Article Sidebar

Submitted
February 18, 2023
Accepted
June 20, 2023
Published
June 25, 2023
Download
PDF
Statistic
Read Counter : 38 Download : 20

Main Article Content

Abstract

Imbalanced data is a challenge for the performance of classification algorithms. A situation where two classes consisting of the majority class dominate the minority class. As a result, algorithmic models tend to have high accuracy against the majority class. Imbalanced data can occur on any type of data, including data coming from Twitter. Twitter is one of the social media that is widely used to think about various things, including about the future Presidential candidate of the Republic of Indonesia in 2024. Tweet data was collected from October 8, 2022, to January 10, 2023. Anies Baswedan has a total of 34,962 tweets, Ganjar Pranowo 39,796 tweets, and Prabowo Subianto 12,398 tweets. These tweets can be identified to be categorized into positive sentiments and negative sentiments using several classification algorithm methods, namely Decision Tree, Naïve Bayes, and Deep Learning.  The dataset comes from the tweets of Twitter netizens who are scraped and preprocessed using the RapidMiner tool.  Prabowo Subianto's dataset achieved the best performance using the Deep Learning model with an accuracy rate of 85.42%, precision of 63.30%, recall of 91.77%, and AUC of 0.867.

Keywords

Hyperparameter Tuning, Deep Learning, Sentiment Analysis, Imbalanced Data

Article Details

How to Cite
Achmad, R. R., & Haris , M. . (2023). Hyperparameter Tuning Deep Learning for Imbalanced Data. TEPIAN, 4(2), 90–101. https://doi.org/10.51967/tepian.v4i2.2216
Download Citation
Endnote/Zotero/Mendeley (RIS)
BibTeX

References

  1. Afdhal, I., Kurniawan, R., Iskandar, I., Salambue, R., Budianita, E., Syafria, F. (2022). Penerapan Algoritma Random Forest Untuk Analisis Sentimen Komentar Di YouTube Tentang Islamofobia. Jurnal Nasional Komputasi Dan Teknologi Informasi, 5(1).
  2. Albasithu, F., & Wibowo, A. (2022). Perbandingan Algoritma Naïve Bayes Dan C4.5 pada Analisis Sentimen Presiden 3 Periode di Twitter. Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI) Jakarta-Indonesia. https://senafti.budiluhur.ac.id/index.php/
  3. Ali, R., Qaiser, S., Utara, U., Sintok, M., Kedah, M., Ramsha, A., & Analytics, T. (2018). Text Mining: Use of TF-IDF to Examine the Relevance of Words to Documents Text Mining: Use of TF-IDF to Examine the Relevance of Words to Documents Text Mining. International Journal of Computer Applications, 181(1), 975–8887. https://doi.org/10.5120/ijca2018917395
  4. Ambon, D. M. H. (2022). The Use of the RapidMiner Application ’ s K -Means Clustering Algorithm to Analyze the Mortality Rates of Tuberculosis Patients in Dr . M . Haulussy Ambon Regional General Hospital. 19(3), 337–346. https://doi.org/10.31515/telematika.v19i3.7709
  5. Andini, E., Reza Faisal, M., Herteno, R., Adi Nugroho, R., & Abadi, F. (2022). Peningkatan Kinerja Prediksi Cacat Software Dengan Hyperparameter Tuning Pada Algoritma Klasifikasi Deep Forest. Jurnal MNEMONIC (Vol. 5, Issue 2). https://github.com/bharlow058/AEEEM-and-other-
  6. Andreyestha, A. (2022). Analisa Sentimen Kicauan Twitter Tokopedia Dengan Optimalisasi Data Tidak Seimbang Menggunakan Algoritma SMOTE. E-Journal.Hamzanwadi.Ac.Id. Retrieved February 1, 2023, from http://e-journal.hamzanwadi.ac.id/index.php/infotek/article/view/4581
  7. Angeline, G., Wibawa, A. (2022). Klasifikasi Dialek Bahasa Jawa Menggunakan Metode Naives Bayes. Ejournal.Itn.Ac.Id, 5(2). https://ejournal.itn.ac.id/index.php/mnemonic/article/view/4748
  8. Anggraini, R. A. (2020). Analisa Sentimen Terhadap Aplikasi Pembelajaran Daring Menggunakan Algoritma Klasifikasi Data Mining Tesis. STMIK Nusa Mandiri Jakarta.
