Abstrak Penelitian ini memanfaatkan teknologi untuk analisis otomatis topik dalam ayat Al-Qur’an, mengembangkan cakupan analisis dengan klasifikasi ke dalam 15 kategori, termasuk satu ’tidak berlabel’. Fokus penelitian meliputi perbandingan
efektivitas antara Random Forest, SVM, dan Na¨ıve Bayes dalam sistem klasifikasi topik ayat Al-Qur’an, dengan Word Centrality sebagai fitur. Tahapan pra-pemrosesan seperti tokenisasi dan penghapusan stopword diterapkan, bersama dengan
metode TF-IDF dan TW-IDF. Hasil menunjukkan bahwa Random Forest mencatat skor Hamming Loss terendah dalam
skenario TW-IDF, namun hasil TFIDF dalam skenario menggunakan stopword tidak lebih baik dibandingkan dengan SVM,
berturut-turut adalah 0.949 dan 0.0927. Pengujian tanpa penghapusan stopword juga menunjukkan keunggulan relatif hasil
hamming loss Random Forest dalam beberapa skenario. Hasil penelitian ini mengindikasikan bahwa penerapan word centrality sebagai metode ekstraksi fitur dalam klasifikasi ayat-ayat Al-Qur’an berpengaruh pada penurunan nilai Hamming
Loss.
Authors who publish in this journal agree to the following rules:
- Authors retain copyright and give the journal the right of first publication, with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors may enter separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., posting it to an institutional repository or publishing it in a book), with attribution to the journal's initial publication.
- Authors are permitted and recommended to post their work online (such as in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges as well as earlier and greater citation of published work.
