Abstract
Dalam melakukan sebuah penelitian sederajat strata 1 topik skripsi bisa menjadi hal yang paling penting dalam memulai sebuah penelitian. Selain itu, seperti tujuan dari disusunnya Rencana Induk Penelitian Universitas Brawijaya (RIP UB) yaitu untuk merencanakan terlebih dahulu kegiatan-kegiatan penelitian yang akan dilakukan dalam jangka waktu 5 tahun kedepan maka topik skripsi yang dipilih sekiranya termasuk dalam bidang kategori yang telah disusun oleh RIP UB. Kategori yang digunakan yaitu Ketahanan Pangan, Ketahanan Energi, Good Governance, Agroforestry dan Kesehatan, Gizi dan Obat-obatan. Oleh karena itu sebuah pengklasifikasian topik skripsi dibutuhkan agar penelitian yang dikerjakan dapat mendukung kebutuhan industri dan pemerintahan Indonesia sehingga Universitas Brawijaya dapat bersaing secara internasional dan bisa dijadikan bahan evaluasi setiap tahunnya. Metode dari text mining yang dapat digunakan untuk menyelesaikan masalah klasifikasi topik skripsi ini adalah metode Transformed Weight-Normalized Complement Naïve Bayes (TWCNB). Proses untuk mendapatkan hasil akhirnya dilakukan dengan melalui proses Preprocessing lalu memasuki proses perhitungan metode. Perhitungan metode ini melalui proses perhitungan TF-IDF, dan normalisasi bobot. Hasil yang telah diperoleh melalui tahap pengujian adalah jumlah data latih dan jumlah fitur kata berpengaruh terhadap hasil akurasi. Rata-rata nilai f-measure terbaik yaitu pada pengujian pengaruh jumlah fitur kata sebesar 57% sehingga dapat disimpulkan bahwa sistem sudah berjalan relative cukup baik.
