Ekstraksi Informasi Pada Surat Keputusan Menggunakan Metode Recurrent Neural Network

Fardiani, Tifani (2020) Ekstraksi Informasi Pada Surat Keputusan Menggunakan Metode Recurrent Neural Network. Other thesis, Universitas Komputer Indonesia.

Preview	Text 1. 10115414_TIFANI FARDIANI_COVER.pdf - Published Version Download (31kB) | Preview
Preview	Text 19.10115414_TIFANI FARDIANI_LEMBAR PENGESAHAN.pdf - Published Version Download (309kB) | Preview
Preview	Text 17.10115414_TIFANI FARDIANI_PUBLIKASI.pdf - Published Version Download (281kB) | Preview
Preview	Text 20.10115414_TIFANI FARDIANI_SURAT KETERANGAN ORISINALITAS.pdf - Published Version Download (295kB) | Preview
Preview	Text 4. 10115414_TIFANI FARDIANI_KATA PENGANTAR.pdf - Published Version Download (185kB) | Preview
Preview	Text 5. 10115414_TIFANI FARDIANI_DAFTAR ISI.pdf - Published Version Download (122kB) | Preview
Preview	Text 11. 10115414_TIFANI FARDIANI_BAB 1.pdf - Published Version Download (397kB) | Preview
Preview	Text 12. 10115414_TIFANI FARDIANI_BAB 2.pdf - Published Version Download (647kB) | Preview
	Text 13. 10115414_TIFANI FARDIANI_BAB 3.pdf - Published Version Restricted to Repository staff only Download (971kB) | Request a copy
	Text 14. 10115414_TIFANI FARDIANI_BAB 4.pdf - Published Version Restricted to Repository staff only Download (543kB) | Request a copy
Preview	Text 15. 10115414_TIFANI FARDIANI_BAB 5.pdf - Published Version Download (182kB) | Preview
Preview	Text 10. 10115414_TIFANI FARDIANI_DAFTAR PUSTAKA.pdf - Published Version Download (390kB) | Preview

Abstract

Ekstraksi Informasi merujuk pada ekstraksi otomatis dari informasi terstruktur seperti entitas, hubungan antar entitas, dan atribut deskripsi entitas dari sumber yang tidak terstruktur. Ekstraksi Informasi dilakukan dengan cara mendeteksi bagian-bagian yang ada pada suatu dokumen, salah satunya adalah dokumen Surat Keputusan. Penelitian ekstraksi informasi ini bertujuan untuk mengetahui nilai akurasi pada kasus surat keputusan menggunakan metode recurrent neural network. RNN sangat powerful dalam memodelkan data sekuensial, ucapan atau teks dan diterapkan pada data non-sekuensial untuk melatih secara non-sekuensial, RNN bisa digunakan dalam kasus image, video captioning, word prediction, word translation, image processing, speech recognition, natural language processing, music processing dan sebagainya. Metode penelitian yang digunakan adalah metode penelitian kuantitatif yang mana sifatnya dapat diklasifikasikan, kongkrit, teramati dan terukur. Penelitian ini menggunakan data latih sebanyak 78 dokumen surat keputusan dan data uji sebanyak 10 dokumen surat keputusan. Dari pengujian terhadap 10 dokumen surat keputusan hasil akurasi tertinggi yaitu 63% dengan precission 33% serta recall 72% dan akurasi terendah yang diperoleh yaitu sebesar 41 % dengan precission 26 % serta recall 48%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Ekstraksi Informasi, Recurrent Neural Network, Text Mining, Surat Keputusan, Natural Language Processing, Deep Learning
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:	18 Nov 2020 07:54
Last Modified:	18 Nov 2020 07:54
URI:	http://elibrary.unikom.ac.id/id/eprint/2865

Actions (login required)

View Item