Ekstraksi Informasi Pada Surat Keputusan Menggunakan Metode Conditional Random Fields
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Limountha, Vincent
Subject
004_Data Processing & Computer Science
Datestamp
2019-12-19 04:28:23
Abstract :
Ekstraksi Informasi merujuk pada ekstraksi otomatis dari informasi terstruktur seperti entitas, hubungan antar entitas, dan atribut deskripsi entitas dari sumber yang tidak terstruktur. Ekstraksi Informasi dilakukan dengan cara mendeteksi bagian-bagian yang ada pada suatu dokumen, salah satunya adalah dokumen Surat Keputusan. Pada penelitian ini menggunakan metode Conditional Random Fields (CRF) dengan menggunakan fitur node yang merupakan asosiasi antara data dengan label, edge yang merupakan fitur transisi dari suatu data ke data berikutnya dengan memperhatikan label. Terdapat beberapa tahapan dalam penelitian ini, yaitu preprocessing, yang meliputi filtering simbol dan tokenizing. Dilanjutkan dengan pelatihan pada CRF dengan Stochastic Gradient Method untuk mendapatkan bobot parameter. Tahap klasifikasi dilakukan dengan Viterbi Decoding untuk menentukan label paling optimal untuk data uji, dilanjutkan dengan pengujian dengan menggunakan Confusion Matrix. Penelitian ini menggunakan data latih yang didapat dari 20 dokumen surat keputusan dengan data uji yang didapat dari 6 dokumen surat keputusan. Didapat hasil akurasi tertinggi yaitu 91.73% dan akurasi terendah sebesar 77,81%. Hasil akurasi tersebut dipengaruhi oleh nilai awal bobot parameter pada tahap pelatihan.
Ekstraksi Informasi merujuk pada ekstraksi otomatis dari informasi terstruktur seperti entitas, hubungan antar entitas, dan atribut deskripsi entitas dari sumber yang tidak terstruktur. Ekstraksi Informasi dilakukan dengan cara mendeteksi bagian-bagian yang ada pada suatu dokumen, salah satunya adalah dokumen Surat Keputusan. Pada penelitian ini menggunakan metode Conditional Random Fields (CRF) dengan menggunakan fitur node yang merupakan asosiasi antara data dengan label, edge yang merupakan fitur transisi dari suatu data ke data berikutnya dengan memperhatikan label. Terdapat beberapa tahapan dalam penelitian ini, yaitu preprocessing, yang meliputi filtering simbol dan tokenizing. Dilanjutkan dengan pelatihan pada CRF dengan Stochastic Gradient Method untuk mendapatkan bobot parameter. Tahap klasifikasi dilakukan dengan Viterbi Decoding untuk menentukan label paling optimal untuk data uji, dilanjutkan dengan pengujian dengan menggunakan Confusion Matrix. Penelitian ini menggunakan data latih yang didapat dari 20 dokumen surat keputusan dengan data uji yang didapat dari 6 dokumen surat keputusan. Didapat hasil akurasi tertinggi yaitu 91.73% dan akurasi terendah sebesar 77,81%. Hasil akurasi tersebut dipengaruhi oleh nilai awal bobot parameter pada tahap pelatihan.
File :
UNIKOM_VINCENT LIMOUNTHA_COVER.pdf
UNIKOM_VINCENT LIMOUNTHA_LEMBAR PENGESAHAN.pdf
UNIKOM_VINCENT LIMOUNTHA_BAB 5.pdf
UNIKOM_VINCENT LIMOUNTHA_DAFTAR PUSTAKA.pdf
UNIKOM_VINCENT LIMOUNTHA_JURNAL DALAM BAHASA INDONESIA.pdf
UNIKOM_VINCENT LIMOUNTHA_JURNAL DALAM BAHASA INGGRIS.pdf
UNIKOM_VINCENT LIMOUNTHA_BIODATA.pdf
UNIKOM_VINCENT LIMOUNTHA_SURAT KETERANGAN PUBLIKASI.pdf
UNIKOM_VINCENT LIMOUNTHA_SURAT KETERANGAN ORISINALITAS.pdf
UNIKOM_VINCENT LIMOUNTHA_KATA PENGANTAR.pdf
UNIKOM_VINCENT LIMOUNTHA_DAFTAR ISI.pdf
UNIKOM_VINCENT LIMOUNTHA_BAB 1.pdf
UNIKOM_VINCENT LIMOUNTHA_BAB 2.pdf
UNIKOM_VINCENT LIMOUNTHA_BAB 3.pdf
UNIKOM_VINCENT LIMOUNTHA_BAB 4.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
