HYPERPARAMETER TUNING DEEP LEARNING PADA DATA TIDAK SEIMBANG

• REFI RIDUAN ACHMAD
• 14207020

---

ABSTRAK

 

ABSTRAK Nama : Refi Riduan Achmad NIM : 14207020 Program Studi : Ilmu Komputer Fakultas : Teknologi Informasi Jenjang : Strata Dua (S2) Konsentrasi : Data Mining Judul : “Hyperparameter Tuning Deep Learning pada Data Tidak Seimbang” Data yang tidak seimbang menjadi tantangan untuk performa algoritma klasifikasi. Keadaan dimana dua kelas yang terdiri dari kelas mayoritas lebih mendominasi kelas minoritas. Dampaknya, model algoritma cenderung memiliki akurasi yang tinggi terhadap kelas mayoritas. Data yang tidak seimbang dapat terjadi pada jenis data apapun, termasuk data yang berasal dari twitter. Twitter salah satu media sosial yang banyak digunakan untuk beropini berbagai hal, diantaranya tentang bakal calon Presiden RI tahun 2024. Data twit dikumpulkan dari tanggal 8 Oktober 2022 sampai dengan 10 Januari 2023. Anies Baswedan memiliki jumlah twit 34.962, Ganjar Pranowo 39.796 twit dan Prabowo Subianto 12.398 twit. Twit ini dapat diidentifikasi untuk dikategorikan ke dalam sentimen positif dan sentimen negatif menggunakan beberapa metode algoritma klasifikasi, yaitu Decision Tree, Naïve Bayes dan Deep Learning. Dataset berasal dari opini twit netizen twitter yang di-scraping dan preprocessing menggunakan tools RapidMiner. Dataset Prabowo Subianto meraih performa terbaik menggunakan model Deep Learning dengan tingkat accuracy 85.42%, precision 63.30%, recall 91.77%, dan AUC 0.867. Kata kunci: Hyperparameter Tuning, Deep Learning, Analisis Sentimen, Data Tidak Seimbang
 

KATA KUNCI

Hyperparameter Tunning,Deep Learning

---

DAFTAR PUSTAKA

 

DAFTAR REFERENSI [1] P. Septiana Rizky, R. Haiban Hirzi, U. Hidayaturrohman, U. Hamzanwadi Selong Jl TGKH Muhammad Zainuddin Abdul Madjid Pancor, and L. Timur, “Perbandingan Metode LightGBM dan XGBoost dalam Menangani Data dengan Kelas Tidak Seimbang,” jurnal.unipasby.ac.id, vol. 15, no. 2, pp. 228–236, 2022, Accessed: Feb. 01, 2023. [Online]. Available: https://jurnal.unipasby.ac.id/index.php/jstatistika/article/view/5548 [2] K. M. Hasib, M. I. H. Showrov, J. al Mahmud, and K. Mithu, “Imbalanced Data Classification Using Hybrid Under-Sampling with Cost-Sensitive Learning Method,” Lecture Notes in Electrical Engineering, vol. 869, pp. 423–435, 2022, doi: 10.1007/978-981-19-0019-8_32. [3] C. Lin, C. F. Tsai, and W. C. Lin, “Towards hybrid over- and under-sampling combination methods for class imbalanced datasets: an experimental study,” Artif
Intell Rev, 2022, doi: 10.1007/S10462-022-10186-5. [4] K. Kurniabudi, … A. H.-J. M., and undefined 2022, “Komparasi Performa TreeBased Classifier Untuk Deteksi Anomali Pada Data Berdimensi Tinggi dan Tidak Seimbang,” ejurnal.stmik-budidarma.ac.id, vol. 2022, 2022, Accessed: Feb. 01, 2023. [Online]. Available: http://www.ejurnal.stmikbudidarma.ac.id/index.php/mib/article/view/3473 [5] T. D. Putra, E. Utami, and M. P.Kurniawan, “Analisis Sentimen Pemilu 2024 dengan Naive Bayes Berbasis Particle Swarm Optimization (PSO),” EXPLORE, vol. 13, no. 1, pp. 1 –5, Aug. 2022, doi: 10.35200/EXPLORE.V13I1.617. [6] I. Kurniawan and A. Susanto, “Implementasi Metode K-Means dan Naïve Bayes Classifier untuk Analisis Sentimen Pemilihan Presiden (Pilpres) 2019,” Eksplora
