{JALUR SCIENTIST} KLASIFIKASI KEJADIAN BENCANA DI TWITTER: PERBANDINGAN ALGORITMA LSTM DAN GRU MENGGUNAKAN WORD EMBEDDING FASTTEXT DAN GLOVE

Febrian, Ade (2024) {JALUR SCIENTIST} KLASIFIKASI KEJADIAN BENCANA DI TWITTER: PERBANDINGAN ALGORITMA LSTM DAN GRU MENGGUNAKAN WORD EMBEDDING FASTTEXT DAN GLOVE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (412kB)
	Text (ISI) ISI.pdf Restricted to Registered users only Download (788kB)
	Archive (SOURCE CODE) Jalur Scientist Sourcecode - Ade Febrian.zip Restricted to Registered users only Download (249kB)

Abstract

Semakin pentingnya menangani masalah yang berkaitan dengan bencana di masyarakat kontemporer membutuhkan akses cepat ke informasi yang akurat. Penelitian ini meneliti hal-hal yang terkait dengan bencana dengan melakukan pemeriksaan komparatif terhadap model Algoritma Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU). Penelitian ini menggunakan metodologi penyematan kata FastText dan GloVe untuk mengkategorikan tweet yang terkait dengan bencana. Tujuan utamanya adalah untuk mengevaluasi masalah yang terkait dengan bencana dan membandingkan algoritma LSTM dan GRU, dengan tujuan untuk meningkatkan deteksi dan manajemen bencana. Hasilnya menunjukkan bahwa model LSTM, ketika dikombinasikan dengan penyematan kata FastText, melampaui kombinasi sebelumnya, memperoleh akurasi yang luar biasa sebesar 80%. Teknik ini menunjukkan presisi 81%, recall 83%, dan skor F1 82%, menyoroti kemampuannya yang kuat untuk mengklasifikasikan tweet yang berhubungan dengan bencana secara efektif. Penelitian ini menunjukkan efektivitas metode Deep Learning dalam menyortir, mengkategorikan, dan mengenali data terkait bencana secara efisien.

Actions (login required)

View Item