-giving expert systems based on Islamic jurisprudence for treating drugs and substance abuse,” J. Theor. Appl. Inf. Technol., 2018.

K. Jamal, R. Kurniawan, A. S. Batubara, Z. A. Nazri, F. Lestari, and P. Papilo, “Text Classification Based On Islamic Jurisprudence Using Machine Learning Techniques,” 2019.

H. Mohamed, S. Sulaiman, and M. Sabudin, “A hybrid of rule and frame based approach in solving hajj complex problems,” SoCPaR 2009 - Soft Comput. Pattern Recognit., pp. 466–471, 2009, doi: 10.1109/SoCPaR.2009.96.

Akbarizan, R. Kurniawan, M. Z. A. Nazri, S. N. H. S. Abdullah, S. Murhayati, and Nurcahaya, “Using Bayesian Network for Determining The Recipient of Zakat in BAZNAS Pekanbaru,” in 2018 2nd International Conference on Electrical Engineering and Informatics (ICon EEI), Oct. 2018, pp. 12–17, doi: 10.1109/ICon-EEI.2018.8784142.

X. Lin, Z. Li, Y. Zhou, and Y. Xue, “Text classification algorithm study based on rough set theory,” 2010, doi: 10.1109/IFITA.2010.203.

F. Miao, P. Zhang, L. Jin, and H. Wu, “Chinese News Text Classification Based on Machine Learning Algorithm,” 2018, doi: 10.1109/IHMSC.2018.10117.

T. Yao, Z. Zhai, and B. Gao, “Text Classification Model Based on fastText,” 2020, doi: 10.1109/ICAIIS49377.2020.9194939.

F. Zhou, F. Zhang, B. Yang, and X. Yu, “Research on short text classification algorithm based on statistics and rules,” 2010, doi: 10.1109/ISECS.2010.9.

A. McCallum and K. Nigam, “A Comparison of Event Models for Naive Bayes Text Classification,” AAAI/ICML-98 Work. Learn. Text Categ., 1998, doi: 10.1.1.46.1529.

M. Ikhsan, “Sejarah Mazhab Fikih di Asia Tenggara,” J. Bid. Keislam., vol. 4, no. 2, pp. 187–203, 2018.

Downloads

Published

2021-12-31

Issue

2021: SNTIKI 13

Section

Information Technology