Klasifikasi Multi-label Pada Topik Berita Berbahasa Indonesia Menggunakan Probabilistic Neural Network

OTTO PRAYONO SANTOSO SIAHAAN

Informasi Dasar

21.04.4703
006.31
Karya Ilmiah - Skripsi (S1) - Reference

Berita sudah bisa dikatakan menjadi kebutuhan manusia. Suatu berita sebelum diterbitkan oleh suatu perusahaan perlu dilakukan kategorisasi terhadap berita sesuai dengan topiknya. Namun permasalahan lain ketika melakukan pengkategorian suatu berita yaitu dimana satu artikel berita bisa memiliki lebih dari satu label atau lebih dari satu kategori, kondisi ini disebut multi-label. Untuk mengatasi masalah ini dibuatlah sistem yang dapat melakukan klasifikasi multi-label menggunakan metode Probabilistic Neural Network. Data berupa teks akan dijadikan masukan dan dilakukan ekstraksi ciri menggunakan weighting TF-IDF untuk mendapatkan data berbentuk vektor. Dimana untuk mendapatkan akurasi yang maksimal dalam Probabilistic Neural Network harus memperhatikan parameter penghalus(sigma) dan akurasi yang didapat seber 79.54 % dengan parameter penghalusnya 0.3 dan jumlah hamming loss 0,20

Subjek

Machine Learning
 

Katalog

Klasifikasi Multi-label Pada Topik Berita Berbahasa Indonesia Menggunakan Probabilistic Neural Network
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

OTTO PRAYONO SANTOSO SIAHAAN
Perorangan
Adiwijaya, Mohamad Syahrul Mubarok
 

Penerbit

Universitas Telkom, S1 Informatika
Bandung
2021

Koleksi

Kompetensi

  • CCH3F3 - KECERDASAN BUATAN
  • CIG4A3 - PEMBELAJARAN MESIN
  • CSH4H3 - PENAMBANGAN TEKS

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini