Penerapan Convolutional Long Short-Term Memory untuk Klasifikasi Teks Berita Bahasa Indonesia

Widhiyasana, Yudi; Semiawan, Transmissia; Mudzakir, Ilham Gibran Achmad; Noor, Muhammad Randi

doi:10.22146/jnteti.v10i4.2438

Cited by 10 publications

(11 citation statements)

References 9 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The model in this study was simulated in Google Colaboratory with Python, as seen in Figure 2. The convolutional layer extracts features, while the pooling layer builds new filters using rules (Widhiyasana et al, 2021). In the meantime, a fully linked layer at the output stage contains many neurons that act as decision-makers.…”

Section: White Blood Cells Datasetmentioning

confidence: 99%

Automatic Leukocytes Classification using Deep Convolutional Neural Network

Hadiyoso

Aulia

2023

ELKOMIKA

View full text Add to dashboard Cite

Sel darah putih atau leukosit adalah salah satu bagian darah yang bertanggung jawab untuk sistem kekebalan tubuh. Penghitungan setiap jenis leukosit merupakan hal yang krusial untuk menentukan status kesehatan. Sel darah dihitung menggunakan hematology analyzer. Namun, perangkat ini hanya tersedia di laboratorium klinik pusat atau rumah sakit. Saat ini masih banyak clinician yang melakukan perhitungan manual dengan memperkirakan jumlah leukosit menggunakan mikroskop. Hal ini berpotensi menimbulkan kesalahan perhitungan yang tinggi. Oleh karena itu, penelitian ini mengusulkan suatu sistem yang dapat mengklasifikasikan jenis-jenis leukosit. Metode convolutional neural network (CNN) dengan arsitektur VGG-19 digunakan dalam klasifikasi leukosit. Beberapa skenario pengujian dengan mengubah parameter epoch dan ukuran batch diterapkan untuk mendapatkan akurasi terbaik. Hasil simulasi model pembelajaran yang digunakan dapat menghasilkan akurasi hingga 100% untuk mengklasifikasikan neutrofil, eosinofil, monosit, dan limfosit. Hasil ini dicapai dengan menggunakan pengoptimal Adam, Epoch=5 dan batch size=60.

show abstract

Section: White Blood Cells Datasetmentioning

confidence: 99%

Automatic Leukocytes Classification using Deep Convolutional Neural Network

Hadiyoso

Aulia

2023

ELKOMIKA

View full text Add to dashboard Cite

show abstract

“…Dalam dataset berita yang diuji, C-LSTM mampu mencapai nilai F1-score sebesar 0,9327 atau 93,27%, yang lebih baik 2,4% dibandingkan dengan model LSTM dan 3,42% dibandingkan dengan model CNN yang telah diuji sebelumnya. [7] Nilai F1-score dari pengklasifikasian berita dipengaruhi oleh ukuran batch dan learning rate. Hasilnya menunjukkan bahwa ukuran batch yang lebih kecil menghasilkan nilai F1-score yang lebih tinggi daripada ukuran batch yang besar.…”

Section: Convolutional Long Short-term Memoryunclassified

Klasifikasi Teks Berita Berbahasa Indonesia Menggunakan Machine Learning Dan Deep Learning: Studi Literatur

Alfando

Hayami

2023

jati

View full text Add to dashboard Cite

Berita merupakan suatu opini aktual yang menarik dan akurat serta dianggap penting bagi sejumlah besar pembaca, pendengar, maupun penonton. Sebuah dokumen berita seringkali mengacu pada lebih dari satu kategori, sehingga perlu menggunakan metode Klasifikasi yang tidak hanya cepat tetapi juga dapat mengelompokkan teks berita menjadi beberapa kategori. Data yang digunakan sudah terlabel dengan kategori-kategori yang relevan. Data yang digunakan berasal dari berbagai sumber berita dalam bahasa Indonesia. Data tersebut kemudian diproses untuk menghasilkan fitur-fitur yang dapat merepresentasikan teks berita secara numerik, seperti penghitungan kata-kata yang muncul pada teks. Beberapa algoritma Machine Learning dan Deep Learning yang digunakan dalam penelitian ini adalah K-Nearest Neighbor (KNN), Multinominal Naive Bayes, Long Short-Term Memory, Multi Layer Perceptron, dan Support Vector Machine (SVM) dan lainnya. Kinerja dari setiap algoritma dievaluasi menggunakan beberapa metrik evaluasi, seperti accuracy, precision, recall, hamming loss dan F1 score. Hasil penelitian menunjukkan bahwa Support Vector Machine (SVM) memberikan kinerja yang terbaik diantara algoritma Machine Learning lainnya dengan nilai accuracy sebesar 94,24%. Sedangkan pada algoritma Deep Learning, Long Short-Term Memory mendapatkan nilai accuracy sebesar 95%. Klasifikasi multi-label pada teks berita bahasa Indonesia dengan menggunakan Machine Learning dan Deep Learning memiliki potensi untuk diterapkan pada berbagai aplikasi seperti klasifikasi otomatis pada platform berita online atau monitoring isu-isu terkini yang berkaitan dengan topik tertentu

