Named Entity Recognition Menggunakan Metode Bidirectional Lstm-Crf Pada Teks Bahasa Indonesia
Total View This Week0

Institusion

Universitas Komputer Indonesia

Author

Permana, Hadi

Subject

004_Data Processing & Computer Science 

Datestamp

2019-10-01 02:04:21 

Abstract :
Named Entity Recognition (NER) atau pengenalan entitas bernama adalah salah satu bagian atau tugas dari natural language processing (nlp). Tujuan dari NER adalah untuk mengidentifikasi atau mengklasifikasi sebuah entitas misalnya nama orang, organisasi, waktu, lokasi dan sesuatu entitas lain dalam sebuah teks yang sangat berguna dalam kasus ekstraksi informasi. Pada penelitian ini, metode yang digunakan adalah metode Bidirectional LSTM-CRF. Bidirectional LSTM menggabungkan konteks sebelumnya dan konteks setelahnya dengan memproses data dari dua arah yang selanjutnya diklasifikasi menggunakan CRF. Terdapat beberapa proses yang dilakukan, yaitu preprocessing; tokenisasi, pemberian fitur(InitCap, AllCap, AllLower, Digits, ContaintsDigits, Punctuation) dan selanjutnya dilakukan training dan testing dari data hasil prepocessing. Berdasarkan hasil pengujian menggunakan data training sebanyak 25.709 kata dan testing 9.406, metode bidirectional LSTM-CRF memperoleh akurasi sebesar 87.77%. 

File :
UNIKOM_HADI PERMANA_COVER.pdf
UNIKOM_HADI PERMANA_LEMBAR PENGESAHAN.pdf
UNIKOM_HADI PERMANA_BAB 5.pdf
UNIKOM_HADI PERMANA_DAFTAR PUSTAKA.pdf
UNIKOM_HADI PERMANA_JURNAL DALAM BAHASA INDONESIA.pdf
UNIKOM_HADI PERMANA_JURNAL DALAM BAHASA INGGRIS.pdf
UNIKOM_HADI PERMANA_SURAT KETERANGAN PUBLIKASI.pdf
UNIKOM_HADI PERMANA_SURAT KETERANGAN ORISINALITAS.pdf
UNIKOM_HADI PERMANA_KATA PENGANTAR.pdf
UNIKOM_HADI PERMANA_DAFTAR ISI.pdf
UNIKOM_HADI PERMANA_BAB 1.pdf
UNIKOM_HADI PERMANA_BAB 2.pdf
UNIKOM_HADI PERMANA_BAB 3.pdf
UNIKOM_HADI PERMANA_BAB 4.pdf