Dibeberapa kasus penelitan, informasi personal mengenai pengguna
seringkali tidak tersedia. Salah satu contoh informasi yang biasa tidak tersedia
adalah jenis kelamin. Informasi tersebut dapat digunakan untuk mendeskripsikan
profile pengguna. Penelitian ini dilakukan pada 15349 data nama-nama orang dari
beberapa daerah di Indonesia. Penelitian ini mengimplementasikan deep learning
seperti CNN, RNN, dan BiLSTM dengan text encoding maupun word embedding.
Dengan menggunakan data test, dapat disimpulkan bahwa nilai akurasi dari
masing-masing model mencapai hasil yang baik untuk masalah prediksi jenis
kelamin berdasarkan nama. Model CNN dan RNN mencapai nilai akurasi sebesar
87.98% dan 92.34%. Sedangkan recurrent models lain pada penelitian ini seperti
BiLSTM dengan text encoding dan word embedding mencapai nilai akurasi
sebesar 93.58% dan 88.24%. Penelitian ini diharapkan dapat membantu
mengkarakterisasi dengan lebih rinci pada kasus penelitian lain yang melibatkan
informasi personal mengenai pengguna.
Kata Kunci : Bidirectional Long Short Term Memory, Convolutional Neural
Network , Prediksi Jenis Kelamin, Recurrent Neural Network.