Implementasi Model Bi-LSTM Menggunakan Representasi Vektor Kata Berbasis BERT yang Diintegrasi dengan Informasi Kata-Kelas untuk Klasifikasi Teks

Ardyanto, Sandhika (2024) Implementasi Model Bi-LSTM Menggunakan Representasi Vektor Kata Berbasis BERT yang Diintegrasi dengan Informasi Kata-Kelas untuk Klasifikasi Teks. Project Report. [s.n], [s.l.]. (Unpublished)

Text 5025211022- Project_report.pdf - Accepted Version Download (3MB)

Abstract

Klasifikasi teks berita merupakan salah satu topik pada Natural Languange Processing (NLP) yang sering berkaitan dengan analisis sentimen, pendeteksian berita palsu, pendeteksian depresi, dan sistem rekomendasi. Tingkat kepercayaan masyarakat akan ditentukan besarnya kebenaran berita yang beredar sehingga penting untuk membedakan apakah berita yang didapat termasuk berita palsu atau tidak. Representasi vektor kata atau word embedding merupakan metode merepresentasikan kata atau teks menjadi vektor numerik yang dapat dioperasikan oleh mesin untuk memahami konteks kata. Penggunaan model deep learning Bi-LSTM sebagai model klasifikasi teks dan juga transformer BERT untuk menangkap semantik dan sintatik antar kata melalui word embedding. Percobaan menunjukkan model cukup optimal untuk klasifikasi 2 label dengan akurasi terendah 58,55% dan tertinggi 66,98% sedangkan klasifikasi 2 label masih dibawah 30%.

Item Type:	Monograph (Project Report)
Uncontrolled Keywords:	Klasifikasi Teks, NLP, Bi-LSTM, BERT, Transfer Learning, Word Embedding
Subjects:	T Technology > T Technology (General) > T58.5 Information technology. IT--Auditing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Sandhika Surya Ardyanto
Date Deposited:	14 Jul 2025 03:53
Last Modified:	14 Jul 2025 03:53
URI:	http://repository.its.ac.id/id/eprint/119597

Actions (login required)

View Item