Model Deep Learning untuk Klasifikasi Movie Label Tunggal

Abstract

Riset ini bertujuan untuk mengelompokkan movie genre dengan label tunggal dalam mengatasi masalah data sequence (kalimat panjang berurutan) dan dependence (ketergantungan antar kata) pada kalimat sinopsis sebuah movie. Pengelompokkan ini dibuat dengan Deep Learning (DL) dalam bentuk klasifikasi menggunakan jaringan syaraf Long Short-Term Memory (LSTM).  Riset ini menggunakan data sequence berupa urutan kata demi kata (sebagai input) dalam kalimat yang memiliki dependence dari deskripsi movie (sebagai sinopsis) untuk menentukan klasifikasi (sebagai output) tentang movie genre tersebut. Untuk eksperimen, riset ini menggunakan kumpulan data tentang deskripsi dari sinopsis movie (Indonesia movie review from Kaggle with 1273 record). Hasil ekpserimen menunjukkan bahwa DL dengan menggunakan LSTM menghasilkan data categorical (genre) dengan baik (epoch 30, iteration 1830, iteration per epoch 61, frequency 50). Implikasinya adalah bahwa DL menggunakan LSTM mampu menghasilkan klasifikasi label tunggal. Hal ini berarti bahwa input dengan data sequence (data teks dengan dependensi), proses dengan deep learning (proses klasifikasi) dan menghasilkan output berupa data categorical (array single label) pada prediksi data teks.