@thesis{thesis,
		author={Piter  Cryssa Aprilia Ermiyanda},
		title ={KLASIFIKASI MULTILABEL UNTUK TEKS INFORMASI KEGIATAN KONFERENSI ILMIAH MENGGUNAKAN METODE EXTREME GRADIENT BOOST (XGBOOST)},
		year={0000},
		url={},
		abstract={Salah satu upaya pemerintah dalam meningkatkan mutu pendidikan adalah dengan mewajibkan dosen melakukan penelitian ilmiah. Penelitian ilmiah ini nantinya wajib disebarluaskan, seperti melalui konferensi ilmiah. Salah satu aspek penting dalam mengirimkan artikel ilmiah adalah kesesuaian bidang. Jumlah konferensi ilmiah yang banyak tentunya diiringi dengan jumlah bidang yang banyak pula. Hal ini tentunya akan menyulitkan peneliti dalam menemukan konferensi ilmiah yang sesuai. Oleh karena itu, untuk membantu pemilihan maka dilakukan pengelompokkan informasi kegiatan konferensi ilmiah secara otomatis.

Penelitian ini bertujuan untuk mengelompokkan data informasi kegiatan konferensi ilmiah berbahasa Indonesia yang berjumlah sebanyak 1005 data. Data yang sudah dikumpulkan akan diklasifikan ke dalam tiga label yang berkaitan dengan ekonomi, sains dan teknik, dan ilmu sosial (Economics, Science and Engineering, dan Social Studies). Klasifikasi ini bersifat multi-label artinya setiap data dapat memiliki lebih dari satu label. Penelitian ini menggunakan metode Extreme Gradient Boost (XGBoost). Pengujian terhadap hyperparameter dilakukan untuk mendapatkan model yang optimal.

Percobaan yang sudah dilakukan menghasilkan hyperparameter Word2Vec dengan ukuran dimensi 100 dan ukuran window 15. Untuk hyperparameter XGBoost, diperoleh kondisi yang optimal ketika jumlah estimator 100, learning rate 0,1, maximum depth 6, mininum child weight 10, dan gamma 3,6. Model ini kemudian dievaluasi dengan menggunakan K-fold Cross Validation yang menghasilkan rata-rata hamming score sebesar 79,52% dan f1 score sebesar 85,88%.}
		}