Perbandingan Implementasi Conditional Random Fields dan Random Forest untuk Named Entity Recognition pada Artikel Berita

Wong, Frendy (2020) Perbandingan Implementasi Conditional Random Fields dan Random Forest untuk Named Entity Recognition pada Artikel Berita. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (209kB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (121kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (345kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (500kB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (323kB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (443kB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (182kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (384kB)

Abstract

Artikel berita online merupakan salah satu bentuk informasi yang dapat selalu diakses oleh semua orang. Berita sendiri selalu membicarakan sebuah entitas seperti manusia, organisasi, dan lokasi. Semakin banyaknya berita yang diterbitkan setiap hari dengan entitas yang beraneka ragam membuat pencarian berita dengan topik yang sesuai menjadi lebih susah. Oleh karena itu dibutuhkan sebuah sistem yang dapat membantu mencari sebuah entitas dalam artikel berita. Sistem yang dirancang pada penelitian ini menggunakan algoritma Conditional Random Fields (CRF) dan Random Forest. Penelitian sebelumnya menyarankan algoritma Conditional Random Fields untuk diterapkan karena dapat membantu memprediksi entitas pada kalimat dengan hasil yang lebih baik. Penelitian ini bertujuan untuk mengimplementasikan algoritma Conditional Random Fields dan Random Forest pada Named Entity Recognition artikel berita dengan menggunakan bahasa pemrograman phyton, serta menghitung juga akurasi pada prediksi artikel berita. Berdasarkan beberapa scenario uji coba, akurasi yang dievaluasi menggunakan report menunjukan bahwa model pembagian data train dan test set sebesar 80:20, nilai fold cross validation 4, dan jumlah pohon 20 menghasilkan performa yang paling baik dengan accuracy 70%, precision 17%, recall 17%, dan f1 score 16%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Artikel Berita, Conditional Random Fields, Entitas, Prediksi, Random Forest Classifier
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	04 Dec 2020 20:30
Last Modified:	25 Aug 2023 06:09
URI:	https://kc.umn.ac.id/id/eprint/14398

Actions (login required)

View Item