Informatika, vol. 9, no. 1, pp. 1 –10, Sep. 2019, doi: 10.30864/EKSPLORA.V9I1.237. [7] B. Arianto, “Salah Kaprah Ihwal Buzzer: Analisis Percakapan Warganet di Media Sosial,” JIIP: Jurnal Ilmiah Ilmu Pemerintahan, vol. 5, no. 1, pp. 1–20, 2020, doi: 10.14710/jiip.v5i1.7287. [8] N. Saputra, K. Nurbagja, and T. Turiyan, “Sentiment Analysis of Presidential Candidates Anies Baswedan and Ganjar Pranowo Using Naïve Bayes Method,”
JURNAL SISFOTEK GLOBAL, vol. 12, no. 2, pp. 114–119, Sep. 2022, doi: 10.38101/SISFOTEK.V12I2.552. [9] F. S. Mufidah, S. Winarno, F. Alzami, E. D. Udayanti, and R. R. Sani, “Analisis Sentimen Masyarakat Terhadap Layanan Shopeefood Melalui Media Sosial Twitter Dengan Algoritma Naïve Bayes Classifier,” JOINS (Journal of
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri
Information System), vol. 7, no. 1, pp. 14–25, 2022, doi: 10.33633/joins.v7i1.5883. [10] M. M.Abdelgwad, T. H. A Soliman, A. I.Taloba, and M. F. Farghaly, “Arabic aspect based sentiment analysis using bidirectional GRU based models,” Journal
of King Saud University - Computer and Information Sciences, no. xxxx, 2021, doi: 10.1016/j.jksuci.2021.08.030. [11] S. F. Pratama, R. Andrean, and A. Nugroho, “Analisis Sentimen Twitter Debat Calon Presiden Indonesia Menggunakan Metode Fined-Grained Sentiment Analysis,” JOINTECS (Journal of Information Technology and Computer
Science), vol. 4, no. 2, pp. 39–44, Jul. 2019, doi: 10.31328/JOINTECS.V4I2.1004. [12] M. R. F. S. bani, U. Enri, and T. N. Padilah, “Analisis Sentimen Terhadap Bakal Calon Presiden 2024 Dengan Algoritme Naïve Bayes,” JURIKOM (Jurnal Riset
Komputer), vol. 9, no. 2, pp. 265–273, Apr. 2022, doi: 10.30865/JURIKOM.V9I2.3989. [13] M. Syarifuddinn, “Analisis Sentimen Opini Publik Terhadap Efek Psbb Pada Twitter Dengan Algoritma Decision Tree,Knn, Dan Naïve Bayes,” INTI Nusa
Mandiri, vol. 15, no. 1, pp. 87–94, 2020, doi: 10.33480/inti.v15i1.1433. [14] R. M. Turjaman and I. Budi, “Analisis Sentimen Berbasis Aspek Marketing Mix Terhadap Ulasan Aplikasi Dompet Digital (Studi Kasus: Aplikasi Linkaja Pada Twitter),” Jurnal Darma Agung, vol. 30, no. 2, p. 266, 2022, doi: 10.46930/ojsuda.v30i2.1672. [15] A. Witanti, B. Yogyakarta Jl Raya Wates-Jogjakarta, K. Sedayu, K. Bantul, and D. Istimewa Yogyakartalamat, “ANALISIS SENTIMEN MASYARAKAT TERHADAP VAKSINASI COVID-19 PADA MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM),”
Jurnal Sistem Informasi dan Informatika (Simika) P-ISSN, vol. 5, pp. 2622–6901, 2022. [16] B. Bayu Baskoro, I. Susanto, and S. Khomsah, “Analisis Sentimen Pelanggan Hotel di Purwokerto Menggunakan Metode Random Forest dan TF-IDF (Studi Kasus: Ulasan Pelanggan Pada Situs TRIPADVISOR),” Journal of Informatics,
