Setiyoaji, Agung (2017) Named Entity Recognition Menggunakan Hidden Markov Model Dan Algoritma Viterbi Pada Teks Tanaman Obat. Sarjana thesis, Universitas Brawijaya.
Abstract
Media untuk menyampaikan informasi dapat melalui televisi, radio, social media, dan website. Website merupakan karya tulis dari seseorang terletak pada sebuah domain yang mengandung informasi. Perkembangan website semakin banyak dan informasi semakin tidak terbendung sehingga muncul permasalahan sulitnya mencari informasi yang sesuai dengan kebutuhan pengguna internet, sehingga dibutuhkan klasifikasi dan ekstraksi informasi untuk informasi yang ada dalam website. Named Entity Recognition (NER) yang merupakan turunan dari ekstraksi informasi, bertujuan untuk memudahkan mencari informasi dengan cara pemberian nama entitas pada setiap kata dalam sebuah teks. Pada penelitian ini akan dilakukan pengenalan empat entitas yaitu NAMA, TEMPAT, ZAT, dan KEGUNAAN dari teks tanaman obat. Algoritma pada penelitian ini menggunakan Hidden Markov Model (HMM) dan algoritma Viterbi. Secara keseluruhan pengenalan entitas menghasilkan nilai yang paling rendah dengan f-measure 0.41, dan yang paling tinggi dengan f-measure 0.72.
English Abstract
Media to convey information can be through television, radio, social media, and website. Website is a work of someone located in a domain that contains information. The development of websites more and more information is not unstoppable so that the problem arises difficult to find information in accordance with the needs of Internet users, so that the required classification and extraction of information for information on the website. Named Entity Recognition (NER) which derives from the extraction of information, NER aims to facilitate the search for information by naming entities on each word in a text. In this research will be done the introduction of four entities namely the NAME, PLACE, SUBSTANCE, and FUNCTION of the text on medicinal plants. The algorithm used Hidden Markov Model (HMM) and Viterbi algorithm. Overall entity recognition count the lowest value with f-measure 0.41, and the highest with f-measure 0.72.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/482/051707804 |
| Uncontrolled Keywords: | Hidden Markov Model, Named Entity Recognition, Tanaman Obat, Ekstraksi Informasi |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.4 Computer pattern recognition |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 31 Aug 2017 07:06 |
| Last Modified: | 28 Sep 2020 10:00 |
| URI: | http://repository.ub.ac.id/id/eprint/1962 |
Preview |
Text
Bagian Depan.pdf Download (703kB) | Preview |
![[thumbnail of BAB I.pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
BAB I.pdf Restricted to Repository staff only Download (647kB) |
|
Text
BAB II.pdf Restricted to Repository staff only Download (1MB) |
|
Text
BAB III.pdf Restricted to Repository staff only Download (631kB) |
|
Text
BAB IV.pdf Restricted to Repository staff only Download (936kB) |
|
Text
BAB V.pdf Restricted to Repository staff only Download (830kB) |
|
Text
BAB VI.pdf Restricted to Repository staff only Download (673kB) |
|
Text
BAB VII.pdf Restricted to Repository staff only Download (598kB) |
|
Text
Daftar Pustaka.pdf Restricted to Repository staff only Download (498kB) |
Actions (login required)
 |
View Item |