  9. Arianto, B. (2020). Salah Kaprah Ihwal Buzzer: Analisis Percakapan Warganet di Media Sosial. JIIP: Jurnal Ilmiah Ilmu Pemerintahan, 5(1), 1–20. https://doi.org/10.14710/jiip.v5i1.7287
  10. Aryanti, R. (2018). Komparasi Algoritma Klasifikasi Dengan Algoritma Genetika Pada Analisis Sentimen Transportasi Umum Darat. In Tesis.
  11. Azhar, R., Surahman, A., Sains, C. J.-J.-S. (Jurnal, & 2022, undefined. (n.d.). Analisis Sentimen Terhadap Cryptocurrency Berbasis Python TextBlob Menggunakan Algoritma Naïve Bayes. Tunasbangsa.Ac.Id. Retrieved January 27, 2023, from http://tunasbangsa.ac.id/ejurnal/index.php/jsakti/article/view/443
  12. Balatti, D., Haddad Khodaparast, H., Friswell, M. I., Manolesos, M., & Amoozgar, M. (2022). The effect of folding wingtips on the worst-case gust loads of a simplified aircraft model. Proceedings of the Institution of Mechanical Engineers, Part G: Journal of Aerospace Engineering, 236(2), 219–237. https://doi.org/10.1177/09544100211010915
  13. bani, M. R. F. S., Enri, U., & Padilah, T. N. (2022). Analisis Sentimen Terhadap Bakal Calon Presiden 2024 Dengan Algoritme Naïve Bayes. JURIKOM (Jurnal Riset Komputer), 9(2), 265–273. https://doi.org/10.30865/JURIKOM.V9I2.3989
  14. Barus (2022). Klasifikasi Sentimen Data Tidak Seimbang Menggunakan Algoritma Smote Dan K-Nearest Neighbor Pada Ulasan Pengguna Aplikasi. Conference.Upnvj.Ac.Id. Retrieved February 1, 2023, from https://conference.upnvj.ac.id/index.php/senamika/article/view/2163
  15. Choirunnisa, S. (2019). Metode Hibrida Oversampling Dan Ketidakseimbangan Data Kegagalan.
  16. Dewi, K., Sains, P. C.-J. S. I. (2022.). Pemodelan Sistem Rekomendasi Cerdas Menggunakan Hybrid Deep Learning. Scholar.Archive.Org. Retrieved January 27, 2023, from https://scholar.archive.org/work/p2jqyhoglvgkvd6tjmkpddsfcm/access/wayback/https://trilogi.ac.id/journal/ks/index.php/SISTEK/article/download/1157/pdf
  17. Dewi, S. (2022). Penerapan Algoritma C4.5 untuk Pehamanan Siswa SMK Pada Pelajaran Kompetensi Keahlian. INTERNAL (Information System Journal, 5(2), 116–125. https://doi.org/10.32627
  18. Fadillah, F. (2021). Perancangan Prototype Sistem Pendeteksi Tinggi Badan dengan Menggunakan Veniding Machine Berbasis Sensor Ultrasonik. Jurnal Ilmiah Ilmu Komputer, 7(2), 1–5. https://doi.org/10.35329/jiik.v7i2.195
  19. Fanny Irnanda, K., Perdana Windarto, A., Sudahri Damanik (2022). Optimasi Particle Swarm Optimization Pada Peningkatan Prediksi dengan Metode Backpropagation Menggunakan Software RapidMiner. Ejurnal.Stmik-Budidarma.Ac.Id, 9(1), 2407–389. https://doi.org/10.30865/jurikom.v9i1.3836
  20. Farid, M., N., Ferdiana Kusuma, S., Ngagel, J. (2022). Analisis Sentimen pada Media Sosial Twitter Terhadap Kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat Berbasis Deep Learning. JEPIN (Jurnal Edukasi dan Penelitian Informatika)
