Model Pembelajaran dalam Jaringan Saraf Konvolusional untuk Klasifikasi Teks (Abstrak Penelitian Ilmu Komputer)

Abstract

Jumlah informasi teks yang tersedia dari dokumen baru yang tersedia secara online terus meningkat,, salah satu dokumen yang tersedia adalah dalam bidang penelitian computer science, yang merupakan parential category (domain) dan memiliki sebelas sub parential category (sub domain) seperti artificial intelligence, etc. dengan memiliki banyak sub domain menjadikannya sulit untuk secara efektif memberikan kategori yang benar untuk dokumen baru, dengan tersedianya banyak referensi dokumen yang telah memiliki label maka diperlukan metode yang dapat membangun sebuah model yang mampu melakukan proses klasifikasi pada dokumen baru dengan tingkat akurasi yang baik sehingga dapat digunakan sebagai acuan dalam pemberian label kategori sub domain penelitian bidang computer science. Pada penelitian ini akan menggunakan pendekatan baru dalam memahami bahasa alami (natural language) di mana mempertimbangkan input teks sebagai gambar dan menerapkan 2D convolutional neural network untuk mempelajari semantik lokal dan global kalimat dari variasi pola visual kata-kata, embedding, dan 2D max pooling, tujuan dari penelitian ini adalah untuk melakukan klasifikasi teks berbasis alfabet non-latin dengan 11 dataset klasifikasi teks yang merupakan subdomain dari bidang penelitian computer science. Model deep learning yang dihasilkan mampu mengklasifikasikan abstrak penelitian dalam bidang computer science, ke dalam beberapa subdomain penelitian menggunakan model deep learning convolutional neural network dengan tingkat akurasi 0.9522 dan loss 0.1493, validasi dilakukan dengan melakukan split pada dataset, perbandingan 80% untuk data training dan 20% untuk data testing.

Kata Kunci : Deep Learning, Convolutional Neural Network, Classification, Text Mining, Natural Language Processing