Detail Cantuman

Klasifikasi teks merupakan tantangan utama dalam pemrosesan bahasa alami, terutama dalam konteks pendidikan, seperti mengklasifikasikan soal cerita matematika. Pada penelitian ini, soal diklasifikasikan berdasarkan jenis operasi aritmatika dasar, yaitu penjumlahan, pengurangan, perkalian, pembagian, dan operasi campuran. Penelitian
ini bertujuan untuk meningkatkan akurasi model gradient boosting dalam mengklasifikasikan soal cerita matematika melalui tuning hyperparameter dengan menggunakan teknik grid search. Dataset yang dilabeli secara manual diproses dengan preprocessing dan ekstraksi fitur menggunakan TF-IDF, kemudian dibagi menjadi 80% data latih dan 20% data uji dengan menggunakan 5-fold cross validation. Hyperparameter terbaik yang ditemukan adalah learning_rate = 0.01, n_estimator = 300, dan max_depth = 5. Hasil penelitian menunjukkan bahwa model dengan tuning hyperparameter mencapai akurasi sebesar 81%, sedangkan model tanpa tuning hyperparameter mencapai akurasi sebesar 61%. Dengan demikian, penerapan hyperparameter tuning pada model algoritma gradient boosting terbukti efektif dalam meningkatkan performa klasifikasi soal cerita matematika, meningkatkan akurasi sebesar 20% dan menunjukkan kemampuan prediksi yang baik pada kelas yang berbeda. Kata Kunci : Gradient Boosting, Grid Search, Klasifikasi, Soal Cerita Matematika, Tuning Hyperparameter