  21. Fernández, A., García, S., Herrera, F., & Chawla, N. (2018). SMOTE for Learning from Imbalanced Data: Progress and Challenges, Marking the 15-year Anniversary. Journal of Artificial Intelligence Research, 61, 863–905. https://doi.org/10.1613/JAIR.1.11192
  22. Fikri, M. I., Sabrila, T. S., & Azhar, Y. (2020). Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter. SMATIKA JURNAL, 10(02), 71–76. https://doi.org/10.32664/SMATIKA.V10I02.455
  23. Firmansyah, I., & Herawan Hayadi, B. (2022). Komparasi Fungsi Aktivasi Relu Dan Tanh Pada Multilayer Perceptron. JIKO (Jurnal Informatika Dan Komputer), 6(2), 200–206.
  24. Haditira, R., Murdiansyah, D. T., & Astuti, W. (2022). Analisis Sentimen Pada Steam Review Menggunakan Metode Multinomial Naïve Bayes dengan Seleksi Fitur Gini Index Text. E-Proceeding of Enginee, 9, 1793. https://www.kaggle.com/luthfim/steam-
  25. Hafifah, Y., Muchtar, K. (2022). Perbandingan Kinerja Deep Learning Dalam Pendeteksian Kerusakan Biji Kopi. Stmik-Budidarma.Ac.Id, 9(6), 2407–389. https://doi.org/10.30865/jurikom.v9i6.5151
  26. Handayani, A. (2022). Model Algoritma Boosted Gradient Trees untuk Penentuan Kelayakan Pemberian Kredit Koperasi. Scientia Sacra: Jurnal Sains (Vol. 2, Issue 2). http://pijarpemikiran.com/index.php/Scientia
  27. Harumy, H., Zarlis, M., Lydia, M. S., & Effendi, S. (2022). Pengembangan Model Protis Neural Network Untuk Prediksi Dan Klasifikasi Data Timeseries Dan Image. Prosiding Seminar Nasional Riset dan Information Science (SENARIS) (Vol. 4).
  28. Hasib, K. M., Showrov, M. I. H., al Mahmud, J., & Mithu, K. (2022). Imbalanced Data Classification Using Hybrid Under-Sampling with Cost-Sensitive Learning Method. Lecture Notes in Electrical Engineering, 869, 423–435. https://doi.org/10.1007/978-981-19-0019-8_32
  29. Hasibuan, F. (2022). Identifikasi Persediaan Makanan di dalam Lemari Pendingin Berbasis Raspberry Pi dan Deep Learning. Electrician.Unila.Ac.Id, 16(1). https://electrician.unila.ac.id/index.php/ojs/article/view/2231
  30. Hasri, C. (2022). Penerapan Metode Naïve Bayes Classifier dan Support Vector Machine pada Analisis Sentimen Terhadap Dampak Virus Corona di Twitter. Jim.Teknokrat.Ac.Id. Retrieved January 27, 2023, from http://jim.teknokrat.ac.id/index.php/informatika/article/view/2026
  31. Hsieh, P., H. (2020). Activation Functions. HackMD.
  32. Husein, A. M., & Brutu, M. (2022). Prediksi Penerimaan Calon Karyawan Dengan Menggunakan Algoritma C4.5 Pada Biro Kesejahteraan Rakyat Provinsi Sumatera Utara. Digital Transformation Technology, 2(1), 16–20. https://doi.org/10.47709/digitech.v2i1.1769
  33. Indah Petiwi, M., Triayudi, A., & Diana Sholihati, I. (2022). Analisis Sentimen Gofood Berdasarkan Twitter Menggunakan Metode Naïve Bayes dan Support Vector Machine. Ejurnal.Stmik-Budidarma.Ac.Id. https://doi.org/10.30865/mib.v6i1.3530
  34. Indrajaya, D. (2018). Sistem Pendukung Keputusan Perizinan Santri menggunakan Metode Naïve Bayes Classifier dengan Laplace Correction.
