Handayani, Linggar Juwita (2016) Implementasi Algoritma Pembelajaran Backpropagation Untuk Klasifikasi Tweet Resolusi. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
5112100031-undergraduate-theses.pdf - Published Version Download (1MB) | Preview |
Preview |
Text
5112100031-presentationpdf.pdf - Published Version Download (1MB) | Preview |
Preview |
Text
5112100031-paperpdf.pdf - Published Version Download (853kB) | Preview |
Abstract
Satu Januari mungkin akan datang dan pergi seperti yang
terjadi pada tahun-tahun sebelumnya. Sosial media akan dibanjiri
resolusi Tahun Baru pengguna. Pengguna secara masal berbagi
harapan pribadi untuk meningkatkan kualitas diri menjadi lebih
baik. Terbukti dengan kelas-kelas di pusat olahraga menjadi
mendadak penuh dan terjual habis. Begitu juga jumlah puntung
rokok pada asbak menjadi lebih sedikit di awal tahun.
Beragamnya tweet resolusi yang dibagikan pengguna, maka dari
itu dilakukan klasifikasi tweet resolusi ke dalam kelas sejenis.
Pada Tugas Akhir ini metode yang akan diimplementasikan
adalah klasifikasi multi kelas dengan Algoritma Backpropagation,
dan optimasi gradient descent. Model jaringan yang digunakan
adalah Multi-Layer Perceptron dengan neuron input sebanyak
jumlah fitur, dan neuron output adalah enam, di mana masingmasing
neuron mewakili sebuah kelas. Di antaranya enam kelas
tersebut adalah Career & Education, Finance, Health & Fitness,
Personal Growth, Recreation & Leisure, dan Relationship.
Uji coba Tugas Akhir ini menggunakan data set berupa teks
kicauan (tweet) yang telah dikelompokkan menjadi enam kelas,
yang kemudian diimplementasikan pada sistem untuk melihat
akurasi yang dihasilkan. Dengan penentuan nilai learning rate,
jumlah neuron pada hidden layer, dan jumlah epoch, akurasi yang
didapat pada tahap pengujian mencapai hingga 50%.
===========================================================
======================================
January 1st probably came and went the same way as it did
last year: with a whole host of New Year’s resolutions on social
media. People shared their thoughts and hopes to be better man in
the future. As results, class at the gym is suddenly sold out and that
ring of co-workers around the ashtray seems a bit less packed.
With a diverse tweet the resolution of a given user, this Final
Project will do the classification to classify similar tweets
resolution into clas.
In this Final Project will be implemented method is a multiclass
classification with Back Propagation Algorithm, with
optimization methods such as gradient descent. Used network
model was implemented with number of features as input layer’s
neuron, and six output layer’s neuron that reflect as each class.
The six mentioned classes were Career & Education, Finance,
Health & Fitness, Personal Growth, Recreation & Leisure, and
Relationship.
Final trials using a data set of a collection of text tweets that
are divided into six classes already by the ground truth data. The
test is done by implementing a set of data on the system to see the
resulting accuracy. By determining the right value of learning rate,
number of neurons in the hidden layer, and sum of epoch, the
accuracy obtained at the stage of testing up to 50%.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSIf 006.42 Han i-1 |
| Uncontrolled Keywords: | tweet, klasifikasi, backpropagation, resolusi tahun baru. |
| Subjects: | T Technology > T Technology (General) > T58.5 Information technology. IT--Auditing |
| Divisions: | Faculty of Information and Communication Technology > Informatics > 55201-(S1) Undergraduate Thesis |
| Depositing User: | EKO BUDI RAHARJO |
| Date Deposited: | 07 Oct 2019 01:37 |
| Last Modified: | 07 Oct 2019 01:37 |
| URI: | http://repository.its.ac.id/id/eprint/71007 |
Actions (login required)
 |
View Item |