Penerapan Model Support Vector Machine Pada Kasus Klasifikasi Teks Berdasarkan Tujuan SDGS Ke Tiga, Empat, Dan Enam
DOI:
https://doi.org/10.37278/sisinfo.v6i2.893Keywords:
NLP, machine learning, SVM, TF-IDF, hyperparameterAbstract
Klasifikasi teks adalah salah satu cabang Natural Languange Processing (NLP) yang memungkinkan komputer untuk memahami, menginterpretasi, dan merespon teks ke dalam bahasa yang dapat dipahami. Pengklasifikasian teks berdasarkan tujuan SDGs penting dilakukan karena pemantauan kemajuan SDGs masih menjadi tantangan. Studi sebelumnya menunjukkan teknik klasifikasi teks berdasarkan tujuan SDGs menggunaka Bert model terbukti efektif dalam mengklasifikasikan teks berdasarkan tujuan SDGs. Penelitian ini menggunakan data yang bersumber dari website komunitas OSDG. Metode yang digunakan adalah model Support Vector Machine Multiclass (SVM) dan representasi kata TF-IDF. Penelitian ini bertujuan untuk mengklasifikasikan teks berdasarkan Tujuan Pembangunan Berkelanjutan (SDGs) pada tujuan ke tiga, empat, dan enam, mendapatkan evaluasi performa model berdasarkan metrik F1-Score, serta mendapatkan nilai hyperparameter regularized constant (C) dan gamma terbaiknya pada kernel rbf. Hasil dari penelitian ini diperoleh F1-Score default yaitu 97,95% dan F1-Score setelah tuning yaitu 97,95% dengan nilai terbaik dari C=1, gamma=1, dan kernel=rbf
References
Arifin, N., Enri, U., dan Sulistiyowati, N. (2021). Penerapan Algoritma Support Vector Machine (SVM) dengan TF-IDF N-Gram untuk Text Classification. STRING (Satuan Tulisan Riset dan Inovasi Teknologi), 6(2), 129–136. Tersedia di: https://journal.lppmunindra.ac.id/index.php/STRING/ article/ view /10133 (Diakses: 22 Januari 2024)
Nanda Bintang, B., Oktaviani Amelia Putri, V., & Annura Malsa, S. (2022). Sustainable Development Goals (Sdgs): Kehidupan Sehat Dan Sejahtera Dalam Penanggulangan Covid-19 Di Daerah Semarang. Jurnal Pembangunan Berkelanjutan, 5(1), 1-7, doi: 10.22437/jpb.v5i1.15563
Benajiba Yassin, Chrayah Mohamed, Al-Amrani Yassine (2021). A Nonlinear Support Vector Machine Analysis Using Kernel Functions for Nature and Medicine. E3S Web Conf. 319 01103, doi: 10.1051/e3sconf/202131901103
Debby, A & Heni, S. (2020). Implementasi Algoritma Multiclass Svm Pada Opini Publik Berbahasa Indonesia Di Twitter. Jurnal Tekno Kompak’, 14, 86, doi: 10.33365/jtk.v14i2.792.
Guisiano, Jade & Chiky, Raja & De Mello, Jonathas. (2022). SDG-Meter : a deep learning based tool for automatic text classification of the Sustainable Development Goals, Intelligent Information and Database Systems, 259-271, doi: 10.1007/978-3-031-21743-2_21.
Hajikhani, Arash & Suominen, Arho. (2022). Mapping the sustainable development goals (SDGs) in science, technology and innovation: application of machine learning in SDG-oriented artefact detection, Scientometrics, 127, 1-33, doi: 10.1007/s11192-022-04358-x.
Jalaali, Bahrul. (2021). IMPLEMENTASI VISI SUSTAINABLE DEVELOPMENT GOALS(SDGs) PADA PROGRAM BERBASIS MASYARAKAT DI ERA PANDEMI. KACANEGARA Jurnal Pengabdian pada Masyarakat. 4(47), doi: 10.28989/kacanegara.v4i1.711.