  35. Isa, I. G. T., & Junedi, B. (2022). Hyperparameter Tuning Epoch dalam Meningkatkan Akurasi Data Latih dan Data Validasi pada Citra Pengendara. Prosiding Sains Nasional Dan Teknologi, 12(1), 231. https://doi.org/10.36499/psnst.v12i1.6697
  36. Ivan, E., & Purnomo, H. D. (2022). Forecasting Prices Of Fertilizer Raw Materials Using Long Short Term Memory. Jurnal Teknik Informatika (Jutif), 3(6), 1663–1673. https://doi.org/10.20884/1.jutif.2022.3.6.433
  37. Joergensen Munthe, C. E., Astuti Hasibuan, N., & Hutabarat, H. (2022). Penerapan Algoritma Text Mining dan TF-RF dalam Menentukan Promo Produk pada Marketplace. Djournals.Com, 2(3), 110–115. http://djournals.com/resolusi/article/view/309
  38. Juanita, S. (2020). Analisis Sentimen Persepsi Masyarakat Terhadap Pemilu 2019 Pada Media Sosial Twitter Menggunakan Naive Bayes. Jurnal Media Informatika Budidarma, 4(3), 552. https://doi.org/10.30865/MIB.V4I3.2140
  39. Julianto, I. T., Kurniadi, D., Nashrulloh, M. R., Mulyani, A., & Komputer, J. I. (2022). Twitter Social Media Sentiment Analysis Against Bitcoin Cryptocurrency Trends Using Rapidminer. Jutif.If.Unsoed.Ac.Id, 3(5), 1183–1187. https://doi.org/10.20884/1.jutif.2022.3.5.289
  40. Kurniabudi, K. (2022). Komparasi Performa Tree-Based Classifier Untuk Deteksi Anomali Pada Data Berdimensi Tinggi dan Tidak Seimbang. Ejurnal.Stmik-Budidarma.Ac.Id, 2022. http://www.ejurnal.stmik-budidarma.ac.id/index.php/mib/article/view/3473
  41. Kurniawan, I., & Susanto, A. (2019). Implementasi Metode K-Means dan Naïve Bayes Classifier untuk Analisis Sentimen Pemilihan Presiden (Pilpres) 2019. Eksplora Informatika, 9(1), 1–10. https://doi.org/10.30864/EKSPLORA.V9I1.237
  42. Kurniawan, S., Gata, W., Puspitawati, D. A., Parthama, I. K. S., Setiawan, H., & Hartini, S. (2020). Text Mining Pre-Processing Using Gata Framework and RapidMiner for Indonesian Sentiment Analysis. IOP Conference Series: Materials Science and Engineering, 835(1). https://doi.org/10.1088/1757-899X/835/1/012057
  43. Li, C., Zhan, G., & Li, Z. (2018). News Text Classification Based on Improved Bi-LSTM-CNN. Proceedings - 9th International Conference on Information Technology in Medicine and Education, ITME 2018, 890–893. https://doi.org/10.1109/ITME.2018.00199
  44. Lin, C., Tsai, C. F., & Lin, W. C. (2022). Towards hybrid over- and under-sampling combination methods for class imbalanced datasets: an experimental study. Artificial Intelligence Review. https://doi.org/10.1007/S10462-022-10186-5
