Supriyadi, Yudi (2019) Part-Of-Speech Tagger Bahasa Indonesia Dengan Elman Recurrent Neural Network. Other thesis, Universitas Komputer Indonesia.
|
Text
UNIKOM_Yudi Supriyadi_cover.pdf - Published Version Download (205kB) | Preview |
|
|
Text
UNIKOM_Yudi Supriyadi_lembar pengesahan.pdf - Published Version Download (296kB) | Preview |
|
|
Text
UNIKOM_Yudi Supriyadi_surat keterangan publikasi.pdf - Published Version Download (202kB) | Preview |
|
|
Text
UNIKOM_Yudi Supriyadi_surat keterangan orisinalitas.pdf - Published Version Download (294kB) | Preview |
|
|
Text
UNIKOM_Yudi Supriyadi_kata pengantar.pdf - Published Version Download (181kB) | Preview |
|
|
Text
UNIKOM_Yudi Supriyadi_daftar isi.pdf - Published Version Download (191kB) | Preview |
|
|
Text
UNIKOM_Yudi Supriyadi_bab 1.pdf - Published Version Download (334kB) | Preview |
|
|
Text
UNIKOM_Yudi Supriyadi_bab 2.pdf - Published Version Download (861kB) | Preview |
|
Text
UNIKOM_Yudi Supriyadi_bab 3.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy |
||
|
Text
UNIKOM_Yudi Supriyadi_bab 4.pdf - Published Version Download (901kB) | Preview |
|
|
Text
UNIKOM_Yudi Supriyadi_bab 5.pdf - Published Version Download (188kB) | Preview |
|
|
Text
UNIKOM_Yudi Supriyadi_daftar pustaka.pdf - Published Version Download (415kB) | Preview |
|
Text
UNIKOM_Yudi Supriyadi_jurnal bahasa indonesia.pdf - Published Version Restricted to Repository staff only Download (520kB) | Request a copy |
||
Text
UNIKOM_Yudi Supriyadi_jurnal bahasa inggris.pdf - Published Version Restricted to Repository staff only Download (786kB) | Request a copy |
||
Text
UNIKOM_Yudi Supriyadi_biodata.pdf - Published Version Restricted to Repository staff only Download (293kB) | Request a copy |
Abstract
Part-of-Speech (POS) merupakan istilah yang merujuk pada kelas sebuah kata. Kelas dari sebuah kata mengandung informasi mengenai fungsi kata tersebut pada sebuah kalimat. Hal ini bermanfaat bagi sistem yang berhubungan dengan bahasa seperti NER, speech preprocessing, information extraction. POS Tagging saat ini sudah dilakukan menggunakan berbagai algoritma. Algoritma state-of-the-art pada corpus berukuran sedang saat ini adalah bi-LSTM+CRF yang menghasilkan performa F1 score ~97%. Namun disayangkan algoritma tersebut memiliki arsitektur kompleks yang berdampak pada tingginya beban komputasi. Belum ada penelitian lain dengan algoritma neural network-based yang menghasilkan performa mendekati hasil bi-LSTM+CRF tersebut mengingat neural network memiliki kelebihan dibanding algoritma lain. Di sisi lain terdapat penelitian yang melaporkan Elman memiliki performa kompetitif dengan LSTM. Selain itu algoritma ini memiliki kompleksitas 4 kali lebih rendah dari LSTM. Berdasarkan pertimbangan tersebut penelitian ini menguji Elman untuk melakukan POS Tagging pada bahasa Indonesia. Hasilnya adalah performa F1 score yang didapat sebesar 96.03 persen dan akurasi 96.07 persen dengan waktu training berada di sekitar 4 jam 20 menit dan waktu testing di sekitar 9 detik.
Item Type: | Thesis (Other) |
---|---|
Uncontrolled Keywords: | Pelabelan kata, POS Tagging, Natural Language Preprocessing |
Subjects: | 000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 004_Data Processing & Computer Science |
Divisions: | S1_SKRIPSI > FTIK_Teknik Informatika (01) |
Depositing User: | Mrs. Calis Maryani |
Date Deposited: | 28 Oct 2019 03:04 |
Last Modified: | 28 Oct 2019 03:04 |
URI: | http://elibrary.unikom.ac.id/id/eprint/1104 |
Actions (login required)
View Item |