Implementasi Long-Short Term Memory (LSTM) pada Klasifikasi Kategori Berita

Anak Agung Ngurah Andhika Satrya Nugraha
Ida Bagus Made Mahendra

(JELIKU) Jurnal Elektronik Ilmu Komputer Udayana
Vol 12 No 3 (2024): JELIKU Volume 12 No 3, February 2024

Karena banyaknya berita yang ada saat ini, diperlukan sebuah cara untuk memilah berita yang ingin dilihat. Salah satu cara untuk memilah berita adalah dengan membagi berita ke dalam beberapa kategori. Saat ini pembagian kategori pada berita masih dilakukan secara manual. Penelitian ini membahas tentang implementasi metode Long-Short Term Memory (LSTM) untuk mengklasifikasikan berita ke dalam 7 kategori. Terdapat dua model yang diimplementasikan pada penelitian ini, yaitu model LSTM dan model Bidirectional LSTM. Model LSTM yang dibuat berhasil mengklasifikasikan berita dengan akurasi sebesar 85.36%, model Bidirectional LSTM juga berhasil mengklasifikasikan berita dengan akurasi sebesar 84.15%.