Skripsi
Transformasi multilabel ke multiclass pada klasifikasi elsevier sdg mapping / Dika Aurelya Aleandra Taroreh
Abstrak
Peningkatan volume publikasi ilmiah bertema Sustainable Development Goals (SDG) mendorong kebutuhan sistem klasifikasi otomatis untuk mengelompokkan publikasi berdasarkan relevansi terhadap tujuan SDG. Publikasi yang terindeks melalui Elsevier SDG Mapping menunjukkan karakteristik multilabel yang menghadirkan kompleksitas klasifikasi mencakup korelasi antar-label (label correlation) variasi jumlah label (label cardinality) dan distribusi label yang tidak merata (label imbalance) mengakibatkan kompleksitas komputasional tinggi dan kesulitan interpretasi hasil. Kompleksitas multilabel classification dapat disederhanakan melalui problem transformation yang mengubah masalah multilabel menjadi klasifikasi multiclass. Penelitian mengevaluasi tiga strategi transformasi yaitu label mayoritas label tunggal dan label powerset dengan empat arsitektur deep learning yaitu CNN RNN LSTM dan GRU untuk mengidentifikasi kombinasi optimal dan mengukur trade-off antara simplifikasi data dengan performa klasifikasi pada publikasi SDG. Dataset terdiri dari 138.784 publikasi dari Elsevier SDG Mapping dengan 16 kategori SDG dimana 79 16% publikasi memiliki satu label dan 20 84% memiliki dua label atau lebih. Strategi label mayoritas mempertahankan seluruh publikasi dengan memilih label berdasarkan frekuensi tertinggi. Strategi label tunggal mempertahankan hanya publikasi dengan satu label menghasilkan 109.861 publikasi. Strategi label powerset mengubah setiap kombinasi label menjadi kelas baru menghasilkan 197 kelas dengan rasio ketidakseimbangan 613 83 kali. Evaluasi dilakukan menggunakan Stratified 5-Fold Cross Validation dengan metrik utama F1-Score macro-averaged. Hasil evaluasi menunjukkan bahwa strategi label tunggal dengan CNN mencapai performa tertinggi dengan F1-Score 81 07% melampaui label mayoritas (74 78%) dan label powerset (8 56%). CNN menunjukkan konsistensi tinggi di ketiga strategi dengan standar deviasi kurang dari 0 5% sementara LSTM mengalami ketidakstabilan signifikan dan RNN gagal akibat vanishing gradient. Strategi label powerset mengalami penurunan drastis pada seluruh arsitektur karena fragmentasi kelas ekstrem. Temuan mengindikasikan bahwa simplifikasi data menjadi single-label melalui filtering publikasi lebih efektif dibanding mempertahankan kompleksitas multilabel untuk klasifikasi publikasi SDG dengan karakteristik label cardinality rendah. Kombinasi optimal strategi label tunggal dengan CNN memberikan sistem klasifikasi publikasi SDG yang akurat konsisten dan efisien.