Penelitian ini menerapkan algoritma Deep Learning Long Short-Term Memory (LSTM) berbasis CRISP-DM guna mengklasifikasikan teks hukum secara otomatis. Agar pengembangan solusi ini berjalan efektif dan terarah, alur penelitian dirancang secara sistematis ke dalam lima tahapan utama: Masalah, Pendekatan, Pengembangan, Penyajian, dan Hasil. Pada tahap komputasi, teks diproses melalui tahapan Natural Language Processing (NLP) lalu model dilatih menggunakan dataset sebanyak 4.461 data. Kendala ketidakseimbangan kelas pada data tersebut berhasil diatasi secara optimal melalui teknik Class Weighting. Berdasarkan pengujian 5-Fold Cross-Validation, model terbukti andal dengan rata- rata akurasi sebesar 93,90%. Hasil ini menegaskan bahwa algoritma LSTM secara empiris mampu menangkap semantik bahasa hukum dengan presisi tinggi, sehingga model analisis yang dihasilkan siap direkomendasikan sebagai solusi teknologi untuk mendukung otomatisasi sistem peradilan di Pengadilan Agama Bekasi dalam mempercepat penyelesaian administrasi perkara pasca-sidang.

S12561

INF 0083 2026

Bekasi

Tersedia