KLASIFIKASI PANTUN INDONESIA MENGGUNAKAN METODE LONG SHORT-TERM MEMORY

• Ahmad Royyan Rambe

---

ABSTRAK

ABSTRAK

Ahmad Royyan Rambe (12240075), “KLASIFIKASI PANTUN MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM)”.

 Penelitian ini bertujuan untuk membangun model klasifikasi pantun Indonesia ke dalam 18 kategori berbeda menggunakan metode Long Short-Term Memory (LSTM) sebagai upaya pelestarian budaya di era digital. Model dikembangkan dengan dataset publik berisi 350 sampel pantun yang diolah melalui serangkaian tahap prapemrosesan teks, pelatihan, dan evaluasi. Hasil pengujian model pada data uji menunjukkan tingkat akurasi sebesar 68.57%. Ditemukan bahwa performa model dipengaruhi oleh beberapa faktor, seperti jumlah data yang terbatas dan tidak seimbang antar kategori, serta kemiripan makna pada jenis pantun tertentu. Model yang telah dilatih berhasil diimplementasikan ke dalam aplikasi web fungsional menggunakan framework Flask, yang memungkinkan pengguna mengklasifikasikan pantun secara real-time.

Kata Kunci: Pantun, Klasifikasi Teks, Long Short-Term Memory (LSTM), Deep Learning, Pelestarian Budaya.

KATA KUNCI

KLASIFIKASI PANTUN,METODE LONG SHORT-TERM MEMORY

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

[1] P. Acara et al., “Jurnal Bahasa, Sastra Indonesia, dan Pengajarannya,” vol. 14, no. April, pp. 28–36, 2021.  

[2] N. P. S. Wati and C. Pramartha, “Penerapan Long Short Term Memory dalam Mengklasifikasi Jenis Ujaran Kebencian pada Tweet Bahasa Indonesia,” Jurnal Nasional Teknologi Informasi dan Aplikasinya (JNATIA), vol. 1, no. 1, pp. 755–762, 2022.

[3] A. Yundayani, A. Sulaeman, F. Syafri, and F. Alghadari, “Penguatan Kajian Pantun Indonesia sebagai Sebuah Topik Penelitian,” Jurnal Abdimas Prakasa Dakara, vol. 3, no. 1, pp. 18–27, 2023.

 [4] U. Islam and N. Sumatera, “Mempertahankan nilai pantun di zaman modern,” vol. 8, no. 6, pp. 1094–1098, 2024.  

[5] L. Hermawan and M. Bellaniar Ismiati, “Pembelajaran Text Preprocessing berbasis Simulator Untuk Mata Kuliah Information Retrieval,” Jurnal Transformatika, vol. 17, no. 2, p. 188, 2020.

[6] K. I. Gunawan and J. Santoso, “Multilabel Text Classification Menggunakan SVM dan Doc2Vec Classification Pada Dokumen Berita Bahasa Indonesia,” Journal of Information System,Graphics, Hospitality and Technology, vol. 3, no. 01, pp. 29–38, 2021.

[7] D. Fabiyanto, M. Haris, K. Depok, I. Base, P. B. Daerah, and H. Tuning, “Performance Analysis of IndoBERT Transfer Learning Process of in Sentiment Classification of YouTube Video Comments,” no. x, pp. 1–12, 2025.  

[8] B. Satrio, B. F. Dahlan, F. Fathan, F. Z. Muwafa, M. R. Zanzabili, and A. Abdiansah, “Klasifikasi Sentimen Emosi Pada Dataset Goemotion Menggunakan Lstm,” Jurnal Linguistik Komputasional (JLK), vol. 7, no. 1, pp. 21–25, 2024.

[9] D. F. Ningtyas and N. Setiyawati, “Implementasi Flask Framework pada Pembangunan Aplikasi Purchasing Approval Request,” Jurnal Janitra Informatika dan Sistem Informasi, vol. 1, no. 1, pp. 19–34, 2021.

[10] J. Lawa Rizky, W. Gata, S. Syuaib, R. Hasan, and S. Rachmaliya Joi, “Analisis Skor Kepuasan Pelanggan Menggunakan Bidirectional Long Short-Term Memory Pada Pt. Rajawali Berdikari Indonesia,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 3, pp. 4390–4396, 2025.

[11] G. Rininda, I. Hartami Santi, and S. Kirom, “Penerapan Svm Dalam Analisis Sentimen Pada Edlink Menggunakan Pengujian Confusion Matrix,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 5, pp. 3335–3342, 2024.  

[12] P. P. O. Mahawardana, I. A. P. F. Imawati, and I. W. Dika, “Analisis Sentimen Berdasarkan Opini dari Media Sosial Twitter terhadap ‘Figure Pemimpin’ Menggunakan Python,” Jurnal Manajemen dan Teknologi Informasi, vol. 12,no. 2, pp. 50–56, 2022.

[13] F. Yuspriyadi, “Klasifikasi Sentimen Twitter Menggunakan Lstm,” METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi, vol. 9, no. 1, pp. 4–8, 2023.

[14] J. M. Informatika and S. I. Misi, “MULTI LABEL KLASIFIKASI GENRE FILM BERDASARKAN SINOPSIS MENGGUNAKAN METODE LONG SHORT-TERM MEMORY ( LSTM ),” vol. 8, pp. 110–119, 2025.

[15] G. A. Lustiansyah et al., “Analisis klasifikasi sentimen pengguna aplikasi pedulilindungi berdasarkan ulasan dengan menggunakan metode long short term memory,” Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA), pp. 327–336, 2022.