Klasifikasi Multi-label Pada Hadis Sahih Bukhari Terjemahan Bahasa Indonesia Menggunakan Convolutional Neural Networks

Abstract

Hadis merupakan pedoman hidup umat muslim, sumber hukum Islam kedua setelah Al- Quran sehingga menjadikannya penting dipelajari. Hadis baik dipelajari jika hadis itu sahih, salah satu hadis sahih yaitu yang diriwayatkan oleh al-Bukhari. Namun terdapat kesulitan dalam mempelajarinya yaitu untuk menentukan hadis mana saja yang tergolong ke dalam topik anjuran, larangan, dan informasi. Oleh karena itu perlu dilakukan klasifikasi multi- label pada hadis untuk menggolongkannya ke dalam salah satu atau lebih topik. Algoritma klasifikasi yang digunakan adalah CNN, karena algoritma tersebut tergolong ke dalam deep learning dan proses perhitungan CNN dilakukan secara paralel. Pada penelitian ini menghasilkan performansi CNN tanpa padding dan strides 1 menggunakan skenario preprocessing tanpa stemming dengan nilai hamming loss 0,0693 dan waktu eksekusi pemodelan 67,7613 detik dibandingkan dengan LSTM yang memiliki nilai hamming loss 0,1128 dan waktu eksekusi pemodelan 1006,6985 detik serta RNN memiliki nilai hamming loss 0,1145 dan waktu eksekusi pemodelan 262,8086 detik. Kata Kunci: CNN, preprocessing, stemming, hamming loss