Information System, Software Engineering and Application, vol. 3, no. 2, pp. 021– 029, 2021. [17] R. Puspita and A. Widodo, “Perbandingan Metode KNN, Decision Tree, dan Naïve Bayes Terhadap Analisis Sentimen Pengguna Layanan BPJS,”
scholar.archive.org, vol. 5, no. 4, pp. 2622–4615, 2020, doi: 10.32493/informatika.v5i4.7622. [18] A. Dewandaru, J. W.-J. T. dan Manajemen, and undefined 2022, “Analisis Sentimen dan Klasifikasi Tweet Terkait Mutasi COVID-19 menggunakan Metode Naïve Bayes Classifier,” jurnal.unmer.ac.id, vol. 8, pp. 32–38, 2022, Accessed:
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri Jan. 27, 2023. [Online]. Available: https://jurnal.unmer.ac.id/index.php/jtmi/article/view/6803 [19] C. Z.-J. P. Data and undefined 2022, “Implementasi Data Mining Sebagai Pengolahan Data,” portaldata.org, vol. 2, no. 3, pp. 2022–2023, Accessed: Jan. 27, 2023. [Online]. Available: http://portaldata.org/index.php/portaldata/article/view/107 [20] H. Doloksaribu, Y. S.-J. T. I. Jurnal, and undefined 2022, “Komparasi Algoritma Data Mining Untuk Analisis Sentimen Aplikasi Pedulilindungi,” ejournal.upr.ac.id, Accessed: Jan. 27, 2023. [Online]. Available: http://ejournal.upr.ac.id/index.php/JTI/article/view/3747 [21] A. Azevedo and M. F. Santos, “KDD, SEMMA AND CRISP-DM: A PARALLEL OVERVIEW.” [22] J. Suntoro, DATA MINING: Algoritma dan Implementasi dengan Pemrograman
php. 2019. Accessed: Jul. 07, 2022. [Online]. Available: https://books.google.com/books?hl=en&lr=&id=8NKdDwAAQBAJ&oi=fnd&pg =PP1&dq=suntoro&ots=YfBIIZMfh8&sig=nT2of7z6FUoV3Ig9zgvAn79aTzQ [23] R. Wirth and J. Hipp, “CRISP-DM: Towards a Standard Process Model for Data Mining,” ISCAP - Sistemas de Informação - Comunicações em eventos científicos, 2008, Accessed: Jul. 07, 2022. [Online]. Available: http://hdl.handle.net/10400.22/136 [24] R. Riduan Achmad, F. F. Septiana, N. Syamsi, B. S. Prakoso, and H. B. Novitasari, “Penerapan Finite State Automata pada Vending Machine dalam Melakukan Transaksi Pengembalian Buku di Perpustakaan,” Metik Jurnal, vol. 5, no. 1, pp. 63–70, 2021, doi: 10.47002/metik.v5i1.219. [25] F. Fadillah, “Perancangan Prototype Sistem Pendeteksi Tinggi Badan dengan Menggunakan Veniding Machine Berbasis Sensor Ultrasonik,” Jurnal Ilmiah
Ilmu Komputer, vol. 7, no. 2, pp. 1 –5, 2021, doi: 10.35329/jiik.v7i2.195. [26] S. Yadav and S. Yadav, “Text Mining of VOOT Application Reviews on Google Play Store,” International Research Journal of Engineering and Technology, 2018, [Online]. Available: www.irjet.net [27] D. Balatti, H. Haddad Khodaparast, M. I. Friswell, M. Manolesos, and M. Amoozgar, “The effect of folding wingtips on the worst-case gust loads of a simplified aircraft model,” Proc Inst Mech Eng G J Aerosp Eng, vol. 236, no. 2, pp. 219–237, Feb. 2022, doi: 10.1177/09544100211010915. [28] H. Syah, A. W.-J. S. I. Dan, and undefined 2022, “Analisis Sentimen Masyarakat Terhadap Vaksinasi Covid-19 Pada Media Sosial Twitter Menggunakan Algoritma Support Vector Machine (Svm),” ejournal.lppm-unbaja.ac.id.
