Klasifikasi Abstrak Skripsi untuk Menentukan Topik Penelitian Menggunakan Metode LSTM Recurrent Neural Network

Leonardo, Theodore (2020) Klasifikasi Abstrak Skripsi untuk Menentukan Topik Penelitian Menggunakan Metode LSTM Recurrent Neural Network. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Share Alike. Download (369kB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Share Alike. Download (180kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Share Alike. Download (290kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Share Alike. Download (222kB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Share Alike. Download (662kB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Share Alike. Download (127kB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Share Alike. Download (43kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Share Alike. Download (2MB)

Abstract

ABSTRAK Pada saat ini abstrak sebagai salah satu bagian penting yang harus ada dalam laporan hasil penelitian skripsi untuk melihat isi tujuan dari penulisannya. Mahasiswa harus memilih bahan-bahan karya ilmiah untuk ditelaah, selanjutnya dituangkan dalam berbagai karya ilmiah, tetapi jika mahasiswa memilih membaca karya ilmiah yang tidak sesuai dengan penelitiannya, maka akan membutuhkan waktu yang cukup lama. Sebagai solusi dari permasalahan tersebut dibuat suatu sistem untuk klasifikasi abstrak sesuai topik penelitian untuk mempermudah pencarian bahan karya ilmiah sesuai topik penelitian yang dibutuhkan. Recurrent Neural Network (RNN) adalah model deep learning yang melakukan sebuah tugas yang sama untuk setiap elemen secara berulang, tetapi RNN mempunyai kelemahan yaitu short-term memory yang mengakibatkan vanishing gradient. Long Short-term memory (LSTM) adalah salah satu varian RNN untuk menyelesaikan masalah short-term memory pada RNN agar tidak terjadi vanishing gradient. Metode RNN LSTM akan diimplementasikan untuk melakukan klasifikasi abstrak skripsi sesuai topik. Penelitian klasifikasi abstrak ini berhasil menerapkan metode RNN LSTM untuk melakukan klasifikasi abstrak skripsi dengan topik penelitian applied computing, system information, dan Computing methodologies dengan nilai akurasi 83% yang diuji dengan data test dan berhasil diterapkan ke aplikasi berbasis website offline untuk memasukan parameter abstrak ke model yang sudah dilatih.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Text Mining, Recurrent neural network, Long Short-term memory, Abstrak karya ilmiah, website
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 000 Computer Science, Information and General Works 500 Science and Mathematic > 500 Science
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	04 Dec 2020 22:43
Last Modified:	23 Aug 2023 07:37
URI:	https://kc.umn.ac.id/id/eprint/14209

Actions (login required)

View Item