Analisa Kinerja Algoritma Random Forest Classifier dengan Mutual Information dan Skip-Gram pada Klasifikasi Jurnal INIS

Abstract

Abstrak-Supervised learning adalah teknik yang bergantung pada masukan berlabel untuk mempelajari suatu fungsi dan menghasilkan keluaran yang sesuai apabila diberi data baru tanpa label. Penggunaan algoritma supervised learning sering dibutuhkan dalam berbagai kondisi, salah satunya yakni mengklasifikasikan dokumen. INIS adalah salah satu perpustakaan digital yang dianggap masih melakukan pengklasifikasian dokumen secara manual dan membutuhkan pengotomatisasian klasifikasi dokumen. Hal ini mengakibatkan proses pengelompokkan memakan waktu yang relatif lama dan terdapat banyak kendala karena banyaknya jumlah dokumen. Penelitian ini memiliki tujuan utama untuk menentukan algoritma yang memiliki kinerja dan akurasi terbaik agar dapat diimplementasikan dalam proses pengklasifikasian dokumen ilmiah. Penelitian ini menggunakan kombinasi algoritma Random Forest (RF) dengan Skip-Gram (SG) dan Mutual Information (MI) sebagai metode ekstraksi fitur dan metode seleksi fitur. Hasil menunjukkan bahwa kumpulan data yang digunakan dapat mempengaruhi kinerja suatu algoritma. Selain itu pada penelitian ini menunjukkan bahwa presentase kinerja dari algoritma Random Forest dan Skip-Gram lebih baik jika dikombinasikan dengan seleksi fitur daripada tidak menggunakan seleksi fitur. Penggunaan seleksi fitur pada Random Forest dan Skip-Gram dalam penelitian ini juga menunjukkan presentase kinerja lebih stabil jika dibandingkan dengan kinerja Random Forest dan Skip-Gram tanpa fitur seleksi. Kata kunci : Text Mining; Klasifikasi Dokumen; Pengklasifikasian Random Forest; Skip-gram; Mutual Information Abstrak-Supervised learning is a technique that relies on labeled inputs to learn a function and produces the appropriate output when given new data without labels. The use of supervised learning algorithms is often needed in various conditions, one of which is classifying documents. INIS is one of the digital libraries that is considered to still perform manual document classification and requires automating document classification. This causes the grouping process to take a relatively long time and there are many obstacles due to the large number of documents. This research has the main objective to determine the algorithm that has the best performance and accuracy so that it can be implemented in the process of classifying scientific documents. This study uses a combination of the Random Forest (RF) algorithm with Skip-Gram (SG) and Mutual Information (MI) as a feature extraction method and feature selection method. The results show that the data set used can affect the performance of an algorithm. In addition, this study shows that the performance percentage of the Random Forest andSkip-Gram algorithms is better when combined with feature selection than not using feature selection. The use of feature selection in Random Forest and Skip-Gram in this study also shows a more stable percentage of performance when compared to the performance of Random Forest and Skip-Gram without feature selection.