Jalilifard, A., Caridá, V.F., Mansano, A.F., Cristo, R.S., & Fonseca, F.P.C. (2021). Semantic Sensitive TF-IDF to Determine Word Relevance in Documents, Advances in Computing and Network Communications. Lecture Notes in Electrical Engineering, vol 736. Springer, Singapore. https://doi.org/10.1007/978-981-33-6987-0_27
Masnur, Alam, S., Zainal, M.Z., & Asriadi, A. (2022). Menghitung Kendaraan Di Parkiran Dengan Metode Support Vector Machine (SVM), Jurnal Ilmiah Teknik Unida, doi: 10.55616/jitu.v3i2.369
Mishra, S.K., Kundarapu, H., Saini, N., Saha, S. and Bhattacharyya, P. (2020). Iitp-ai-nlp-ml@ cl-scisumm 2020, cl-laysumm 2020, longsumm 2020’, Proceedings of the First Workshop on Scholarly Document Processing. 270-276 (Diakses 16 Juli 2024).
Muslim, Abd & Suci, I Gede & Pratama, Muhammad. (2021). ANALISIS KEBIJAKAN PENDIDIKAN DI JEPANG, FINLANDIA, CHINA DAN INDONESIA DALAM MENDUKUNG SUSTAINABLE DEVELOPMENT GOALS. Adi Widya: Jurnal Pendidikan Dasar. 6, 170, doi: 10.25078/aw.v6i2.2827.
Retnoningsih, Endang & Pramudita, Rully. (2020). Mengenal Machine Learning Dengan Teknik Supervised Dan Unsupervised Learning Menggunakan Python, BINA INSANI ICT JOURNAL, 7(156), doi: 10.51211/biict.v7i2.1422.
Octaviani, P. A., Wilandari, Y., and Ispriyanti, D. (2014). Penerapan Metode Klasifikasi Support Vector Machine (Svm) Pada Data Akreditasi Sekolah Dasar (Sd) Di Kabupaten Magelang. Jurnal Gaussian, 3(4), 811-820, doi: https://doi.org/10.14710/j.gauss.3.4.811-820.
Prabu Aji, Sulistyani & Kartono, Drajat. (2022). Kebermanfaat Adanya Sustainable Development Goals (Sdgs), Journal Of Social Research, 1, 507-512, doi:10.55324/josr.v1i6.110.
Rosamma, S & Patil, N. (2023). Pioneering Frontiers in Natural Language Processing: Exploring Promising Areas and Emerging Applications, 640-647, doi: 10.1109/OCIT59427.2023.10430927
Safitri, Alvira & Yunianti, Vioreza & Rostika, Deti. (2022). Upaya Peningkatan Pendidikan Berkualitas di Indonesia: Analisis Pencapaian Sustainable Development Goals (SDGs). Jurnal Basicedu. 6, 7096-7106, doi: 10.31004/basicedu.v6i4.3296.
Suryadewiansyah, M & Tju, T.E.E. (2022). Naïve Bayes dan Confusion Matrix untuk Efisiensi Analisa Intrusion Detection System Alert, Jurnal Nasional Teknologi dan Sistem Informasi, 8, 81-88 doi: 10.25077/TEKNOSI.v8i2.2022.81-88.
Usadi, D. (2023). Sdg’ Desa Dalam Perencanaan Pengembangan Ekonomi. PROSIDING, doi:10.59134/prosidng.v3i.343.
Wang, Song & Balarezo Serrano, Juan Fernando & Sithamparanathan, Kandeepan & Al-Hourani, Akram & Gomez Chavez, Karina & Rubinstein, Ben. (2021). Machine Learning in Network Anomaly Detection: A Survey, IEEE Access, 1-1, doi: 10.1109/ACCESS.2021.3126834.
Wahyuningsih, W.S. (2018). Millenium Develompent Goals (Mdgs) Dan Sustainable Development Goals (Sdgs) Dalam Kesejahteraan Sosial,
Economics, Environmental Science, Political Science, doi: 10.19184/BISMA.V11I3.6479.
Wardana, S & Didi, S & Yurika, P. (2023). Pemetaan Hyperplane Pada Support Vector Machine, Bandung Conference Series: Mathematics, 3, 109-119, doi: 10.29313/bcsm.v3i2.8187.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Saprilian Hidayat, Herlina Napitupulu, Nurul Gusriani
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish articles in SisInfo : Jurnal Sistem Informasi dan Informatika agree to the following terms:
- Authors retain copyright of the article and grant the journal right of first publication with the work simultaneously licensed under a CC-BY-SA or The Creative Commons Attribution-ShareAlike License.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
