Giyaddy Ilmi Alavan Primary Author mixed material bibliography Banda Aceh Fakultas MIPA - Informatika 2022

Skripsi

Ukuran data teks yang terus meningkat membuat proses membangun model klasifikasi teks menjadi semakin sulit karena akan membutuhkan sumberdaya komputasi yang lebih banyak. Salah satu pendekatan yang paling memungkinkan untuk mengatasinya adalah dengan mengubah data teks tersebut menjadi versi yang lebih pendek namun tetap mempertahankan informasi teks aslinya, yakni melalui peringkasan teks otomatis. Penelitian ini dilakukan dengan cara meringkas data latih melalui dua metode peringkasan yang berbeda, yakni dengan algoritma TextRank dan model Generative Adversarial Network (GAN). Hasil ringkasan ini nantinya akan digunakan sebagai corpus data latih oleh tiga classifier yang berbeda dalam membangun model klasifikasi teks, yakni Naïve Bayes, Support Vector Machine (SVM), dan Decision Tree. Hasil pengujian menemukan bahwa corpus hasil ringkasan algoritma TextRank mampu mempersingkat waktu pembangunan model hingga 2-3 kali lebih cepat untuk ketiga classifier bahkan ketika ukuran data mencapai 20 kali lipat dari ukuran aslinya daripada data asli yang tidak diringkas. Dalam hal akurasi model, corpus hasil ringkasan dari model GAN mampu meningkatkan nilai akurasi terhadap dua classifier yang digunakan daripada data teks asli, yakni classifier Naïve Bayes dan SVM, dengan nilai akurasi berturut-turut sebesar 95,979% dan 97,678%, kecuali classifier Decision Tree yang hanya mampu memberikan nilai akurasi sebesar 86,974%, dimana nilai ini sedikit lebih kecil daripada model Decision Tree yang dilatih dengan corpus data teks asli, yakni sebesar 89,710%. Berdasarkan hasil pengujian, dapat disimpulkan bahwa setiap model klasifikasi teks yang menggunakan corpus hasil ringkasan sebagai data latihnya memiliki persentase akurasi yang hampir mendekati atau bahkan melampaui model klasifikasi teks yang dibangun dengan data latih asli, sehingga peringkasan teks dapat diimplementasikan dalam proses text preprocessing ketika hendak membangun model klasifikasi teks. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 98322 2022-02-25 17:05:56 2022-03-01 09:38:08 machine generated