Ekstraksi Informasi Pada Karya Tulis Ilmiah Dengan Generalized Hidden Markov Model
Daftar Isi:
- Ekstraksi informasi dapat diterapkan pada berbagai macam kasus, salah satunya untuk mendeteksi setiap komponen yang ada pada dokumen karya tulis ilmiah. Dokumen karya tulis ilmiah biasanya memiliki format yang cukup beragam. Keberagaman itu menyebabkan sulit untuk mendeteksi setiap komponen-komponen yang ada di dalamnya. Pada kasus dokumen karya tulis ilmiah yang berkaiatan dengan ekstraksi informasi telah banyak dilakukan penelitian sebelumnya, salah satunya pada dokumen karya tulis ilmiah skripsi berbahasa Indonesia. Pada penelitian tersebut dilakukan pengujian terhadap 50 dokumen yang dibuat dari tahun 2013 dan juga 2017, diperoleh rata-rata akurasi sebesar 57%. Penelitian ini dilakukan menggunakan algoritma generalized hidden markov model (GHMM). Penelitian sebelumnya yang telah dilakukan menggunakan algoritma GHMM pada kasus ekstraksi informasi web dan pengenalan DNA, GHMM memiliki akurasi yang unggul dari algoritma lainnya. Penerapan GHMM pada ekstraksi informasi dokumen karya tulis ilmiah berdasarkan dari pengujian yang telah dilakukan terhadap 40 data dokumen karya tulis ilmiah skripsi, didapat nilai rata-rata akurasi sebesar 64%. Perolehan akurasi token-kelas disebabkan adanya kesalahan ejaan atau typo dari konversi dokumen dan juga penggunaan fitur pembobotan.