Named Entity Recognition Menggunakan Hidden Markov Model Dan Algoritma Viterbi Pada Teks Tanaman Obat
Daftar Isi:
- 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.