Implementasi algoritma FastText dan Random Forest untuk pemilihan kategori laptop berdasarkan kebutuhan pengguna

INDONESIA:

Penelitian ini bertujuan untuk pemilihan kategori laptop berdasarkan deskripsi kebutuhan dengan menggunakan algoritma FastText dan Random Forest. FastText digunakan untuk memproses teks kebutuhan dari pengguna kemudian dilakukan klasifikasi untuk memilih kategori laptop menggunakan Random Forest. Data yang digunakan adalah berupa kumpulan deskripsi laptop yang masing-masing diberi label kategori laptop, yaitu gaming, office, workstation, programming, dan multimedia. Evaluasi model menggunakan metrik Accuracy, Precision, Recall, F1-Score, serta Cross-Validation. Hasil penelitian menunjukkan bahwa model mampu menghasilkan kategori laptop secara akurat dengan akurasi sebesar 96% dan nilai rata-rata dari K-Fold Cross-Validation sebesar 97.42%. Pengujian lebih lanjut dengan skenario variasi dimensi FastText, dan modifikasi karakteristik data menunjukkan model tetap stabil meskipun dengan penaikan dan penurunan performa yang tidak terlalu signifikan.

ENGLISH:

This research aims to select laptop categories based on needs descriptions using the FastText and Random Forest algorithms. FastText is used to process user needs text, and then classification is performed to select laptop categories using Random Forest. The data used is a collection of laptop descriptions, each labeled with a laptop category:gaming, office, workstation, and multimedia. The model was evaluated using the metrics Accuracy, Precision, Recall, F1-Score, and Cross-Validation. The research results show that the model is able to accurately categorize laptops with an accuracy of 96% and an average of K-Fold Cross-Validation score of 97.42%. Further testing with variations in FastText dimension scenarios and modifications to data characteristics showed that the model remained stable despite fluctuations in performance that were not too significant.

ARABIC:

تهدف هذه الدراسة إلى التنبؤ بفئة الكمبيوتر المحمول بناءً على وصف الاحتياجات باستخدام خوارزمية FastText وRandom Forest. يتم استخدام FastText لمعالجة نص الاحتياجات من المستخدم ثم يتم التصنيف للتنبؤ بفئة الكمبيوتر المحمول باستخدام Random Forest. البيانات المستخدمة هي عبارة عن مجموعة من أوصاف أجهزة الكمبيوتر المحمولة، حيث تم تصنيف كل منها إلى فئات، وهي: الألعاب، المكتب، محطة العمل، البرمجة، والوسائط المتعددة. تقييم النموذج باستخدام مقاييس الدقة، الدقة، الاسترجاع، درجة F1، وكذلك التحقق المتقاطع. أظهرت نتائج البحث أن النموذج قادر على التنبؤ بفئة اللابتوب بدقة عالية تصل إلى 96% ومتوسط قيمة التحقق المتقاطع K-Fold بنسبة 97.42%. أظهرت الاختبارات الإضافية مع سيناريوهات تنويع أبعاد FastText وتعديل خصائص البيانات أن النموذج يظل مستقراً على الرغم من الارتفاع والانخفاض غير الملحوظ في الأداء.