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri [29] G. Cahyani, W. Widayani, … S. A.-J. M., and undefined 2022, “Klasifikasi Data Review IMDb Berdasarkan Analisis Sentimen Menggunakan Algoritma Support Vector Machine,” stmik-budidarma.ac.id. [30] P. McCann, “fugashi, a Tool for Tokenizing Japanese in Python,” Nov. 2020, pp. 44–51. doi: 10.18653/v1/2020.nlposs-1.7. [31] A. Nugraha, U. B.-T. Journal, and undefined 2022, “Adaptive E-Learning System Berbasis Vark Learning Style dengan Klasifikasi Materi Pembelajaran Menggunakan K-NN (K-Nearest Neighbor),” ijc.ilearning.co, vol. 7, no. 2, pp. 2528–6544, 2022, doi: 10.33050/tmj.v7i2.1900. [32] S. Juanita, “Analisis Sentimen Persepsi Masyarakat Terhadap Pemilu 2019 Pada Media Sosial Twitter Menggunakan Naive Bayes,” JURNAL MEDIA
INFORMATIKA BUDIDARMA, vol. 4, no. 3, p. 552, Jul. 2020, doi: 10.30865/MIB.V4I3.2140. [33] C. E. Joergensen Munthe, N. Astuti Hasibuan, and H. Hutabarat, “Penerapan Algoritma Text Mining Dan TF-RF Dalam Menentukan Promo Produk Pada Marketplace,” djournals.com, vol. 2, no. 3, pp. 110–115, 2022. [34] I. Verawati and B. S. Audit, “Algoritma Naïve Bayes Classifier Untuk Analisis Sentiment Pengguna Twitter Terhadap Provider By.u,” JURNAL MEDIA
INFORMATIKA BUDIDARMA, vol. 6, no. 3, p. 1411, Jul. 2022, doi: 10.30865/mib.v6i3.4132. [35] G. Angeline, A. Wibawa, U. P.-M. J. Teknik, and undefined 2022, “KLASIFIKASI DIALEK BAHASA JAWA MENGGUNAKAN METODE NAIVES BAYES,” ejournal.itn.ac.id, vol. 5, no. 2, 2022. [36] R. Ali et al., “Text Mining: Use of TF-IDF to Examine the Relevance of Words to Documents Text Mining: Use of TF-IDF to Examine the Relevance of Words to Documents Text Mining,” Article in International Journal of Computer
Applications, vol. 181, no. 1, pp. 975–8887, 2018, doi: 10.5120/ijca2018917395. [37] P. P. O. Mahawardana, I. A. P. F. Imawati, and I. W. Dika, “Analisis Sentimen Berdasarkan Opini dari Media Sosial Twitter terhadap ‘Figure Pemimpin’ Menggunakan Python,” Jurnal Manajemen dan Teknologi Informasi, vol. 12, no. 2, pp. 50–56, Oct. 2022, doi: 10.5281/ZENODO.7177756. [38] D. Putri, … G. N.-J. I. dan, and undefined 2022, “Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier,” journal.eng.unila.ac.id. [39] E. Nurhazizah, R. N. Ichsan, and S. Widiyanesti, “Analisis Sentimen Dan Jaringan Sosial Pada Penyebaran Informasi Vaksinasi Di Twitter,” Swabumi, vol. 10, no. 1, pp. 24–35, 2022, doi: 10.31294/swabumi.v10i1.12474. [40] S. Samsir, A. Ambiyar, … U. V.-J. M., and undefined 2021, “Analisis Sentimen Pembelajaran Daring Pada Twitter di Masa Pandemi COVID-19 Menggunakan
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri Metode Naïve Bayes,” stmik-budidarma.ac.id, Accessed: Jun. 03, 2022. [Online]. Available: http://stmik-budidarma.ac.id/ejurnal/index.php/mib/article/view/2580 [41] R. Ridho, H. H.-J. I. J. S. Informasi, undefined Teknologi, and undefined 2022, “Klasifikasi Diagnosis Penyakit Covid-19 Menggunakan Metode Decision Tree,”
