Ekstraksi Informasi Dokumen Karya Tulis Ilmiah Menggunakan Algoritma Convolutional Neural Network

Mendeteksi setiap komponen pada dokumen karya tulis ilmiah akan sulit dilakukan pada format yang beragam, oleh karena itu dibutuhkan pembuatan aturan ekstraksi informasi yang sesuai untuk masing masing dokumen. Sebelumnya telah dilakukan penelitian tentang ekstraksi informasi pada skripsi dengan menggunakan LVQ yang masih menggunakan rule based untuk meningkatkan akurasinya. Permasalahan tersebut dapat diatasi dengan menggunakan full automatic training tanpa harus membuat aturan perbaikan dengan rule based. Algoritma convolutional neural network (CNN) digunakan pada penelitian ini karena jika CNN dibandingkan dengan SVM dan KNN pada kasus klasifikasi teks akurasi algoritma CNN mendapatkan akurasi terunggul yaitu 87%. Algoritma CNN akan mengklasifikasi 16 kategori pada sampul dan asbtrak dengan data masukan perbaris yang telah dilakukan ekstraksi fitur. Penelitian ini bertujuan untuk mengetahui akurasi algoritma CNN pada teks dengan melakukan pengujian epoch dan penggunaan smote. Berdasarkan hasil pengujian pada 20 dokumen karya tulis ilmiah skripsi dari tahun 2011 sampai dengan tahun 2018 diperoleh rata-rata akurasi sebesar 53%. Hal tersebut disebabkan oleh arsitektur CNN yang digunakan tidak dapat mengklasifikasi data secara baik.