  45. Listiowarni, I. (2019). Implementasi Naïve Bayessian dengan Laplacian Smoothing untuk Peminatan dan Lintas Minat Siswa SMAN 5 Pamekasan. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 8(2), 124–129. https://doi.org/10.32736/sisfokom.v8i2.652
  46. M.Abdelgwad, M., A Soliman, T. H., I.Taloba, A., & Farghaly, M. F. (2021). Arabic aspect based sentiment analysis using bidirectional GRU based models. Journal of King Saud University - Computer and Information Sciences. https://doi.org/10.1016/j.jksuci.2021.08.030
  47. Mahawardana, P. P. O., Imawati, I. A. P. F., & Dika, I. W. (2022). Analisis Sentimen Berdasarkan Opini dari Media Sosial Twitter terhadap “Figure Pemimpin” Menggunakan Python. Jurnal Manajemen Dan Teknologi Informasi, 12(2), 50–56. https://doi.org/10.5281/ZENODO.7177756
  48. McCann, P. (2020). fugashi, a Tool for Tokenizing Japanese in Python. 44–51. https://doi.org/10.18653/v1/2020.nlposs-1.7
  49. Mufidah, F. S., Winarno, S., Alzami, F., Udayanti, E. D., & Sani, R. R. (2022). Analisis Sentimen Masyarakat Terhadap Layanan Shopeefood Melalui Media Sosial Twitter Dengan Algoritma Naïve Bayes Classifier. JOINS (Journal of Information System), 7(1), 14–25. https://doi.org/10.33633/joins.v7i1.5883
  50. Muningsih, E. (2022). Kombinasi Metode K-Means Dan Decision Tree Dengan Perbandingan Kriteria Dan Split Data. Jurnal TEKNOINFO (Vol. 16, Issue 1).
  51. Nabila Batubara, D., Perdana Windarto, A., Irawan (2022). Analisis Prediksi Keterlambatan Pembayaran Listrik Menggunakan Komparasi Metode Klasifikasi Decision Tree dan Support Vector Machine. Stmik-Budidarma.Ac.Id, 9(1), 2407–389. https://doi.org/10.30865/jurikom.v9i1.3833
  52. Noviriandini, A., Hermanto, H.. (2022.). Klasifikasi Support Vector Machine Berbasis Particle Swarm Optimization Untuk Analisa Sentimen Pengguna Aplikasi. Jurnal.Umt.Ac.Id. Retrieved January 27, 2023, from http://jurnal.umt.ac.id/index.php/jika/article/view/5681
  53. Nugraha, A., Journal, U. B.-T. (2022). Adaptive E-Learning System Berbasis Vark Learning Style dengan Klasifikasi Materi Pembelajaran Menggunakan K-NN (K-Nearest Neighbor). Ijc.Ilearning.Co, 7(2), 2528–6544. https://doi.org/10.33050/tmj.v7i2.1900
  54. Nurhazizah, E., Ichsan, R. N., & Widiyanesti, S. (2022). Analisis Sentimen Dan Jaringan Sosial Pada Penyebaran Informasi Vaksinasi Di Twitter. Swabumi, 10(1), 24–35. https://doi.org/10.31294/swabumi.v10i1.12474
  55. Osman, A. S. (2019). Data Mining Techniques: Review. 2(1), 1–4. https://www.educba.com/7-data-
  56. Panneerselvam, L. (2021). Activation Functions and their Derivatives – A Quick & Complete Guide. Data Science Blogathon.
