RAMADHAN, MUHAMMAD FAHRI and Awangga, Rolly Maulana and Harani, Nisa Hanum (2023) KOMPARASI AKURASI DAN RESOURCE MONITOR METODE LSTM PADA GO GREEN CODING DAN PYTHON (1.1.4.23.017/MUH/K). Diploma thesis, ULBI.
Full text not available from this repository.Abstract
ABSTRAK Penelitian ini bertujuan untuk melakukan implementasi model LSTM menggunakan golang, kemudian menilai tingkat akurasi dari model yang telah dibuat dan mengukur performa lstm yang dibangun dengan go melalui resource monitor. LSTM merupakan salah satu metode dalam recurrent neural network yang dapat mempertimbangkan konteks percakapan. Dengan kemampuan memori jangka panjang, LSTM dapat mengenali pola dan hubungan antar kata dalam sebuah kalimat. Go sendiri dipilih sebagai bahasa pemrograman untuk mengimplementasikan LSTM ini karena terdapat penelitian yang mengungkapkan performa Go dibandingkan beberapa bahasa pemrograman lainnya, sehingga penggunaan bahasa Go berbanding lurus dengan konsep green computing. Data yang digunakan dalam penelitian ialah data percakapan Bahasa Indonesia sebanyak 2936 pasang question-answer. Data dikumpulkan melalui relawan yang mengisi percakapan sehari-hari dalam Bahasa Indonesia melalui website. Tingkat akurasi dari model LSTM yang sudah dibangun mencapai 53.6%. Akurasi tersebut didapat dengan membandingkan antara data test dengan hasil prediksi dari model. Angka tersebut terbilang cukup kecil sehingga membutuhkan penelitian lebih lanjut untuk mengembangkan model LSTM menggunakan go. Untuk performanya, ketika dibandingkan dengan python pada proses training data go jauh mengungguli python dengan pemakaian CPU berkisar di 17-20% saja. Kata Kunci: Deep Learning, Machine Learning, LSTM, RNN, Go
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Depositing User: | Unnamed user with email [email protected] |
| Date Deposited: | 23 Jan 2024 03:44 |
| Last Modified: | 23 Jan 2024 03:44 |
| URI: | http://eprint.ulbi.ac.id/id/eprint/2099 |
Actions (login required)
 |
View Item |