jurnal.umj.ac.id, vol. 11, no. 3, pp. 69–75, 2021. [42] A. T.-J. (Jurnal T. I. D. Sistem and undefined 2022, “The Klasifikasi Kualitas Air Menggunakan Metode KNN, Naïve Bayes, dan Decision Tree,” jurnal.mdp.ac.id, vol. 9, no. 2, pp. 1109–1119, 2022, Accessed: Jan. 27, 2023. [Online]. Available: https://jurnal.mdp.ac.id/index.php/jatisi/article/view/2048 [43] A. S. Osman, “Data Mining Techniques: Review,” vol. 2, no. 1, pp. 1 –4, 2019, [Online]. Available: https://www.educba.com/7-data- [44] F. Pattiiha, H. H.-J. (Jurnal Riset, and undefined 2022, “Perbandingan Metode K- NN, Naïve Bayes, Decision Tree untuk Analisis Sentimen Tweet Twitter Terkait Opini Terhadap PT PAL Indonesia,” ejurnal.stmik-budidarma.ac.id, vol. 9, no. 2, pp. 2407–389, 2022, doi: 10.30865/jurikom.v9i2.4016. [45] D. Nabila Batubara, A. Perdana Windarto, E. Irawan STIKOM Tunas Bangsa, P. Jalan Kartini, K. Pematang Siantar, and S. Utara, “Analisis Prediksi Keterlambatan Pembayaran Listrik Menggunakan Komparasi Metode Klasifikasi Decision Tree dan Support Vector Machine,” stmik-budidarma.ac.id, vol. 9, no. 1, pp. 2407–389, 2022, doi: 10.30865/jurikom.v9i1.3833. [46] C. Hasri, D. A.-J. I. dan R. Perangkat, and undefined 2022, “Penerapan Metode Naïve Bayes Classifier Dan Support Vector Machine Pada Analisis Sentimen Terhadap Dampak Virus Corona Di Twitter,” jim.teknokrat.ac.id, Accessed: Jan. 27, 2023. [Online]. Available: http://jim.teknokrat.ac.id/index.php/informatika/article/view/2026 [47] A. Rozaq, Y. Yunitasari, K. Sussolaikah, E. Resty, N. Sari, and R. I. Syahputra, “Analisis Sentimen Terhadap Implementasi Program Merdeka Belajar Kampus Merdeka Menggunakan Naïve Bayes, K-Nearest Neighboars Dan Decision Tree,”
ejurnal.stmik-budidarma.ac.id, 2022, doi: 10.30865/mib.v6i2.3554. [48] M. Indah Petiwi, A. Triayudi, and I. Diana Sholihati, “Analisis Sentimen Gofood Berdasarkan Twitter Menggunakan Metode Naïve Bayes dan Support Vector Machine,” ejurnal.stmik-budidarma.ac.id, 2022, doi: 10.30865/mib.v6i1.3530. [49] R. Azhar, A. Surahman, C. J.-J.-S. (Jurnal Sains, and undefined 2022, “Analisis Sentimen Terhadap Cryptocurrency Berbasis Python TextBlob Menggunakan Algoritma Naïve Bayes,” tunasbangsa.ac.id, Accessed: Jan. 27, 2023. [Online]. Available: http://tunasbangsa.ac.id/ejurnal/index.php/jsakti/article/view/443 [50] M. I. Fikri, T. S. Sabrila, and Y. Azhar, “Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter,” SMATIKA JURNAL, vol. 10, no. 02, pp. 71 –76, Dec. 2020, doi: 10.32664/SMATIKA.V10I02.455.
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri [51] C. Li, G. Zhan, and Z. Li, “News Text Classification Based on Improved BiLSTM-CNN,” Proceedings - 9th International Conference on Information
Technology in Medicine and Education, ITME 2018, pp. 890–893, 2018, doi: 10.1109/ITME.2018.00199. [52] Y. Hafifah, K. Muchtar, … A. A.-… (Jurnal R. K., and undefined 2022, “Perbandingan Kinerja Deep Learning Dalam Pendeteksian Kerusakan Biji Kopi,” stmik-budidarma.ac.id, vol. 9, no. 6, pp. 2407–389, 1928, doi: 10.30865/jurikom.v9i6.5151. [53] F. Hasibuan, A. R.-E. J. R. dan, and undefined 2022, “Identifikasi Persediaan Makanan di dalam Lemari Pendingin Berbasis Raspberry Pi dan Deep Learning,”
electrician.unila.ac.id, vol. 16, no. 1, 2022, Accessed: Jan. 27, 2023. [Online]. Available: https://electrician.unila.ac.id/index.php/ojs/article/view/2231 [54] K. Dewi, P. C.-J. S. I. dan Sains, and undefined 2022, “PEMODELAN SISTEM REKOMENDASI CERDAS MENGGUNAKAN HYBRID DEEP LEARNING,”