  57. Pascalina, D., Widhiastono, R., Juliane, C. (2023). Pengukuran Kesiapan Transformasi Digital Smart City Menggunakan Aplikasi Rapid Miner. Ijc.Ilearning.Co, 7(3), 293–302. https://doi.org/10.33050/tmj.v7i3.1914
  58. Pattiiha, F. (2022). Perbandingan Metode K-NN, Naïve Bayes, Decision Tree untuk Analisis Sentimen Tweet Twitter Terkait Opini Terhadap PT PAL Indonesia. Ejurnal.Stmik-Budidarma.Ac.Id, 9(2), 2407–389. https://doi.org/10.30865/jurikom.v9i2.4016
  59. Pratama, S. F., Andrean, R., & Nugroho, A. (2019). Analisis Sentimen Twitter Debat Calon Presiden Indonesia Menggunakan Metode Fined-Grained Sentiment Analysis. JOINTECS (Journal of Information Technology and Computer Science), 4(2), 39–44. https://doi.org/10.31328/JOINTECS.V4I2.1004
  60. Pulungan, A. (2022). Kombinasi Metode Sampling pada Pengklasifikasian Data Tidak Seimbang Menggunakan Algoritma SVM. Jurnal.Uisu.Ac.Id. Retrieved February 1, 2023, from https://jurnal.uisu.ac.id/index.php/infotekjar/article/view/4920
  61. Putra, T. D., Utami, E., & P.Kurniawan, M. (2022). Analisis Sentimen Pemilu 2024 dengan Naive Bayes Berbasis Particle Swarm Optimization (PSO). EXPLORE, 13(1), 1–5. https://doi.org/10.35200/EXPLORE.V13I1.617
  62. Putri, D. (2022). Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier. Journal.Eng.Unila.Ac.Id. Retrieved January 27, 2023, from http://journal.eng.unila.ac.id/index.php/jitet/article/view/2262
  63. Putri, T. A. E., Widiharih, T., & Santoso, R. (2023). Penerapan Tuning Hyperparameter Randomsearchcv pada Adaptive Boosting untuk Prediksi Kelangsungan Hidup Pasien Gagal Jantung. Jurnal Gaussian, 11(3), 397–406. https://doi.org/10.14710/j.gauss.11.3.397-406
  64. Rezki, M. (2020). Analisis Review Pengguna Google Meet Dan Zoom Cloud Meeting Menggunakan Algoritma Naïve Bayes Dan K-Nearest Neighbor.
  65. Riduan Achmad, R., Septiana, F. F., Syamsi, N., Prakoso, B. S., & Novitasari, H. B. (2021). Penerapan Finite State Automata pada Vending Machine dalam Melakukan Transaksi Pengembalian Buku di Perpustakaan. Metik Jurnal, 5(1), 63–70. https://doi.org/10.47002/metik.v5i1.219
  66. Rizky Noer Alif, M. (2022). Sistem Pendukung Keputusan Pemberian Pinjaman dengan Metode Naive Bayes pada Koperasi Wanita Sejahtera Desa Patianrowo Kabupaten Nganjuk.
  67. Rozaq, A., Yunitasari, Y., Sussolaikah, K., Resty, E., Sari, N., & Syahputra, R. I. (2022). Analisis Sentimen Terhadap Implementasi Program Merdeka Belajar Kampus Merdeka Menggunakan Naïve Bayes, K-Nearest Neighboars dan Decision Tree. Ejurnal.Stmik-Budidarma.Ac.Id. https://doi.org/10.30865/mib.v6i2.3554
  68. Samsir, S., Ambiyar, A. (2021). Analisis Sentimen Pembelajaran Daring Pada Twitter di Masa Pandemi COVID-19 Menggunakan Metode Naïve Bayes. Stmik-Budidarma.Ac.Id. Retrieved June 3, 2022, from http://stmik-budidarma.ac.id/ejurnal/index.php/mib/article/view/2580
  69. Saputra, N., Nurbagja, K., & Turiyan, T. (2022). Sentiment Analysis of Presidential Candidates Anies Baswedan and Ganjar Pranowo Using Naïve Bayes Method. JURNAL SISFOTEK GLOBAL, 12(2), 114–119. https://doi.org/10.38101/SISFOTEK.V12I2.552
