Klasifikasi Data Kuesioner dengan Metode Recurrent Neural Network

Abstract

Abstrak Metode Recurrect Neural Network (RNN) merupakan jaringan saraf buatan dengan pemrosesan yang dipanggil berulang kali. Dalam penelitian kali ini metode RNN akan digunakan untuk mengolah data kuesioner kepuasan mahasiswa Universitas Telkom berupa isisan bebas. Keuntungan menggunakan metode pengolahan data seperti ini bertujuan untuk mempercepat hasil yang didapat dengan akurasi yang besar dalam waktu yang singkat. Arsitektur RNN yang digunakan unutk pengolahan data ini adalah LSTM (Long Short Term Memory). penggunaan LSTM dapat mempermudah pengolahan data berbentuk teks, karena memiliki memory untuk setiap kata pada dokumen. Dalam tugas akhir ini akan menganalisis akurasi yang didapatkan dengan menggunakan metode LSTM. Hasil uji yang didapatkan pada penelitain ini cukup baik melihat akurasi tertinggi pada class positive unutk ratio (50:50) sebesar 56.73%, class neutral unutk ratio (70:30) sebesar 82,49%, dan class negative untuk ratio (80:20) sebesar 79,84%. Kata kunci: RNN, LSTM Abstract The Recurrect Neural Network (RNN) method is an artificial neural network with repeated processing. In this study the RNN method will be used to process the Telkom University student satisfaction questionnaire data in the form of free content. The advantage of using data processing methods like this aims to accelerate the results obtained with great accuracy in a short time. The RNN architecture used for processing this data is LSTM (Long Short Term Memory). the use of LSTM can facilitate the processing of data in the form of text, because it has memory for each word in the document. In this final project will analyze the accuracy obtained by using the LSTM method. The test results obtained in this study are good enough to see the highest accuracy in the positive class for the ratio (50:50) of 56.73%, the neutral class for the ratio (70:30) of 82.49%, and the negative class for the ratio (80:20) by 79.84%.