scholar.archive.org, Accessed: Jan. 27, 2023. [Online]. Available: https://scholar.archive.org/work/p2jqyhoglvgkvd6tjmkpddsfcm/access/wayback/h ttps://trilogi.ac.id/journal/ks/index.php/SISTEK/article/download/1157/pdf [55] I. T. Julianto, D. Kurniadi, M. R. Nashrulloh, A. Mulyani, and J. I. Komputer, “TWITTER SOCIAL MEDIA SENTIMENT ANALYSIS AGAINST BITCOIN CRYPTOCURRENCY TRENDS USING RAPIDMINER,” jutif.if.unsoed.ac.id, vol. 3, no. 5, pp. 1183–1187, 2022, doi: 10.20884/1.jutif.2022.3.5.289. [56] D. M. H. Ambon, “The Use of the RapidMiner Application ’ s K -Means Clustering Algorithm to Analyze the Mortality Rates of Tuberculosis Patients in Dr . M . Haulussy Ambon Regional General Hospital Penggunaan Algoritma KMeans Clustering Aplikasi Rapidminer untuk Menganal,” vol. 19, no. 3, pp. 337– 346, 2022, doi: 10.31515/telematika.v19i3.7709. [57] S. Kurniawan, W. Gata, D. A. Puspitawati, I. K. S. Parthama, H. Setiawan, and S. Hartini, “Text Mining Pre-Processing Using Gata Framework and RapidMiner for Indonesian Sentiment Analysis,” IOP Conf Ser Mater Sci Eng, vol. 835, no. 1, 2020, doi: 10.1088/1757-899X/835/1/012057. [58] K. Fanny Irnanda et al., “Optimasi Particle Swarm Optimization Pada Peningkatan Prediksi dengan Metode Backpropagation Menggunakan Software RapidMiner,” ejurnal.stmik-budidarma.ac.id, vol. 9, no. 1, pp. 2407–389, doi: 10.30865/jurikom.v9i1.3836. [59] D. Pascalina, R. Widhiastono, C. Juliane, and C. Pengukuran Kesiapan Transformasi, “Pengukuran Kesiapan Transformasi Digital Smart City Menggunakan Aplikasi Rapid Miner,” ijc.ilearning.co, vol. 7, no. 3, pp. 293–302, 2023, doi: 10.33050/tmj.v7i3.1914. [60] A. Noviriandini, H. Hermanto, Y. Y.-J. (Jurnal Informatika), and undefined 2022, “KLASIFIKASI SUPPORT VECTOR MACHINE BERBASIS PARTICLE
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri SWARM OPTIMIZATION UNTUK ANALISA SENTIMEN PENGGUNA APLIKASI,” jurnal.umt.ac.id, Accessed: Jan. 27, 2023. [Online]. Available: http://jurnal.umt.ac.id/index.php/jika/article/view/5681 [61] R. Aryanti, “KOMPARASI ALGORITMA KLASIFIKASI DENGAN ALGORITMA GENETIKA PADA ANALISIS SENTIMEN TRANSPORTASI UMUM DARAT,” 2018. [62] R. A. Anggraini, “ANALISA SENTIMEN TERHADAP APLIKASI PEMBELAJARAN DARING MENGGUNAKAN ALGORITMA KLASIFIKASI DATA MINING TESIS,” STMIK Nusa Mandiri Jakarta, 2020. [63] M. Rezki, “ANALISIS REVIEW PENGGUNA GOOGLE MEET DAN ZOOM CLOUD MEETING MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR,” 2020. [64] N. S. Hari, “Analisis Sentimen Berbasis Aspek terhadap Ulasan Masyarakat pada Google Maps,” 2020. [65] F. Ratnawati, “Implementasi Algoritma Naive Bayes Terhadap Analisis Sentimen Opini Film Pada Twitter,” INOVTEK Polbeng - Seri Informatika, vol. 3, no. 1, p. 50, 2018, doi: 10.35314/isi.v3i1.335. [66] A. K. Santra and C. J. Christy, “Genetic Algorithm and Confusion Matrix for Document Clustering,” 2012. [Online]. Available: www.IJCSI.org [67] A. Fernández, S. García, F. Herrera, and N. v. Chawla, “SMOTE for Learning from Imbalanced Data: Progress and Challenges, Marking the 15-year Anniversary,” Journal of Artificial Intelligence Research, vol. 61, pp. 863–905, Apr. 2018, doi: 10.1613/JAIR.1.11192. [68] A. Andreyestha, Q. A.-I. Jurnal, and undefined 2022, “Analisa Sentimen Kicauan Twitter Tokopedia Dengan Optimalisasi Data Tidak Seimbang Menggunakan Algoritma SMOTE,” e-journal.hamzanwadi.ac.id, Accessed: Feb. 01, 2023. [Online]. Available: http://ejournal.hamzanwadi.ac.id/index.php/infotek/article/view/4581 [69] F. P.-S. N. S. I. (SENASIF) and undefined 2022, “Pengujian Metode SMOTE Untuk Penanganan Data Tidak Seimbang Pada Dataset Binary,”
