<> "The repository administrator has not yet configured an RDF license."^^ . <> . . "KINERJA METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN\r\nLONG-SHORT TERM MEMORY (LSTM) PADA KLASIFIKASI DATA \r\nJUDUL BERITA COVID-19\r\n "^^ . "\r\nThe performance of deep learning methods on the classification of text data with\r\ndifferent imbalance ratios is an important discussion because the existing data is\r\ninherently imbalanced. This study is looking for a reliable deep learning method to\r\nclassify data on Indonesian news headlines about COVID-19 with several data\r\nimbalance ratios. Several data imbalance ratios were made by taking samples from\r\nnews events using simple random sampling of 30%, 20%, 10%, and 1%. The\r\nperformance of the CNN and LSTM methods was tested using 10-fold cross\r\nvalidation and compared based on accuracy, precision, recall, and f1-score. The\r\nCNN model architecture built in this study generally consists of an input layer, word\r\nembedding layer, two convolutional layers, one pooling layer, flatten, two hidden\r\nlayers, an output layer. A batch normalization layer and a dropout layer after each\r\nlayer. The LSTM model architecture built in this study generally consists of an\r\ninput layer, a word embedding layer, two LSTM layers, two hidden layers, an\r\noutput layer and a dropout layer after each layer. The performance of CNN and\r\nLSTM with the Bag of Words (BoW) model as word embedding in this study is\r\nquite competitive because CNN outperforms LSTM on all evaluation measures at\r\n37%, 20%, and 10% data imbalance levels, while LSTM outperforms CNN on all\r\nevaluation measures at 30% data imbalance levels. Although CNN and LSTM have\r\ncompetitive performance results, LSTM consumes significantly longer\r\ncomputational time than CNN.\r\n \r\nKeywords: Classification, Imbalance Data, Deep Learning, CNN, LSTM, K-Fold\r\nCross Validation, Bag of Words (BoW), COVID-19 news headlines.\r\n\r\n\r\n\r\n \r\nKinerja metode deep learning pada klasifikasi data teks dengan rasio\r\nketidakseimbangan yang berbeda merupakan diskusi yang penting karena data yang\r\nada pada dasarnya tidak seimbang. Penelitian ini mencari metode deep learning\r\nyang dapat diandalkan untuk mengklasifikasi data judul berita berbahasa Indonesia\r\ntentang COVID-19 dengan beberapa rasio ketidakseimbangan data. Beberapa rasio\r\nketidakseimbangan data dibuat dengan mengambil sampel dari berita event\r\nmenggunakan simple random sampling sebanyak 30%, 20%, 10%, dan 1%. Kinerja\r\nmetode CNN dan LSTM diuji menggunakan 10-fold cross validation dan\r\ndibandingkan berdasarkan akurasi, presisi, recall, dan f1-score. Arsitektur model\r\nCNN yang dibangun pada penelitian ini secara umum terdiri dari input layer, word\r\nembedding layer, dua convolutional layer, satu pooling layer, flatten, dua hidden\r\nlayer, output layer serta batch normalization layer dan dropout layer berada\r\nsetelahnya pada setiap layer tersebut. Arsitektur model LSTM yang dibangun pada\r\npenelitian ini secara umum terdiri dari input layer, word embedding layer, dua\r\nLSTM layer, dua hidden layer, output layer serta dropout layer berada setelahnya\r\npada setiap layer tersebut. Kinerja CNN dan LSTM dengan model Bag of Words\r\n(BoW) sebagai word embedding pada penelitian ini cukup bersaing karena CNN\r\nmengungguli LSTM pada semua ukuran evaluasi pada tingkat ketidakseimbangan\r\ndata 37%, 20%, dan 10%, sedangkan LSTM mengungguli CNN pada semua ukuran\r\nevaluasi pada tingkat ketidakseimbangan data 30%. Meskipun CNN dan LSTM\r\nmemiliki hasil kinerja yang saling bersaing, namun LSTM menghabiskan waktu\r\nkomputasi yang jauh lebih lama daripada CNN.\r\n \r\nKata kunci: Klasifikasi, Ketidakseimbangan Data, Deep Learning, CNN, LSTM,\r\nK-Fold Cross Validation, Bag of Words (BoW), Judul Berita COVID-19."