FITUR EKSTRAKSI NEURAL NET UNTUK OPTIMALISASI PERFORMA MLP PADA TUGAS KLASIFIKASI SENTIMEN

MUHAMMAD, FIKRI ALAM (2025) FITUR EKSTRAKSI NEURAL NET UNTUK OPTIMALISASI PERFORMA MLP PADA TUGAS KLASIFIKASI SENTIMEN. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF 1. ABSTRAK - ABSTRACT.pdf Download (54Kb) | Preview
	File PDF 2. SKRIPSI FULL.pdf Restricted to Hanya staf Download (3669Kb) | Minta salinan
Preview	File PDF 3. SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (2631Kb) | Preview

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

MLP adalah model pembelajaran mendalam yang dianggap memiliki banyak kelemahan dibandingkan dengan model lainnya. Hal ini didasarkan pada keterbatasan MLP dalam menyelesaikan tugas-tugas kompleks dan seringnya terjadi overfitting terutama ketika dihadapkan dengan data berdimensi tinggi. Namun, MLP memiliki kelebihan dalam hal penggunaan sumber daya yang lebih efisien dibandingkan model lainnya. Meskipun tidak lebih unggul dari model lain, MLP masih dapat bersaing dan membutuhkan waktu pelatihan yang lebih singkat. Alasan inilah yang mendasari penelitian ini. Tujuan dari penelitian ini adalah untuk meningkatkan kinerja model MLP dalam tugas klasifikasi sentimen dengan menambahkan lapisan jaringan saraf seperti CNN, LSTM, dan BiLSTM untuk ekstraksi fitur. Evaluasi model yang diusulkan menggunakan metrik akurasi, presisi, recall, F1-score, dan ROC-AUC. Hasil penelitian menunjukkan bahwa penambahan fitur ekstraksi menggunakan model jaringan saraf tiruan berhasil meningkatkan performa MLP sebesar 1% pada kategori akurasi, presisi, recall, F1-score, dan berhasil meningkatkan ROC-AUC sebesar 0.06% sampai 4%. Kata-kata kunci: MLP, pembelajaran mendalam, jaringan saraf, optimalisasi performa

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika 500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi:	FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) > Prodi S1 Matematika
Pengguna Deposit:	2301350107 . Digilib
Date Deposited:	17 Jun 2025 01:52
Terakhir diubah:	17 Jun 2025 01:52
URI:	http://digilib.unila.ac.id/id/eprint/88810

Actions (login required)

Lihat Karya Akhir