Identification of Quantity Relationships in Math Story Problems Using Bidirectional Long Short-Term Memory (Bi-LSTM)

Diana Ayu Puspita (Universitas Bhinneka PGRI)
Agung Prasetya (Universitas Bhinneka PGRI)
Yayak Kartika Sari (Universitas Bhinneka PGRI)

Horizon: Indonesian Journal of Multidisciplinary
Vol. 4 No. 3 (2026): HORIZON: Indonesian Journal of Multidisciplinary

Penelitian ini bertujuan untuk mengidentifikasi hubungan kuantitas dalam soal cerita matematika menggunakan metode Bidirectional Long Short-Term Memory (BiLSTM). Permasalahan dalam penelitian ini adalah kesulitan dalam memahami dan mengklasifikasikan hubungan kuantitas secara otomatis akibat variasi struktur kalimat dan konteks bahasa. Metode yang digunakan adalah pendekatan deep learning dengan tahapan pengumpulan data, preprocessing, pembentukan vocabulary, pelatihan model, dan evaluasi model. Hasil penelitian menunjukkan bahwa model BiLSTM mampu mengklasifikasikan hubungan kuantitas dengan baik dengan memperoleh nilai accuracy sebesar 0.9224 serta nilai precision, recall, dan F1-score yang relatif tinggi pada setiap kelas. Hal ini menunjukkan bahwa model memiliki performa yang baik dalam memahami pola hubungan kuantitas dalam teks soal cerita matematika, sehingga dapat digunakan sebagai pendekatan yang efektif untuk identifikasi hubungan kuantitas secara otomatis.