  70. Septiana Rizky, P., Haiban Hirzi, R., Hidayaturrohman, U., Hamzanwadi (2022). Perbandingan Metode LightGBM dan XGBoost dalam Menangani Data dengan Kelas Tidak Seimbang. Jurnal.Unipasby.Ac.Id, 15(2), 228–236. https://jurnal.unipasby.ac.id/index.php/jstatistika/article/view/5548
  71. Tamara, I. (2022). Kajian Kinerja Algoritme Klasifikasi Extra-Trees pada Permasalahan Data Kelas Tak Seimbang. https://repository.ipb.ac.id/handle/123456789/113230
  72. Tangkelayuk, A., Mailoa, E. (2022). Klasifikasi Kualitas Air Menggunakan Metode KNN, Naïve Bayes, dan Decision Tree. Jurnal.Mdp.Ac.Id, 9(2), 1109–1119. https://jurnal.mdp.ac.id/index.php/jatisi/article/view/2048
  73. Tjahyanto, A., & Atletiko, F. J. (2022). Peningkatan Kinerja Pengklasifikasi Objek Bawah Laut dengan Deep Learning. MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 21(3), 753–760. https://doi.org/10.30812/matrik.v21i3.1466
  74. Trisiawan, I. K., & Yuliza, Y. (2022). Penerapan Multi-Label Image Classification Menggunakan Metode Convolutional Neural Network (CNN) Untuk Sortir Botol Minuman. Jurnal Teknologi Elektro, 13(1), 48. https://doi.org/10.22441/jte.2022.v13i1.009
  75. Valentina, R., Rostianingsih, S., & Tjondrowiguno, A. N. (2022). Pengenalan Gambar Botol Plastik dan Kaleng Minuman Menggunakan Metode Convolutional Neural Network.
  76. Verawati, I., & Audit, B. S. (2022). Algoritma Naïve Bayes Classifier Untuk Analisis Sentiment Pengguna Twitter Terhadap Provider By.u. Jurnal Media Informatika Budidarma, 6(3), 1411. https://doi.org/10.30865/mib.v6i3.4132
  77. Wasil, M., Harianto, H., & Fathurrahman, F. (2022). Pengaruh Epoch pada Akurasi menggunakan Convolutional Neural Network untuk Klasifikasi Fashion dan Furniture. Infotek : Jurnal Informatika dan Teknologi, 5(1), 53–61. https://doi.org/10.29408/jit.v5i1.4393
  78. Wijaya, A. B., & Wahyuningsih, D. Y. (2022). Pengidentifikasi Spesies Burung menggunakan Citra dengan Metode Convolutional Neural Network. ScientiCO : Computer Science and Informatics Journal, 5(2).
  79. Yadav, S., & Yadav, S. (2018). Text Mining of VOOT Application Reviews on Google Play Store. International Research Journal of Engineering and Technology. www.irjet.net
  80. Yahyadi, A., Latifah, F. (2022). Analisis Sentimen Twitter terhadap Kebijakan PPKM di Tengah Pandemi Covid-19 menggunakan Mode LSTM. Journal of Information System, Applied, Management, Accounting and Research. Issue Period, 6(2), 464–470. https://doi.org/10.52362/jisamar.v6i2.791
  81. Yudhana, A., Riadi, I., & Djou, M. R. (2022). Pengembangan Layanan Kependudukan Dan Pencatatan Sipil Menggunakan Algoritma Naïve Bayes. JURIKOM (Jurnal Riset Komputer), 9(4), 1062. https://doi.org/10.30865/jurikom.v9i4.4515
  82. Yulian Pamuji, F. (2022). Pengujian Metode SMOTE Untuk Penanganan Data Tidak Seimbang Pada Dataset Binary. Jurnalfti.Unmer.Ac.Id, 2022. https://jurnalfti.unmer.ac.id/index.php/senasif/article/view/403
  83. Zarkasyi, M. I., Mawengkang, H., & Sitompul, O. S. (2022). Optimasi Cluster Pada K-Means Clustering Dengan Teknik Reduksi Dimensi Dataset Menggunakan Gini Index. Technology and Science (BITS), 4(3). https://doi.org/10.47065/bits.v4i3.2458