show abstract

“…Telah dinyatakan bahwa convolutional layer pada CNN dapat mengurangi beban komputasi dari neural network. Hal ini terjadi karena convolutional layer pada dasarnya adalahsebuah sparse matrix yang dimensinya lebih kecil dari dimensidata yang diolah [13].…”

Section: Akurasiunclassified

“…LSTM memungkinkanarsitektur machine learning menyimpan bobot (weight) darisuatu perhitungan lebih lama dari RNN. Hal ini disebabkanLSTM memiliki sel-sel LSTM, yaitu sebuah node yangmemiliki self-recurrent [13]. Hal ini menyebabkan LSTM dapatbekerja lebih baik daripada RNN pada data dengan sekuens yang lebih panjang.…”

Section: Akurasiunclassified

Implementasi Jaringan Hierarki Attention Untuk Klasifikasi Basis Data Multimodal Biometrik

Purba

Sari

2022

jipi. jurnal. ilmiah. penelitian. dan. pembelajaran. informatik

View full text Add to dashboard Cite

Pada era digital ini, Teknologi semakin pesat termasuk di bidang Machine Learning, bekerja pada Machine Learning (ML) telah dipercepat dalam beberapa tahun terakhir. Klasifikasi dapat dilakukan dengan banyak metode, salah satunya yaitu menggunakan Deep Learning. Deep Learning merupakanbagian dari Machine Learning yang dapatmempelajari metode komputasinya sendiri. Deep Learning yang saat ini memilikihasil paling signifikan dalam pengenalan citra adalah Convolutional Neural Network (CNN) salah satunya sistem identifikasi menjadi hal yang penting untuk dapat mengenali seseorang berdasarkan ciri yang dimilikinya. Pada umumnya sistem identifikasi seseorang masih dilakukan menggunakan teknik konvensional, seperti menggunakan ID card yang mudah ruak dan hilang, kata sandi atau PIN yang mudah dilupakan. Saat ini, biometrik banyak digunakan untuk verifikasi dan identifikasi. Keunikan dan ketersediaan data biometrik membuatnya ideal untuk tujuan ini. Informasi biometrik biasanya mencakup fitur wajah, sidik jari, iris mata, tanda tangan, suara, dan DNA. Dalam hal ini erat kaitannya dengan sistem otentikasi biometrik multimodal yang terbukti menjadi pendekatan yang menjanjikan untuk mengidentifikasi seseorang menggunakan fitur fisiologis dan/atau perilaku seperti wajah, sidik jari, sidik jari, geometri tangan, iris, retina, vena, serta ucapan. Biometrik multimodal wajah, telapak tangan, telapak tangan dan audio memiliki beberapa keunggulan termasuk pemanfaatan akuisisi gambar non-invasif dan berbiaya rendah. Selain itu, gambar wajah dan sidik jari dapat dengan mudah diperoleh secara bersamaan menggunakan dua sensor tanpa sentuhan. Pada penelitian ini dalam klasifikasinya menggunakan jaringan Hierarki Attention sehingga memperoleh Hasil dari evaluasi matrik dari implementasi jaringan hierarki attention untuk klasifikasi basis data multimodal biometrik diperoleh akurasi sebesar 100%

show abstract

Penerapan Convolutional Long Short-Term Memory untuk Klasifikasi Teks Berita Bahasa Indonesia

Cited by 10 publications

References 9 publications

Automatic Leukocytes Classification using Deep Convolutional Neural Network

Automatic Leukocytes Classification using Deep Convolutional Neural Network

Klasifikasi Teks Berita Berbahasa Indonesia Menggunakan Machine Learning Dan Deep Learning: Studi Literatur

Implementasi Jaringan Hierarki Attention Untuk Klasifikasi Basis Data Multimodal Biometrik

Contact Info

Product

Resources

About