EKSTRAKSI INFORMASI NAMA MAKANAN NUSANTARA BERDASARKAN ATURAN, KAMUS DAN SEGMENT-BASED HIDDEN MARKOV MODEL
Total View This Week0
Total View This Week0
Institusion
Universitas Kristen Duta Wacana
Author
71130049, Welly Purnama
Subject
QA75 Electronic computers. Computer science
Datestamp
2021-06-09 02:21:58
Abstract :
Banyaknya Informasi yang beredar bebas dan tidak terbatas melalui website maupun social media kini menimbulkan suatu masalah yang disebut dengan Information Overload. Salah satu penyebab informasi terbanyak di Internet adalah informasi mengenai nama makanan. Informasi tersebut mayoritas berhubungan dengan bisnis produksi, pembuatan, penjualan, dan iklan. Untuk mengatasi hal tersebut, maka dibutuhkan sistem yang dapat melakukan ekstraksi informasi. Segment-based Hiddem Markov Model (SHMM) merupakan salah satu pemodelan statistika yang bisa diterapkan untuk membangun sistem ekstraksi informasi. Dalam penelitian ini, penulis akan menerapkan SHMM, leksikon, dan aturan untuk membangun sistem yang dapat melakukan ekstraksi nama makanan nusantara. Sistem juga akan dievaluasi dengan cara menghitung nilai presisi, recall, dan f-measure. Berdasarkan hasil analisis yang dilakukan, didapatkan bahwa penerapan SHMM, leksikon dan aturan untuk mengekstraksi nama makanan nusantara memiliki nilai recall yang tinggi, tetapi memiliki presisi yang rendah. Hal tersebut terjadi karena ditemukannya beberapa redundancy dari keluaran sistem. Selain itu, ditemukan juga bahwa dokumen latih memiliki peran yang sangat penting dalam ekstraksi nama makanan nusantara berdasarkan aturan, kamus, dan SHMM. Hal tersebut dibuktikan dengan nilai presisi dari dokumen uji yang diambil dari dokumen latih lebih tinggi daripada nilai presisi dari dokumen uji yang tidak diambil dari dokumen latih.
Banyaknya Informasi yang beredar bebas dan tidak terbatas melalui website maupun social media kini menimbulkan suatu masalah yang disebut dengan Information Overload. Salah satu penyebab informasi terbanyak di Internet adalah informasi mengenai nama makanan. Informasi tersebut mayoritas berhubungan dengan bisnis produksi, pembuatan, penjualan, dan iklan. Untuk mengatasi hal tersebut, maka dibutuhkan sistem yang dapat melakukan ekstraksi informasi. Segment-based Hiddem Markov Model (SHMM) merupakan salah satu pemodelan statistika yang bisa diterapkan untuk membangun sistem ekstraksi informasi. Dalam penelitian ini, penulis akan menerapkan SHMM, leksikon, dan aturan untuk membangun sistem yang dapat melakukan ekstraksi nama makanan nusantara. Sistem juga akan dievaluasi dengan cara menghitung nilai presisi, recall, dan f-measure. Berdasarkan hasil analisis yang dilakukan, didapatkan bahwa penerapan SHMM, leksikon dan aturan untuk mengekstraksi nama makanan nusantara memiliki nilai recall yang tinggi, tetapi memiliki presisi yang rendah. Hal tersebut terjadi karena ditemukannya beberapa redundancy dari keluaran sistem. Selain itu, ditemukan juga bahwa dokumen latih memiliki peran yang sangat penting dalam ekstraksi nama makanan nusantara berdasarkan aturan, kamus, dan SHMM. Hal tersebut dibuktikan dengan nilai presisi dari dokumen uji yang diambil dari dokumen latih lebih tinggi daripada nilai presisi dari dokumen uji yang tidak diambil dari dokumen latih.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
