Ismail, Achmad Primary Author mixed material bibliography Jakarta Universitas YARSI 2020 monographic id Indonesia

Text

SMS (Short Message Service) adalah suatu fasilitas untuk mengirim dan menerima suatu pesan singkat berupa teks melalui telepon selular. Dalam penelitian ini pesan yang masuk akan diklasifikasikan, untuk dataset Bahasa Inggris memiliki 2 kategori yaitu spam dan ham. Untuk dataset Bahasa Indonesia memiliki 3 kategori yaitu kategori normal, promo dan penipuan dengan menggunakan algoritma LSTM (Long Short Term Memory) dan RNN(Recurrent Neural Network). Pada penelitian ini melakukan dua kali eksperimen. Hasil eksperimen 1 nilai terbaik pada dataset berbahasa Inggris ada pada percobaan 1 dengan proporsi data 75%:25% algoritma LSTM mendapatkan hasil yang paling baik dibandingkan dengan algoritma RNN, dengan nilai terbaik pada unit 512 dengan hasil loss=0.14, accuracy=0.98, standartDeviation=0.34, precision=0.99, recall=0.99 dan f1_score=0.99 dan nilai terbaik pada dataset berbahasa Indonesia ada pada percobaan 1 dengan proporsi data 75%:25% algoritma LSTM mendapatkan hasil yang paling baik dibandingkan algoritma RNN, dengan nilai terbaik pada unit 256 dengan hasil loss=0.21, accuracy=0.95, standartDeviation=0.30, precision=0.98, recall=0.96 dan f1_score=0.97. Hasil eksperimen 2 nilai terbaik ada pada algoritma LSTM dengan data berbahasa Inggris dengan unit 64 dan pembagian data 75%:25%, epochs=10, patience=7, min_delta=0.0001, SpatialDropout1D=0.2, Dense=2, activation=softmax, optimizer=RMSprop, batch_size=256, random_state=42 mendapatkan nilai loss=0.07, accuracy=0.97, stdev=0.36, precision=0.98, recall=0.98 dan f1_score=0.98. Keyword: Klasifikasi,Akurasi,Prediksi KLASIFIKASI SMS S-713-FTI Perpustakaan Universitas YARSI Library is the Brain and The Heart of The University S-713-FTI S-713-FTI Perpustakaan 1 - Lt2 (FTI-PSTI) S-713-FTI KLASIFIKASI SHORT MESSAGE SERVICE (SMS)MENGGUNAKAN ALGORITMA LONG SHORT TERM MEMORY DAN RECURRENT NEURAL NETWORK 35172 2021-07-27 10:39:01 2021-07-27 10:39:49 machine generated