Pelatihan Analisis Perbandingan Model Deep Learning untuk Klasifikasi Teks Berbahasa Indonesia

Abstract

Klasifikasi teks merupakan salah satu tugas utama dalam Natural Language Processing (NLP) yang semakin penting seiring dengan meningkatnya jumlah data teks tidak terstruktur dari berbagai platform digital. Berbagai model Deep Learning telah dikembangkan untuk meningkatkan kinerja klasifikasi teks, namun efektivitasnya pada teks berbahasa Indonesia masih perlu dikaji karena karakteristik linguistik bahasa Indonesia yang unik. Penelitian ini bertujuan untuk membandingkan kinerja empat model Deep Learning, yaitu Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), Bidirectional Long Short-Term Memory (BiLSTM), dan IndoBERT dalam melakukan klasifikasi teks berbahasa Indonesia. Penelitian menggunakan pendekatan kuantitatif eksperimental dengan memanfaatkan dataset teks berbahasa Indonesia yang diperoleh dari sumber terbuka. Tahapan penelitian meliputi prapemrosesan data berupa case folding, cleaning text, tokenization, stopword removal, stemming, dan text encoding, dilanjutkan dengan pembagian data menjadi 80% data latih dan 20% data uji. Kinerja setiap model dievaluasi menggunakan metrik Accuracy, Precision, Recall, F1-Score, serta Training Time. Hasil penelitian menunjukkan bahwa model IndoBERT memperoleh performa terbaik dengan nilai accuracy sebesar 96,48%, precision 96,21%, recall 96,08%, dan F1-score 96,14%, sehingga mampu mengungguli model CNN, LSTM, dan BiLSTM. Meskipun membutuhkan waktu pelatihan yang lebih lama, IndoBERT memiliki kemampuan yang lebih baik dalam memahami konteks bahasa Indonesia melalui arsitektur berbasis Transformer. Hasil penelitian ini menunjukkan bahwa model berbasis Transformer lebih efektif dibandingkan model Deep Learning konvensional untuk tugas klasifikasi teks berbahasa Indonesia dan dapat menjadi referensi dalam pengembangan berbagai aplikasi NLP, seperti analisis sentimen, klasifikasi dokumen, deteksi berita palsu, dan sistem informasi cerdas.