ABSTRAK Nama : Andros Program Studi : Ilmu Komputer Judul : Implementasi dan Analisis Algoritma Deep Learning yang Disebut Stacked Autoencoder Pada Dataset Citra, Sinyal dan Teks Deep learning merupakan metode baru dalam dunia machine learning, dimana dalam beberapa tahun terakhir menjadi topik hangat karena berhasil mencapai hasil terbaik dalam berbagai permasalahan dalam bidang AI. Keunggulan dari algoritma deep learning seperti algoritma Stacked Autoencoder adalah dapat mencari fiturfitur yang terdapat pada dataset secara otomatis, contohnya fitur edge pada citra. Hasil training dari autoencoder dapat digunakan untuk inisialisasi bobot pada arsitektur deep learning. Dalam tugas akhir ini, implementasi algoritma stacked autoencoder dilakukan untuk mencari tahu karakteristik dari fitur yang dipelajari oleh algoritma deep learning dan membandingkan dengan algoritma klasifikasi shallow learning seperti algoritma Random Forest, Support Vector Machine, dan Naive Bayes. Dalam eksperimen digunakan 4 dataset berbeda dari 3 domain berbeda, yaitu dataset MNIST (citra), dataset Sign Language (citra), dataset EKG aritmia (sinyal), dan dataset Newsgroup (teks), dengan berbagai konfigurasi parameter yang berbeda. Hasil eksperimen menunjukkan algoritma deep learning memiliki akurasi terbaik dalam 3 dari 4 dataset, yaitu 98.42% pada dataset MNIST, 98.44% pada dataset Sign Language, dan 86.18% pada dataset Newsgroup. Kata Kunci: deep learning, neural network, autoencoder, classification vii