Klasifikasi Data Kuesioner dengan Metode Recurrent Neural Network
IZZA LUTHFI RAIS
Informasi Umum
Kode
20.04.230
Klasifikasi
300.285 - Data Analysis of Social Science
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Data Analysis
Dilihat
540 kali
Informasi Lainnya
Abstraksi
Metode Recurrect Neural Network (RNN) merupakan jaringan saraf buatan dengan pemrosesan yang dipanggil berulang kali. Dalam penelitian kali ini metode RNN akan digunakan untuk mengolah data kuesioner kepuasan mahasiswa Universitas Telkom berupa isisan bebas. Keuntungan menggunakan metode pengolahan data seperti ini bertujuan untuk mempercepat hasil yang didapat dengan akurasi yang besar dalam waktu yang singkat. Arsitektur RNN yang digunakan unutk pengolahan data ini adalah LSTM (Long Short Term Memory). penggunaan LSTM dapat mempermudah pengolahan data berbentuk teks, karena memiliki memory untuk setiap kata pada dokumen. Dalam tugas akhir ini akan menganalisis akurasi yang didapatkan dengan menggunakan metode LSTM. Hasil uji yang didapatkan pada penelitain ini cukup baik melihat akurasi tertinggi pada class positive unutk ratio (50:50) sebesar 56.73%, class neutral unutk ratio (70:30) sebesar 82,49%, dan class negative untuk ratio (80:20) sebesar 79,84%. Kata kunci: RNN, LSTM
- CIG4A3 - PEMBELAJARAN MESIN
- IFG412 - TUGAS AKHIR I (SEMINAR PROPOSAL)
Koleksi & Sirkulasi
Seluruh (1) koleksi tidak tersedia
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | IZZA LUTHFI RAIS |
| Jenis | Perorangan |
| Penyunting | JONDRI |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Informatika |
| Kota | Bandung |
| Tahun | 2020 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
