Ardiansyah, Adryan (2013) SISTEM PENGENALAN ENTITAS DENGAN PERCEPTRON PADA TWEETS. S1 thesis, Universitas Pendidikan Indonesia.
|
Text
S_KOM_1002895_Title.pdf Download (247kB) | Preview |
|
|
Text
S_KOM_1002895_Abstract.pdf Download (230kB) | Preview |
|
|
Text
S_KOM_1002895_Table_of_Content.pdf Download (245kB) | Preview |
|
|
Text
S_KOM_1002895_Chapter1.pdf Download (241kB) | Preview |
|
![[img]](http://repository.upi.edu/style/images/fileicons/text.png) |
Text
S_KOM_1002895_Chapter2.pdf Restricted to Staf Perpustakaan Download (1MB) |
|
|
Text
S_KOM_1002895_Chapter3.pdf Download (257kB) | Preview |
|
|
Text
S_KOM_1002895_Chapter4.pdf Restricted to Staf Perpustakaan Download (1MB) |
|
|
Text
S_KOM_1002895_Chapter5.pdf Download (230kB) | Preview |
|
|
Text
S_KOM_1002895_Bibliography.pdf Download (230kB) | Preview |
|
|
Text
S_KOM_1002895_Appendix.pdf Restricted to Staf Perpustakaan Download (713kB) |
Abstract
Ketersediaan informasi yang melimpah pada twitter menjadi masalah tersendiri jika informasi yang diterima sebenarnya tidak terlalu dibutuhkan. Untuk itu diperlukan teknik untuk memilah informasi yang dikenal sebagai ektraksi informasi. Ekstraksi informasi ini berkaitan erat dengan Named Entity Recognition (NER). NER merupakan komponen dasar dari ekstraksi informasi yang berfungsi untuk mengenali entitas pada kumpulan teks berbahasa alami. Skripsi ini meneliti tentang NER pada twitter dengan metode perceptron untuk mengenali entitas nama orang dan lokasi. Pelaksanaan penelitian dimulai dari pembuatan data set, eksperimen, evaluasi hasil eksperimen dan penarikan kesimpulan. Eksperimen dilakukan untuk mendapatkan kondisi terbaik pada perceptron dalam mengenali entitas. Parameter yang diuji adalah nilai threshold, kelompok data set yang digunakan sebanyak tiga kelompok (nama orang, nama lokasi dan gabungan), jenis data set (preprocessing dan non-preprocessing), jumlah data training dan teknik pengujian. Hasil eksperimen memperlihatkan bahwa perceptron dapat mengenali entitas nama orang dan lokasi yang ditunjukkan dengan nilai f-measure yang baik pada setiap tipe entitas dengan memperhatikan parameter yang diuji. Kata kunci: Ekstraksi Informasi, NER, Perceptron The availability of twitter information that overflow, can cause problem if the information that received is not much needed. Therefore, the technique to sort the information is required, it known as information extraction. Information extraction is closely related to Named Entity Recognition (NER). NER is a basic component of information extraction, it function is to identify the entities the set of common language text. The core of the research on this thesis is to determine how perceptron method can be used to recognize the entity names and location on twitter. The implementation of research starts from generate of data sets, experiments, and evaluation of experimental result and conclusion. That experiment carried out to obtain the best condition of perceptron recognition entities. The parameters that tested is a value of threshold, group of data sets that used are (people name, location name, and combination of both), the type of data set (preprocessing and non preprocessing), the amount of data training and the technical testing. Result of the experiment shows that perceptron can recognize entities of people name, and location that shown but f-measure value, which can be good to all the type of entities with shown the parameters that tested. Keywords: Information Extraction, Named Entity Recognition, Perceptron
| Item Type: | Thesis (S1) |
|---|---|
| Subjects: | Universitas Pendidikan Indonesia > Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer |
| Divisions: | Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer |
| Depositing User: | DAM STAF Editor |
| Date Deposited: | 23 Dec 2013 01:57 |
| Last Modified: | 23 Dec 2013 01:57 |
| URI: | http://repository.upi.edu/id/eprint/4370 |
Actions (login required)
 |
View Item |