Ihromi, Fata Hasan (2019) Ekstraksi Informasi Dokumen Karya Tulis Ilmiah Menggunakan Algoritma Convolutional Neural Network. Other thesis, Universitas Komputer Indonesia.
|
Text
UNIKOM_FATA HASAN IHROMI_COVER.pdf - Published Version Download (193kB) | Preview |
|
|
Text
UNIKOM_FATA HASAN IHROMI_LEMBAR PENGESAHAN.pdf - Published Version Download (296kB) | Preview |
|
|
Text
UNIKOM_FATA HASAN IHROMI_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (111kB) | Preview |
|
|
Text
UNIKOM_FATA HASAN IHROMI_SURAT KETERANGAN ORISINALITAS.pdf - Published Version Download (276kB) | Preview |
|
|
Text
UNIKOM_FATA HASAN IHROMI_KATA PENGANTAR.pdf - Published Version Download (187kB) | Preview |
|
|
Text
UNIKOM_FATA HASAN IHROMI_DAFTAR ISI.pdf - Published Version Download (15kB) | Preview |
|
|
Text
UNIKOM_FATA HASAN IHROMI_BAB 1.pdf - Published Version Download (201kB) | Preview |
|
|
Text
UNIKOM_FATA HASAN IHROMI_BAB 2.pdf - Published Version Download (855kB) | Preview |
|
![[img]](http://elibrary.unikom.ac.id/style/images/fileicons/text.png) |
Text
UNIKOM_FATA HASAN IHROMI_BAB 3.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy |
|
|
Text
UNIKOM_FATA HASAN IHROMI_BAB 4.pdf - Published Version Download (529kB) | Preview |
|
|
Text
UNIKOM_FATA HASAN IHROMI_BAB 5.pdf - Published Version Download (185kB) | Preview |
|
|
Text
UNIKOM_FATA HASAN IHROMI_DAFTAR PUSTAKA.pdf - Published Version Download (307kB) | Preview |
|
|
Text
UNIKOM_FATA HASAN IHROMI_JURNAL DALAM BAHASA INDONESIA.pdf - Published Version Restricted to Repository staff only Download (468kB) | Request a copy |
|
|
Text
UNIKOM_FATA HASAN IHROMI_JURNAL DALAM BAHASA INGGRIS.pdf - Published Version Restricted to Repository staff only Download (459kB) | Request a copy |
|
|
Text
UNIKOM_FATA HASAN IHROMI_BIODATA.pdf - Published Version Restricted to Repository staff only Download (131kB) | Request a copy |
Abstract
Mendeteksi setiap komponen pada dokumen karya tulis ilmiah akan sulit dilakukan pada format yang beragam, oleh karena itu dibutuhkan pembuatan aturan ekstraksi informasi yang sesuai untuk masing masing dokumen. Sebelumnya telah dilakukan penelitian tentang ekstraksi informasi pada skripsi dengan menggunakan LVQ yang masih menggunakan rule based untuk meningkatkan akurasinya. Permasalahan tersebut dapat diatasi dengan menggunakan full automatic training tanpa harus membuat aturan perbaikan dengan rule based. Algoritma convolutional neural network (CNN) digunakan pada penelitian ini karena jika CNN dibandingkan dengan SVM dan KNN pada kasus klasifikasi teks akurasi algoritma CNN mendapatkan akurasi terunggul yaitu 87%. Algoritma CNN akan mengklasifikasi 16 kategori pada sampul dan asbtrak dengan data masukan perbaris yang telah dilakukan ekstraksi fitur. Penelitian ini bertujuan untuk mengetahui akurasi algoritma CNN pada teks dengan melakukan pengujian epoch dan penggunaan smote. Berdasarkan hasil pengujian pada 20 dokumen karya tulis ilmiah skripsi dari tahun 2011 sampai dengan tahun 2018 diperoleh rata-rata akurasi sebesar 53%. Hal tersebut disebabkan oleh arsitektur CNN yang digunakan tidak dapat mengklasifikasi data secara baik.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Ekstraksi Informasi, Dokumen karya tulis ilmiah, Convolutional Neural Network, CNN, Skripsi. |
| 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: | 23 Dec 2019 01:54 |
| Last Modified: | 23 Dec 2019 01:54 |
| URI: | http://elibrary.unikom.ac.id/id/eprint/1511 |
Actions (login required)
 |
View Item |
