Multi-Label Classification Pada Teks Hadits Dengan Mengintegrasikan Label Powerset Dan Convolutional Neural Network
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Telkom Purwokerto
Author
Erlangga Pratama, Putra Pancarani
Subject
T Technology (General)
Datestamp
2021-07-30 06:11:48
Abstract :
Berdasarkan bentuk konten dari muatan hadits, suatu hadits dapat dikelompokkan menjadi hadits yang berisi perintah, larangan, dan informasi. Pada kenyataannya terdapat beberapa teks hadits yang dapat masuk ke dalam lebih dari satu kelas, atau disebut juga dengan multilabel. Jumlah teks hadits yang sangat banyak dan saat ini belum dimungkinkan untuk diberikan label pada semua teks hadits, maka diperlukan suatu model klasifikasi yang dapat mengelompokkan teks hadits dengan bentuk kelas multilabel. Penelitian ini menggunakan dataset hadits yang memiliki 1064 teks dengan multilabel. Pengolahan teks diawali dengan preprocessing, yang berupa penyamaan bentuk karakter ke dalam lower case, penghilangan tanda baca, pemotongan teks menjadi kata, dan penghilangan stopword. Penulis menggunakan dua bentuk word embeddings sebagai fitur dari teks, yaitu hasil pretrained Word2Vec dan hasil training word embedding dari teks hadits. Penulis menggunakan pendekatan Deep Learning yaitu algoritma Convolutional Neural Network sebagai model klasifikasi yang diintegrasikan dengan metode Label Powerset yang akan mentransormasikan bentuk multilabel menjadi multiclass. Convolutional Neural Network digunakan karena memiliki hasil yang baik dalam mengklasifikasikan teks. Model klasifikasi mendapatkan hasil hamming loss 0.173708 dengan akurasi 88.95%. Kata kunci: convolutional neural network, hadits, multi-label klasifikasi, multi-class klasifikasi
Berdasarkan bentuk konten dari muatan hadits, suatu hadits dapat dikelompokkan menjadi hadits yang berisi perintah, larangan, dan informasi. Pada kenyataannya terdapat beberapa teks hadits yang dapat masuk ke dalam lebih dari satu kelas, atau disebut juga dengan multilabel. Jumlah teks hadits yang sangat banyak dan saat ini belum dimungkinkan untuk diberikan label pada semua teks hadits, maka diperlukan suatu model klasifikasi yang dapat mengelompokkan teks hadits dengan bentuk kelas multilabel. Penelitian ini menggunakan dataset hadits yang memiliki 1064 teks dengan multilabel. Pengolahan teks diawali dengan preprocessing, yang berupa penyamaan bentuk karakter ke dalam lower case, penghilangan tanda baca, pemotongan teks menjadi kata, dan penghilangan stopword. Penulis menggunakan dua bentuk word embeddings sebagai fitur dari teks, yaitu hasil pretrained Word2Vec dan hasil training word embedding dari teks hadits. Penulis menggunakan pendekatan Deep Learning yaitu algoritma Convolutional Neural Network sebagai model klasifikasi yang diintegrasikan dengan metode Label Powerset yang akan mentransormasikan bentuk multilabel menjadi multiclass. Convolutional Neural Network digunakan karena memiliki hasil yang baik dalam mengklasifikasikan teks. Model klasifikasi mendapatkan hasil hamming loss 0.173708 dengan akurasi 88.95%. Kata kunci: convolutional neural network, hadits, multi-label klasifikasi, multi-class klasifikasi
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