jurnalfti.unmer.ac.id, vol. 2022, 2022, Accessed: Feb. 01, 2023. [Online]. Available: https://jurnalfti.unmer.ac.id/index.php/senasif/article/view/403 [70] S. Choirunnisa, “Metode Hibrida Oversampling Dan Ketidakseimbangan Data Kegagalan,” 2019. [71] A. Pulungan, D. S.-I. J. N. Informatika, and undefined 2022, “Kombinasi Metode Sampling pada Pengklasifikasian Data Tidak Seimbang Menggunakan Algoritma SVM,” jurnal.uisu.ac.id, Accessed: Feb. 01, 2023. [Online]. Available: https://jurnal.uisu.ac.id/index.php/infotekjar/article/view/4920
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri [72] S. Barus, … D. W.-… M. B. I., and undefined 2022, “KLASIFIKASI SENTIMEN DATA TIDAK SEIMBANG MENGGUNAKAN ALGORITMA SMOTE DAN K-NEAREST NEIGHBOR PADA ULASAN PENGGUNA APLIKASI,” conference.upnvj.ac.id, Accessed: Feb. 01, 2023. [Online]. Available: https://conference.upnvj.ac.id/index.php/senamika/article/view/2163 [73] I. Tamara, “Kajian Kinerja Algoritme Klasifikasi Extra-Trees pada Permasalahan Data Kelas Tak Seimbang,” 2022, Accessed: Feb. 01, 2023. [Online]. Available: https://repository.ipb.ac.id/handle/1 23456789/113230 [74] M. Farid, N. #1, S. Ferdiana Kusuma, J. Ngagel, and J. Selatan, “JEPIN (Jurnal Edukasi dan Penelitian Informatika) Analisis Sentimen pada Media Sosial Twitter Terhadap Kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat Berbasis Deep Learning,” 2022. [75] F. Albasithu and A. Wibowo, “Perbandingan Algoritma Naïve Bayes Dan C4.5 pada Analisis Sentimen Presiden 3 Periode di Twitter,” 2022. [Online]. Available: https://senafti.budiluhur.ac.id/index.php/ [76] A. Yahyadi, F. Latifah, P. Studi Informatika, and F. T. Informasi, “Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi 4.0 Internasional MENGGUNAKAN MODE LSTM,” 464 Journal of Information System, Applied,
Management, Accounting and Research. Issue Period, vol. 6, no. 2, pp. 464–470, 2022, doi: 10.52362/jisamar.v6i2.791. [77] I. Listiowarni, “Implementasi Naïve Bayessian dengan Laplacian Smoothing untuk Peminatan dan Lintas Minat Siswa SMAN 5 Pamekasan,” Jurnal Sisfokom
(Sistem Informasi dan Komputer), vol. 8, no. 2, pp. 1 24–129, Aug. 2019, doi: 10.32736/sisfokom.v8i2.652. [78] M. Rizky Noer Alif, “SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN PINJAMAN DENGAN METODE NAIVE BAYES PADA KOPERASI WANITA SEJAHTERA DESA PATIANROWO KABUPATEN NGANJUK,” 2022. [79] D. Indrajaya, “SISTEM PENDUKUNG KEPUTUSAN PERIZINAN SANTRI MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER DENGAN LAPLACE CORRECTION,” 2018. [80] A. Yudhana, I. Riadi, and M. R. Djou, “Pengembangan Layanan Kependudukan Dan Pencatatan Sipil Menggunakan Algoritma Naïve Bayes,” JURIKOM (Jurnal
Riset Komputer), vol. 9, no. 4, p. 1062, Aug. 2022, doi: 10.30865/jurikom.v9i4.4515. [81] M. I. Zarkasyi, H. Mawengkang, and O. S. Sitompul, “Optimasi Cluster Pada KMeans Clustering Dengan Teknik Reduksi Dimensi Dataset Menggunakan Gini Index,” Technology and Science (BITS), vol. 4, no. 3, 2022, doi: 10.47065/bits.v4i3.2458.
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri [82] R. Haditira, D. T. Murdiansyah, and W. Astuti, “Analisis Sentimen Pada Steam Review Menggunakan Metode Multinomial Naïve Bayes dengan Seleksi Fitur Gini Index Text,” e-Proceeding of Enginee, vol. 9, p. 1793, 2022, [Online]. Available: https://www.kaggle.com/luthfim/steam- [83] E. Muningsih, “KOMBINASI METODE K-MEANS DAN DECISION TREE DENGAN PERBANDINGAN KRITERIA DAN SPLIT DATA,” 2022. [84] A. M. Husein and M. Brutu, “Prediksi Penerimaan Calon Karyawan Dengan Menggunakan Algoritma C4.5 Pada Biro Kesejahteraan Rakyat Provinsi Sumatera Utara,” Digital Transformation Technology, vol. 2, no. 1, pp. 16–20, Sep. 2022, doi: 10.47709/digitech.v2i1.1769. [85] I. Afdhal et al., “Penerapan Algoritma Random Forest Untuk Analisis Sentimen Komentar Di YouTube Tentang Islamofobia,” Jurnal Nasional Komputasi dan
