Question Classification (QC) merupakan salah satu komponen penting dalam Question Answering System (QAS) karena akan berpengaruh langsung terhadap kinerja keseluruhan QAS. Sejauh ini metode yang disarankan oleh komunitas QAS untuk QC adalah menggunakan Support Vector Machines (SVM). Untuk melakukan klasifikasi teks dibutuhkan fitur berdimensi tinggi, banyaknya fitur dapat mengurangi performa SVM. Stemming adalah teknik yang digunakan untuk mereduksi term suatu dokumen. Penggunaan stemming akan berpengaruh terhadap sintaksis dan semantik suatu pertanyaan. Penelitian ini bertujuan untuk mengetahui pengaruh stemming terhadap akurasi SVM. Telah dilakukan dua percobaan klasifikasi pertanyaan, yaitu dengan menggunakan SVM dan SVM+stemming. Hasil rata-rata akurasi dari percobaan diperoleh sebesar 86.75% untuk SVM dan 87.48% SVM+stemming sehingga telah terjadi kenaikan akurasi sebesar 0.73%. Walaupun peningkatan akurasi tidak signifikan tetapi stemming dapat mereduksi fitur tanpa menurunkan akurasi SVM.
展开▼