Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Media Borneo Journal of Artificial Intelligence and Technology Information
Bagus Bramantyo
Universitas Teknokrat Indonesia
Computer Science & IT Control & Systems Engineering Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Implementasi Recurrent Neural Network Pada Multiclass Text Classification Judul Berita Bagus Bramantyo; Muhammad Pajar Kharisma Putra; Nirwana Hendrastuty
Jurnal Media Borneo Vol. 1 No. 1 (2023): Volume 1 Number 1 Agustus 2023
Publisher : CV. Keranjang Teknologi Media

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/mediaborneo.v1i1.6

Abstract

Currently, obtaining information has become easier with the advent of internet technology. Online news portals provide on-demand access to desired information. However, the abundance of news content can make it difficult to find specific articles due to manual categorization errors. This research focuses on evaluating the performance of the Deep Learning method using a Recurrent Neural Network (RNN) for multi-classification tasks on news headlines related to Economics, Health, Sports, and Politics. Training and testing data were collected from news portals using Web Scraping, followed by Text Preprocessing stages such as case folding, tokenization, stopwords removal, and stemming. TF-IDF was then used for feature extraction to assign weights to each word. Testing the model's performance using the Confusion Matrix showed an accuracy of 97%, indicating that the RNN method effectively handles news headline classification and can be applied in news classification systems.
Klasifikasi Multikelas pada Teks Judul Berita Menggunakan Algoritma Recurrent Neural Network Bagus Bramantyo; Muhammad Pajar Kharisma Putra; Nirwana Hendrastuty
Journal of Artificial Intelligence and Technology Information (JAITI) Vol. 3 No. 1 (2025): Volume 3 Number 1 March 2025
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/jaiti.v3i1.197

Abstract

Saat ini, informasi dapat dengan mudah diperoleh melalui internet, salah satunya melalui platform portal berita online yang memberikan akses informasi sesuai permintaan. Namun terkadang kita kesulitan menemukan konten berita yang diinginkan karena jumlahnya yang sangat banyak. Hal ini terjadi karena proses pengkategorian konten berita secara manual oleh author, yang bisa menyebabkan kesalahan seperti topik berita yang tercampur. Penelitian ini bertujuan untuk mengetahui kinerja metode Deep Learning menggunakan Recurrent Neural Network (RNN) dalam tugas multiklasifikasi pada judul berita dengan topik Ekonomi, Kesehatan, Olahraga, dan Politik. Judul berita untuk data latih dan uji diperoleh menggunakan Web Scraping dan setelah itu melalui tahap Text Preprocessing yang meliputi case folding, tokenization, stopwords removal, dan stemming. Selanjutnya, dilakukan ekstraksi fitur menggunakan TF-IDF untuk memberikan bobot pada setiap kata. Hasil pengujian kinerja model menggunakan Confusion Matrix menunjukkan akurasi mencapai 97%, sehingga metode RNN dapat digunakan dengan baik dalam tugas multiklasifikasi pada judul berita dan dapat diaplikasikan pada sistem pengklasifikasian judul berita.
Co-Authors Muhammad Pajar Kharisma Putra Nirwana Hendrastuty