IMPLEMENTASI RECURRENT NEURAL NETWORK BIDIRECTIONAL LONG SHORT-TERM MEMORY PADA SISTEM TEMU KEMBALI INFORMASI PUBLIKASI ILMIAH DOSEN UNIVERSITAS LAMPUNG

Irvandra , Dwidya Agsatra (2024) IMPLEMENTASI RECURRENT NEURAL NETWORK BIDIRECTIONAL LONG SHORT-TERM MEMORY PADA SISTEM TEMU KEMBALI INFORMASI PUBLIKASI ILMIAH DOSEN UNIVERSITAS LAMPUNG. MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

	File PDF (ABSTRAK) open[1] Download (866Kb)
	File PDF (FILE FULL Irvandra Dwidya Agsatra) open[1] Restricted to Hanya staf Download (865Kb) | Minta salinan
	File PDF (FILE FULL TANPA BAB PEMBAHASAN Irvandra Dwidya Agsatra) open[1] Download (866Kb)

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

ABSTRAK Pertumbuhan data yang pesat dan pentingnya teknologi informasi dalam dunia pendidikan telah menimbulkan tantangan baru dalam mengakses dan mengelola informasi yang relevan, khususnya dalam konteks data publikasi ilmiah dari Repository Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas Lampung. Penelitian ini bertujuan untuk menjawab tantangan tersebut dengan mengimplementasikan model Bidirectional Long Short-Term Memory (BiLSTM) untuk mengklasifikasikan fokus riset dan mengembangkan web service temu kembali informasi untuk merekomendasikan publikasi ilmiah. Web service temu kembali informasi ini memanfaatkan model yang dilatih dengan BiLSTM dan cosine similarity untuk memberikan rekomendasi tentang relevansi publikasi ilmiah berdasarkan input pengguna dan dataset yang disediakan. Implementasi BiLSTM diharapkan dapat meningkatkan efisiensi dan akurasi temu kembali informasi untuk membantu pencarian publikasi ilmiah yang relevan dan mengkategorikannya berdasarkan fokus riset. Hasil evaluasi menunjukkan bahwa model tersebut memperoleh akurasi sebesar 0,8844. Hal ini menunjukkan efektivitasnya dalam membantu pencarian publikasi yang relevan. Kata kunci: Temu Kembali Informasi, Natural Language Processing, Bidirectional Long-Short Term Memory (BiLSTM), Publikasi Ilmiah, Fokus Riset ABSTRACT The rapid data growth and the increasing importance of information technology in education have led to new challenges in accessing and managing relevant information, especially in the context of scientific publication data from the Repository of the Research and Community Service Institute of the University of Lampung. This study aims to address these challenges by implementing the Bidirectional Long Short-Term Memory (BiLSTM) model to classify research focus and develop an information retrieval web service to recommend scientific publications. The information retrieval web service utilizes a model trained with BiLSTM and cosine similarity to provide recommendations on the relevance of scientific publications based on user input and the dataset provided. The implementation of BiLSTM is expected to enhance the efficiency and accuracy of information retrieval to assist in the search for relevant scientific publications and categorizing them based on research focus. The evaluation results show that the model obtained an accuracy of 0.8844. This demonstrates its effectiveness in assisting in the search for relevant publications. Keywords: Information Retrieval, Natural Language Processing, Bidirectional Long-Short Term Memory (BiLSTM), Scientific Publication, Research Focus

Jenis Karya Akhir:	Skripsi
Subyek:	600 Teknologi (ilmu terapan)
Program Studi:	FAKULTAS MIPA > Prodi Ilmu Komputer
Pengguna Deposit:	. . Yulianti
Date Deposited:	23 Jan 2025 06:32
Terakhir diubah:	23 Jan 2025 06:32
URI:	http://digilib.unila.ac.id/id/eprint/81390

Actions (login required)

Lihat Karya Akhir