Ekstraksi Informasi Surat Keputusan Menggunakan Metode Long Short Term Memory

Sistem ekstraksi informasi sudah banyak diterapkan dengan menggunakan kata kunci (rule-based). Namun, dengan menggunakan format surat yang berbeda tidak bisa menerapkan metode rule based. Sebagai solusinya diterapkan metode deep learning pada penelitian ini, dengan melakukan analisis penerapan long short term memory pada sistem ekstraksi informasi berbahasa Indonesia. Data set yang digunakan terdiri dari data latih sebanyak 53 surat keputusan, dan data uji sebanyak 20 surat keputusan. Sebelum pelatihan LSTM dilakukan, setiap surat keputusan pada data set tersebut melewati tahap preprocessing yang terdiri dari tahap Case Folding, Filtering, Tokenization. Setiap surat keputusan memiliki beberapa label yang mana akan digunakan dalam proses ekstraksi yaitu yang terdiri dari pemberian label nama pegawai,nomor pegawai,nomor surat, dan tanggal penetapan, dan mengubahnya dalam bentuk vektor dengan metode one-hot encoding. Hasil preprocessing tersebut yang selanjutnya diproses pada pelatihan LSTM. Pengujian yang dilakukan dari pengimplementasian LSTM pada sistem surat keputusan berbahasa Indonesia menunjukan dengan persentase keberhasilan maksimal sebesar 75% dan akurasi minimal 0% Kesimpulanya adalah sistem ekstraksi informasi surat keputusan dengan metode LSTM dapat digunakan namun informasi yang tidak dibutuhkan ikut terekstraksi.