Frederico, Charlie (2024) Implementasi Algoritma BERT untuk Klasifikasi Topik Penelitian di Universitas Multimedia Nusantara. Bachelor Thesis thesis, Universitas Multimedia Nusantara.
PDF
HALAMAN_AWAL.pdf Download (1MB) |
|
PDF
BAB_I.pdf Download (218kB) |
|
PDF
BAB_II.pdf Download (270kB) |
|
PDF
BAB_III.pdf Download (268kB) |
|
PDF
BAB_IV.pdf Restricted to Registered users only Download (1MB) |
|
PDF
BAB_V.pdf Download (208kB) |
|
PDF
DAFTAR_PUSTAKA.pdf Download (231kB) |
|
PDF
LAMPIRAN.pdf Restricted to Registered users only Download (1MB) |
Abstract
Terdapat lebih dari 3000 jurnal akademik dan artikel penelitian dari Universitas Multimedia Nusantara yang diterbitkan pada tahun 2018 hingga 2023. Untuk memudahkan pengkategorian, dibangun sistem klasifikasi teks yang menggunakan model Bidirectional Encoder Representations from Transformers (BERT) untuk mengkategorikan judul atau abstrak jurnal ke dalam 17 kategori UN SDG. UN SDG merupakan parameter utama yang digunakan untuk meningkatkan akreditasi fakultas dan program studi oleh Universitas Multimedia Nusantara. Terdapat 76.958 dataset berbahasa Inggris yang digunakan selama training. Model terbaik diperoleh dengan menggunakan preprocessing dengan library NLTK tanpa metode sampling yang menggunakan 70% data training dan 30% data testing. Parameter model mencakup 4 epochs, learning rate 2e-5, dan batch size 32. Model ini mendapatkan nilai precision 0.99, recall 0.82, f1-score 0.87, dan akurasi 90.68%. Model ini dipilih untuk pengklasifikasian teks karena mendapatkan hasil terbaik dibandingkan model lainnya dan telah di demonstrasikan kepada pihak LPPM UMN.
Item Type: | Thesis (Bachelor Thesis) |
---|---|
Keywords: | Bidirectional Encoder Representations from Transformers, Deep Learning, Jurnal Akademik, Klasifikasi Teks, Natural Language Processing |
Subjects: | ?? T58.5-58.64 ?? |
Divisions: | Faculty of Engineering & Informatics > Informatics |
SWORD Depositor: | Administrator UMN Library |
Depositing User: | Administrator UMN Library |
Date Deposited: | 09 Nov 2024 12:16 |
Last Modified: | 09 Nov 2024 12:16 |
URI: | https://kc.umn.ac.id/id/eprint/34014 |
Actions (login required)
View Item |