Teknologi Informasi, vol. 5, no. 1, 2022. [86] A. Handayani, “Model Algoritma Boosted Gradient Trees untuk Penentuan Kelayakan Pemberian Kredit Koperasi,” 2022. [Online]. Available: http://pijarpemikiran.com/index.php/Scientia [87] S. Dewi, “Penerapan Algoritma C4.5 untuk Pehamanan Siswa SMK Pada Pelajaran Kompetensi Keahlian,” INTERNAL (Information System Journal, vol. 5, no. 2, pp. 116–125, doi: 10.32627. [88] E. Andini, M. Reza Faisal, R. Herteno, R. Adi Nugroho, and F. Abadi, “PENINGKATAN KINERJA PREDIKSI CACAT SOFTWARE DENGAN HYPERPARAMETER TUNING PADA ALGORITMA KLASIFIKASI DEEP FOREST,” 2022. [Online]. Available: https://github.com/bharlow058/AEEEMand-other- [89] T. A. E. Putri, T. Widiharih, and R. Santoso, “PENERAPAN TUNING HYPERPARAMETER RANDOMSEARCHCV PADA ADAPTIVE BOOSTING UNTUK PREDIKSI KELANGSUNGAN HIDUP PASIEN GAGAL JANTUNG,” Jurnal Gaussian, vol. 11, no. 3, pp. 397–406, Jan. 2023, doi: 10.14710/j.gauss.11.3.397-406. [90] T. Nur Herawati et al., “Penerapan Convolutional Neural Network (CNN) terhadap Klasifikasi Jenis Unggas”. [91] A. B. Wijaya and D. Y. Wahyuningsih, “PENGIDENTIFIKASI SPESIES BURUNG MENGGUNAKAN CITRA DENGAN METODE CONVOLUTIONAL NEURAL NETWORK,” ScientiCO?: Computer Science and
Informatics Journal, vol. 5, no. 2, 2022. [92] A. Tjahyanto and F. J. Atletiko, “Peningkatan Kinerja Pengklasifikasi Objek Bawah Laut dengan Deep Learning,” MATRIK?: Jurnal Manajemen, Teknik
Informatika dan Rekayasa Komputer, vol. 21, no. 3, pp. 753–760, Jul. 2022, doi: 10.30812/matrik.v21i3.1466.
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri [93] I. Firmansyah and B. Herawan Hayadi, “KOMPARASI FUNGSI AKTIVASI RELU DAN TANH PADA MULTILAYER PERCEPTRON,” JIKO (Jurnal
Informatika dan Komputer), vol. 6, no. 2, pp. 200–206, 2022. [94] R. Valentina, S. Rostianingsih, and A. N. Tjondrowiguno, “Pengenalan Gambar Botol Plastik dan Kaleng Minuman Menggunakan Metode Convolutional Neural Network.” [95] I. K. Trisiawan and Y. Yuliza, “Penerapan Multi-Label Image Classification Menggunakan Metode Convolutional Neural Network (CNN) Untuk Sortir Botol Minuman,” Jurnal Teknologi Elektro, vol. 13, no. 1, p. 48, Feb. 2022, doi: 10.22441/jte.2022.v13i1.009. [96] L. Panneerselvam, “Activation Functions and their Derivatives – A Quick & Complete Guide,” Data Science Blogathon, Apr. 14, 2021. [97] P.-H. Hsieh, “Activation Functions,” HackMD, 2020. [98] H. Harumy, M. Zarlis, M. S. Lydia, and S. Effendi, “PENGEMBANGAN MODEL PROTIS NEURAL NETWORK UNTUK PREDIKSI DAN KLASIFIKASI DATA TIMESERIES DAN IMAGE,” 2022. [99] M. Wasil, H. Harianto, and F. Fathurrahman, “Pengaruh Epoch pada Akurasi menggunakan Convolutional Neural Network untuk Klasifikasi fashion dan Furniture,” Infotek?: Jurnal Informatika dan Teknologi, vol. 5, no. 1, pp. 53–61, Jan. 2022, doi: 10.29408/jit.v5i1.4393. [100] I. G. T. Isa and B. Junedi, “Hyperparameter Tuning Epoch dalam Meningkatkan Akurasi Data Latih dan Data Validasi pada Citra Pengendara,” Prosiding Sains
Nasional dan Teknologi, vol. 12, no. 1, p. 231, Nov. 2022, doi: 10.36499/psnst.v12i1.6697. [101] E. Ivan and H. D. Purnomo, “FORECASTING PRICES OF FERTILIZER RAW MATERIALS USING LONG SHORT TERM MEMORY,” Jurnal Teknik
Informatika (Jutif), vol. 3, no. 6, pp. 1663–1673, Dec. 2022, doi: 10.20884/1.jutif.2022.3.6.433.