Analisis Fitur Ekstraksi Informasi Surat Masuk Menggunakan Metode Learning Vector Quantization

Ekstraksi informasi dilakukan dengan cara mendeteksi komponen-komponen pada suatu dokumen. Adapun dokumen yang digunakan pada kasus ekstraksi informasi adalah adalah dokumen surat masuk. Penelitian ekstraksi informasi menggunakan metode LVQ sudah dilakukan sebelumnya pada kasus dokumen karya tulis ilmiah dan menghasilkan akurasi yang cukup tinggi sebesar 78%, hasil akurasi yang cukup tinggi ini dipengaruhi dari ekstraksi fitur yang diterapkan sebanyak 15 fitur untuk kasus karya tulis ilmiah. Kemudian pada penelitan ekstraksi informasi surat masuk dengan metode Naive-Bayes menghasilkan akurasi sebesar 96,96% dengan menerapkan 11 fitur yang mewakili ciri komponen surat masuk. Maka dari itu analisis fitur yang diterapkan akan sangat berpengaruh pada hasil klasifikasi dan akurasi. Hasil analisis fitur pada penelitian ini mendapati 9 fitur yang digunakan untuk kasus surat masuk. Dari hasil pengujian pada 10 dokumen surat masuk didapati akurasi rata-rata sebesar 63 % dengan akurasi tertinggi sebesar 79% dan 17,5% akurasi perkategori kelas-token. Hasil akurasi kelas-token dipengaruhi dari hasil token-kelas yang terklasifikasi salah sehingga menyebabkan kesalahan ketika proses pembentukan data token perkelas.