Klasifikasi Event Laporan Keuangan 10-K, Panduan Machine Learning
Panduan praktis mengklasifikasikan data laporan keuangan 10-K menjadi event dan non-event menggunakan model SVM dan LSTM.
Diagram alur klasifikasi teks dokumen keuangan menggunakan algoritma machine learning SVM dan LSTM
Mengenal Laporan Keuangan dan Pentingnya Klasifikasi Data
Menganalisis kondisi finansial sebuah perusahaan besar tentu membutuhkan ketelitian yang sangat tinggi. Laporan 10-K sendiri berisi informasi performa bisnis yang sangat detail, mulai dari akuisisi, peluncuran produk baru, hingga kesepakatan hukum penting. Informasi berharga ini sering kali terkubur di dalam ribuan baris teks yang membosankan.
Untuk mempermudah analisis investor, kami mencoba memilah kalimat-kalimat penting tersebut secara otomatis menggunakan Machine Learning. Kami membagi data teks ini menjadi dua kategori utama, yaitu peristiwa penting atau "event" dan informasi biasa atau "non-event". Dengan memisahkan kedua hal ini, fokus analisis kita akan menjadi jauh lebih tajam.
Proses ini kami mulai dengan mengunduh dokumen laporan dari 30 perusahaan besar terlebih dahulu. Setelah itu, kami mengekstrak kalimat yang mengandung tanggal penting menggunakan pustaka Spacy untuk diproses pada tahap berikutnya.
Eksperimen Klasifikasi Teks dengan SVM dan LSTM
Bagaimana cara kami melatih komputer agar bisa mengenali perbedaan kedua kategori kalimat tersebut? Kami menggunakan dua algoritma populer yang memiliki karakteristik berbeda untuk mengolah data teks ini. Kedua senjata andalan kami dalam eksperimen ini adalah Support Vector Machine (SVM) dan Long Short Term Memory (LSTM).
Sebelum melatih model, kami terlebih dahulu mengubah teks mentah menjadi angka menggunakan skema pembobotan kata TF-IDF yang sangat populer. Kami kemudian membagi data yang kami miliki menjadi 80% untuk data latih dan 20% sisanya untuk data uji. Pendekatan ini kami lakukan guna memastikan performa model nantinya benar-benar objektif dan akurat.
Hasil pengujian menunjukkan bahwa model SVM bekerja dengan sangat baik ketika dikombinasikan dengan metode TF-IDF ini. Di sisi lain, model LSTM yang berbasis deep learning justru kurang maksimal karena jumlah data uji kami yang masih berada di bawah angka 2.000 sampel.
Langkah Praktis Menyimpan Model dan Pengembangan Masa Depan
Setelah berhasil melatih model dengan hasil yang memuaskan, langkah krusial berikutnya adalah menyimpan hasil kerja keras tersebut. Kami menyimpan berkas vectorizer TF-IDF dan model SVM yang sudah terlatih agar bisa langsung digunakan kembali kapan saja. Metode penyimpanan ini sangat praktis untuk kebutuhan prediksi data baru secara cepat di masa mendatang.
Ke depannya, kami melihat potensi besar untuk mengembangkan sistem ini menjadi aplikasi utuh yang dilengkapi dengan dasbor visual. Bayangkan sebuah sistem yang bisa otomatis menandai bagian penting laporan keuangan dengan warna-warna cerah secara langsung. Tentu hal tersebut akan sangat menghemat waktu para analis dan investor di Indonesia dalam mengambil keputusan.
Kami juga menyarankan penggunaan skor probabilitas prediksi untuk mengelompokkan tingkat kepentingan sebuah peristiwa secara lebih detail. Dengan begitu, Anda tidak hanya tahu apakah sebuah kalimat merupakan peristiwa penting, tetapi juga seberapa besar dampaknya bagi perusahaan.