^^ . "2022-08-05" . . . . . "FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM "^^ . . . . . . . " 1817031065"^^ . " LUTHFIA NUR AZIZAH"^^ . " 1817031065 LUTHFIA NUR AZIZAH"^^ . . . . . . "KINERJA METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN\r\nLONG-SHORT TERM MEMORY (LSTM) PADA KLASIFIKASI DATA \r\nJUDUL BERITA COVID-19\r\n (File PDF)"^^ . . . "ABSTRAK.pdf"^^ . . . "KINERJA METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN\r\nLONG-SHORT TERM MEMORY (LSTM) PADA KLASIFIKASI DATA \r\nJUDUL BERITA COVID-19\r\n (File PDF)"^^ . . . "KINERJA METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN\r\nLONG-SHORT TERM MEMORY (LSTM) PADA KLASIFIKASI DATA \r\nJUDUL BERITA COVID-19\r\n (File PDF)"^^ . . . "SKRIPSI TANPA BAB PEMBAHASAN.pdf"^^ . . . "KINERJA METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN\r\nLONG-SHORT TERM MEMORY (LSTM) PADA KLASIFIKASI DATA \r\nJUDUL BERITA COVID-19\r\n (Other)"^^ . . . . . . "indexcodes.txt"^^ . . . "KINERJA METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN\r\nLONG-SHORT TERM MEMORY (LSTM) PADA KLASIFIKASI DATA \r\nJUDUL BERITA COVID-19\r\n (Other)"^^ . . . . . . "KINERJA METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN\r\nLONG-SHORT TERM MEMORY (LSTM) PADA KLASIFIKASI DATA \r\nJUDUL BERITA COVID-19\r\n (Other)"^^ . . . . . . "indexcodes.txt"^^ . . . "KINERJA METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN\r\nLONG-SHORT TERM MEMORY (LSTM) PADA KLASIFIKASI DATA \r\nJUDUL BERITA COVID-19\r\n (Other)"^^ . . . . . . "lightbox.jpg"^^ . . . "KINERJA METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN\r\nLONG-SHORT TERM MEMORY (LSTM) PADA KLASIFIKASI DATA \r\nJUDUL BERITA COVID-19\r\n (Other)"^^ . . . . . . "preview.jpg"^^ . . . "KINERJA METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN\r\nLONG-SHORT TERM MEMORY (LSTM) PADA KLASIFIKASI DATA \r\nJUDUL BERITA COVID-19\r\n (Other)"^^ . . . . . . "medium.jpg"^^ . . . "KINERJA METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN\r\nLONG-SHORT TERM MEMORY (LSTM) PADA KLASIFIKASI DATA \r\nJUDUL BERITA COVID-19\r\n (Other)"^^ . . . . . . "small.jpg"^^ . . . "KINERJA METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN\r\nLONG-SHORT TERM MEMORY (LSTM) PADA KLASIFIKASI DATA \r\nJUDUL BERITA COVID-19\r\n (Other)"^^ . . . . . . "KINERJA METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN\r\nLONG-SHORT TERM MEMORY (LSTM) PADA KLASIFIKASI DATA \r\nJUDUL BERITA COVID-19\r\n (Other)"^^ . . . . . . "KINERJA METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN\r\nLONG-SHORT TERM MEMORY (LSTM) PADA KLASIFIKASI DATA \r\nJUDUL BERITA COVID-19\r\n (Other)"^^ . . . . . . "KINERJA METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN\r\nLONG-SHORT TERM MEMORY (LSTM) PADA KLASIFIKASI DATA \r\nJUDUL BERITA COVID-19\r\n (Other)"^^ . . . . . . "KINERJA METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN\r\nLONG-SHORT TERM MEMORY (LSTM) PADA KLASIFIKASI DATA \r\nJUDUL BERITA COVID-19\r\n (Other)"^^ . . . . . . "lightbox.jpg"^^ . . . "KINERJA METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN\r\nLONG-SHORT TERM MEMORY (LSTM) PADA KLASIFIKASI DATA \r\nJUDUL BERITA COVID-19\r\n (Other)"^^ . . . . . . "preview.jpg"^^ . . . "KINERJA METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN\r\nLONG-SHORT TERM MEMORY (LSTM) PADA KLASIFIKASI DATA \r\nJUDUL BERITA COVID-19\r\n (Other)"^^ . . . . . . "medium.jpg"^^ . . . "KINERJA METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN\r\nLONG-SHORT TERM MEMORY (LSTM) PADA KLASIFIKASI DATA \r\nJUDUL BERITA COVID-19\r\n (Other)"^^ . . . . . . "small.jpg"^^ . . "HTML Summary of #65255 \n\nKINERJA METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN \nLONG-SHORT TERM MEMORY (LSTM) PADA KLASIFIKASI DATA \nJUDUL BERITA COVID-19 \n \n\n" . "text/html" . . . "000 Ilmu komputer, informasi dan pekerjaan umum" . . . "001 Ilmu pengetahuan" . .