Informasi Umum

Kode

21.04.759

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning

Informasi Lainnya

Abstraksi

Membaca berita bisa berdampak buruk terhadap kesehatan mental pembacanya. Oleh sebab itu diperlukan sistem yang dapat mengklasifikasikan berita menjadi good, bad, dan neutral agar pembaca dapat menghindari komsumsi berlebih terhadap berita yang berlabel bad. Dataset ini diklasifikasikan menggunakan algoritma Long-Short Term Memory yang merupakan turun algoritma Recurrent Neural Network. Algoritma ini dipilih sebagai metode klasifikasi karena berita ini berfungsi dengan baik pada data yang memiliki informasi yang cukup besar seperti artikel berita. Peningkatan jumlah dataset sebanyak 5000 dilakukan setelah melihat penelitian sebelumnya hanya menggunakan dataset sebanyak 300 yang menyebabkan performa dari LSTM tidak dapat berkerja dengan baik. Penelitian ini akan melihat tren akurasi dari algoritma Long-Short Term Memory dalam pengklasifikasian setiap 500 data. Hal ini dilakukan untuk melihat bagaimana jumlah data mempengaruhi akurasi dari algoritma Long-Short Term Memory. Pada penelitian ini terdapat beberapa tahap dalam perancangan sistem yaitu preprocessing, feature engineering, dan model training menggunakan Long-Short Term Memory. Dari hasil penelitian didapatkan grafik tren akurasi meningkat seiiring meningkatnya jumlah data dengan akurasi terbaik sebesar 76.58%.

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Anda harus log in untuk mengakses flippingbook

Pengarang

Nama RYZKI PERDANA EMIL
Jenis Perorangan
Penyunting Yuliant Sibaroni
Penerjemah

Penerbit

Nama Universitas Telkom, S1 Informatika
Kota Bandung
Tahun 2021

Sirkulasi

Harga sewa IDR 0,00
Denda harian IDR 0,00
Jenis Non-Sirkulasi