STMIKLOMBOKSTMIKLOMBOK

Jurnal Informatika dan Rekayasa ElektronikJurnal Informatika dan Rekayasa Elektronik

Penelitian ini bertujuan untuk melakukan Named Entity Recognition guna mengidentifikasi dan mengklasifikasi kata pada tweet yang memuat informasi bencana ke dalam entitas-entitas yang telah ditentukan. Entitas yang diidentifikasi yaitu jenis bencana, lokasi, waktu, magnitude dan others. Algoritma klasifikasi yang digunakan adalah Machine Learning dan Deep Learning. Algoritma Deep Learning yang digunakan yaitu Long Short-Term Memory, Gated Recurrent Units, dan Convolutional Neural Network. Sedangkan algoritma Machine Learning yang digunakan yaitu Naïve Bayes, Decision Tree, Support Vector Machine dan Random Forest. Berdasarkan hasil eksperimen, Deep Learning memperoleh akurasi yang lebih unggul dari Machine Learning. Hal tersebut dilihat dari perolehan nilai accuracy terbaik Deep Learning dihasilkan dari algoritma Gated Recurrent Units dan Long Short-Term Memory dengan nilai 0.999. Sedangkan perolehan accuracy terbaik Machine Learning dihasilkan dari algoritma Random Forest sebesar 0.98.

Berdasarkan hasil penelitian yang telah dilakukan maka, guna mendapatkan model terbaik, dilakukan proses training menggunakan algoritma machine learning dan deep learning.Algoritma machine learning yang digunakan pada penelitian adalah naïve bayes, Support vector machines, decision tree, dan random forest.Sedangkan yang digunakan pada deep learning adalah long short-term memory, convolutional neural network, dan gated recurrent units.Berdasarkan eksperimen, metode deep learning menghasilkan akurasi yang lebih baik daripada metode machine learning dengan akurasi terbaik dihasilkan dari algoritma deep learning yaitu gated recurrent units dan long short-term memory sebesar 0.Adapun hasil akurasi terbaik pada metode machine learning dihasilkan oleh algoritma random forest dengan akurasi 0.Kemudian pada proses training, diketahui bahwa semakin besar ukuran sample size, maka akurasinya semakin tinggi.Namun selisih akurasi antara sample size terkecil hingga terbesar tidak terlalu jauh dan pada algoritma deep learning menunjukkan bawah ukuran sample size terlalu mempengaruhi akurasi.Akurasi yang dihasilkan oleh algoritma deep learning cenderung stabil, baik pada sample size terkecil maupun sample size terbesar.

Berdasarkan hasil penelitian, dapat disimpulkan bahwa metode deep learning menghasilkan akurasi yang lebih baik daripada metode machine learning. Namun, penelitian ini masih memiliki beberapa keterbatasan, seperti data yang digunakan hanya berasal dari Twitter dan belum mencakup semua jenis bencana. Oleh karena itu, penelitian lanjutan dapat dilakukan dengan memperluas sumber data dan mencakup lebih banyak jenis bencana. Selain itu, penelitian juga dapat dilakukan untuk mengoptimalkan algoritma deep learning yang digunakan, seperti dengan menggunakan teknik transfer learning atau meningkatkan ukuran dataset. Penelitian lanjutan juga dapat dilakukan untuk menguji efektivitas metode deep learning pada domain lain selain kebencanaan, seperti kesehatan atau keuangan. Dengan demikian, penelitian ini dapat memberikan kontribusi yang lebih luas dalam pengembangan teknologi informasi dan rekayasa elektronika.

  1. #support vector machine#support vector machine
  2. #sistem keamanan#sistem keamanan
Read online
File size832.02 KB
Pages13
Short Linkhttps://juris.id/p-32a
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test