Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Industrial Research Workshop and National Seminar
Yoga Esa Mahendra
Universitas Jenderal Ahmad Yani
Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Other

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Kalimat Ilmiah Menggunakan 1D Convolutional Neural Networks Yoga Esa Mahendra; Ridwan Ilyas; Fatan Kasyidi
Prosiding Industrial Research Workshop and National Seminar Vol 11 No 1 (2020): Prosiding 11th Industrial Research Workshop and National Seminar (IRWNS)
Publisher : Politeknik Negeri Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (921.231 KB) | DOI: 10.35313/irwns.v11i1.2057

Abstract

Kalimat-kalimat yang tuliskan dalam suatu karya ilmiah memiliki banyak sekali ragamnya yang dipengaruhi dari hasil rujukan yang berbeda. Keberagaman kalimat ilmiah tersebut dapat diklasifikasi berdasarkan kelas yang telah didefinisi. Pada penelitian sebelumnya telah menunjukan bahwa penggunaan arsitektur CNN dapat digunakan untuk klasifikasi kalimat dengan masukan berupa vektor kata. Vektor kata didapatkan melalui hasil praporses dan embedding dengan metode Word2vec. Proses klasifikasi dalam penelitian ini menggunakan 2019 data berupa kalimat tunggal yang diperoleh dari makalah ilmiah komputasi dan telah dilabeli kedalam empat kelas yaitu “Weak”, “Comparison”, “Point”, dan “Neutral”. Penelitian ini telah melakukan simulasi pengujian menggunakan CNNMultichannel dengan model optimasi Adam yang memilki learning-rate 0,001 menghasilkan akurasi 74,51% dengan nilai loss 0,82 sedangkan untuk model CNN-Singlechannel memperoleh akurasi sebesar 70,76% dan nilai loss 1,73. Dari serangkaian pengujian menunjukan bahwa untuk model terbaik dicapai ketika menggunakan model CNNMultichannel dengan skor F-Measure 45,55%.
Co-Authors Kasyidi, Fatan Ridwan Ilyas