Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Robani, Husni"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Item
    IMPLEMENTASI MODEL LONG SHORT-TERM MEMORY (LSTM) PADA KLASIFIKASI ABSTRAK KARYA TULIS ILMIAH
    (Program Studi S1 Informatika, 2024) Robani, Husni; Benny Yustim (Pembimbing)
    Pemanfaatan deep learning saat ini sudah banyak diadaptasikan dalam berbagai proses bisnis karena dapat memberikan banyak manfaat dalam berbagai permasalahan. Terjadi permasalahan pada sistem repository widyatama dimana lamanya proses pembaharuan data karya tulis ilmiah dikarenakan semakin banyaknya data karya tulis ilmiah baru. Dengan semakin bertambahnya jumlah karya tulis ilmiah yang harus dimasukan setiap tahunnya menyebabkan “bottleneck” dalam proses pembaharuan data tersebut, permasalahan tersebut terjadi karena bertambahnya beban proses yang harus dikerjakan tidak diiringi dengan peningkatan kapasitas dalam pembaharuan data. Hal tersebut menyebabkan ketersediaan data baru pada sistem menjadi tidak up to date. Pengembangan model deep learning dengan algoritma LSTM (Long Short-Term Memory) untuk melakukan klasifikasi teks abstrak karya tulis ilmiah berdasarkan program studi akan dipilih sebagai solusi yang diusulkan untuk mengatasi permasalah tersebut. Model yang sudah berhasil dikembangkan akan diintegrasikan kedalam API sehingga pemanfaatan model akan lebih mudah untuk diintegrasikan dengan sistem repository. Hasil pelatihan model LSTM untuk klasifikasi teks abstrak karya tulis ilmiah memperoleh akurasi tertinggi sebesar 93,31% dengan nilai rata-rata presisi, recall, dan F1-score adalah 95,66%. Dengan adanya model tersebut yang kemudian diintegrasikan dengan API yang berhasil dikembangkan untuk memenuhi fungsionalitas model, diharapkan dapat membantu meningkatkan proses pembaharuan data karya tulis ilmiah dalam sistem repository widyatama. Proses klasifikasi karya tulis ilmiah yang selama ini dilakukan secara manual dapat dilakukan secara otomatis dengan adanya API dan model LSTM tersebut.

PTI copyright © 2002-2026

  • Cookie settings
  • Privacy policy
  • End User Agreement
  • Send Feedback