Penerapan Particle Swarm Optimization pada Feedforward Neural Network untuk Klasifikasi Teks Hadis Bukhari Terjemahan Bahasa Indonesia

MUHAMMAD GHUFRAN

Informasi Umum

Kode

19.04.106

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning

Dilihat

32 kali

Informasi Lainnya

Abstraksi

Hadis merupakan sumber hukum Islam kedua setelah Al-Quran dan dijadikan sebagai pedoman hidup bagi umat islam. terdapat banyak hadis yang telah diriwayatkan salah satunya riwayat Bukhari. Penelitian ini bertujuan untuk membangun model yang dapat melakukan klasifikasi teks hadis Bukhari terjemahan bahasa Indonesia. Topik ini dipilih untuk membantu masyarakat dalam memahami makna informasi yang terdapat didalam hadis berupa informasi yang menganjuran, melarangan, atau hanya sebatas informasi saja. Algoritma Backpropagation (BP) merupakan teknik yang umum digunakan untuk melatih Feedforward Neural Network (FNN) dalam proses klasifikasi karena memiliki akurasi yang baik khususnya dalam klasifikasi teks. Tetapi BP memiliki kelemahan yaitu relatif lambat untuk mencapai konvergen dan terjebak dalam local minimum. Untuk mengatasi hal tersebut, algoritma Particle Swarm Optimization (PSO) digunakan untuk mempercepat mencapai konvergen dan mencari nilai global minimum. Tujuan dari pengujian ini untuk melihat kemampuan PSO dalam melatih bobot dan bias pada FNN. Hasil pengujian pada 1000 data hadis menunjukkan model PSO-FNN dengan proses stemming mendapatkan akurasi 88.5% sedangkan tanpa proses stemming mendapatkan akurasi 88.57%. Sementara itu, hasil pengujian perbandingan antara PSO-FNN dengan BP-FNN, hasil menunjukkan bahwa PSO-FNN mendapatkan akurasi sebesar 88.57% lebih rendah 0.93% dibandingkan BP-FNN yang memperoleh akurasi sebesar 89.5%.