Klasifikasi Gender Berdasarkan Nama Indonesia Menggunakan Model IndoBERT dari IndoNLU: Studi Kasus pada Customer Profile Kompas Gramedia

Tyoes Huibu, Leonardo (2025) Klasifikasi Gender Berdasarkan Nama Indonesia Menggunakan Model IndoBERT dari IndoNLU: Studi Kasus pada Customer Profile Kompas Gramedia. MBKM thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (577kB)
	PDF BAB_I.pdf Download (796kB)
	PDF BAB_II.pdf Download (1MB)
	PDF BAB_III.pdf Download (3MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (208kB)
	PDF DAFTAR_PUSTAKA.pdf Download (226kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (4MB)
	PDF LEMBAR_PENGESAHAN.pdf Download (53kB)

Abstract

Profil pelanggan memberikan keuntungan strategis bagi sebuah toko dalam merancang pendekatan yang tepat guna meningkatkan profit. Salah satu elemen penting dalam profil pelanggan adalah distribusi jenis kelamin. Memahami distribusi ini dapat memberikan wawasan yang bernilai dalam menentukan jenis promosi serta produk yang perlu diutamakan. Kompas Gramedia mengidentifikasi kebutuhan ini dalam tim pemasaran mereka, namun data jenis kelamin yang tersedia masih sangat terbatas. Pada tahap awal, model Random Forest telah dikembangkan untuk klasifikasi jenis kelamin berdasarkan nama-nama Indonesia, namun akurasi dan F1 score yang dicapai hanya berkisar antara 70%­72%, yang dianggap belum memandai. Maka dengan alasan tersebut, diperlukan model yang bisa mengatasi permasalahan yang ada. Dikembangkanlah model baru berbasis Deep Learning bernama IndoBERT. IndoBERT adalah model berbasis arsitektur Transformer pada bagian Encoder, yang terbukti efektif dalam berbagai tugas klasifikasi, terutama dalam konteks Bahasa Indonesia. Dengan menggunakan IndoBERT, akurasi dan F1 score dalam klasifikasi jenis kelamin meningkat secara signifikan hingga mencapai 94%.

Item Type:	Thesis (MBKM)
Keywords:	IndoBERT, Jenis Kelamin, Klasifikasi Teks, Kompas Gramedia, Nama Indonesia
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	07 Jul 2025 13:00
Last Modified:	07 Jul 2025 13:00
URI:	https://kc.umn.ac.id/id/eprint/38451

Actions (login required)

View Item