eProceedings of Engineering
Vol 6, No 2 (2019): Agustus 2019

Klasifikasi Multi-label Pada Hadis Bukhari Dalam Terjemahan Bahasa Indonesia Menggunakan Mutual Information Dan Backpropagation Neural Network

Hendro Prasetyo (Telkom University)
Adiwijaya Adiwijaya (Telkom University)
Widi Astuti (Telkom University)



Article Info

Publish Date
01 Aug 2019

Abstract

AbstrakHadis adalah segala sesuatu yang disandarkan pada Nabi Muhammad SAW baik perkataan, perbuatan,taqrir (sikap diam setuju) dan yang lainnya. Hadis merupakan sumber hukum tersendiri bagi umat muslimyang tidak dijelaskan dalam Al Qur’an. Ada banyak hadis yang telah diriwayatkan oleh para ahli hadis,salah satunya adalah hadis shahih Bukhari. Penelitian ini membuat sebuah sistem yang dapat melakukanklasifikasi hadis Bukhari Muslim Terjemahan berbahasa Indonesia. Metode klasifikasi BackpropagationNeural Network digunakan karena dapat melakukan klasifikasi data dengan jumlah fitur yang banyak danberagam, didukung dengan Mutual Information sebagai metode seleksi fitur dalam memilih fitur-fitur yangberpengaruh pada setiap label kelas multi-label. Pada penelitian ini dilakukan beberapa skenariopengujian dengan memodifikasi tahapan preprocessing, seleksi fitur, dan parameter BackpropagationNeural Network. Pengujian tersebut menunjukan bahwa nilai hamming loss terbaik adalah sebesar 0,0892dan waktu komputasi 5284,8 s dengan melibatkan tiga poin pengujian yaitu: stemming, Mutual Informationdan nilai learning rate terbaik.Kata kunci : klasifikasi teks, hadis, backpropagation neural network, mutual information, multi-labelAbstractHadith is everything that is based on Prophet Muhammad SAW involve words, deeds, taqrir (silence agree)and others. Hadith is a separate source of law for Muslims which is not explained in the Qur'an. There aremany traditions which have been narrated by the experts of hadith, one of which is the hadith of sahihBukhari. This research makes a system that can classify the Bukhari Muslim Translation of hadith inIndonesian. The classification method of Backpropagation Neural Network is used because it can classifydata with a large number of diverse features, supported by Mutual Information as a feature selectionmethod in selecting features that affect each multi-label class label. In this study several test scenarios werecarried out by modifying the preprocessing stages, feature selection, and Backpropagation Neural Networkparameters. The test shows that the best hamming loss value is 0.0892 and a computation time of 5284.8 sby involving three test points, namely: stemming, Mutual Information and the best learning rate value.Keywords: text classification, hadith, backpropagation neural network, mutual information, multi-label

Copyrights © 2019






Journal Info

Abbrev

engineering

Publisher

Subject

Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Description

Merupakan media publikasi karya ilmiah lulusan Universitas Telkom yang berisi tentang kajian teknik. Karya Tulis ilmiah yang diunggah akan melalui prosedur pemeriksaan (reviewer) dan approval pembimbing ...