IMPLEMENTASI TEXT MINING TERHADAP UNDANG-UNDANG BERBASIS OMNIBUS LAW MENGGUNAKAN WORD2VEC DAN SOFT COSINE SIMILARITY MEASURE

ADINDA RIZKY FEBIYANTO, 1717051042 (2022) IMPLEMENTASI TEXT MINING TERHADAP UNDANG-UNDANG BERBASIS OMNIBUS LAW MENGGUNAKAN WORD2VEC DAN SOFT COSINE SIMILARITY MEASURE. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK.pdf Download (3080Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (3081Kb)
Preview	File PDF SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (3082Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Perkembangan sebuah negara tidak bisa terlepas dari perkembangan legislasi yang terjadi didalamnya. Salah satu contoh perkembangan legislasi yang fleksibel adalah penerapan Omnibus law yang dimulai oleh Presiden Joko Widodo untuk penyederhanaan legislasi. Namun, penerapan Omnibus law dengan pendekatan manual akan memakan banyak waktu dan biaya. Oleh karena itu untuk menyelaraskan penerapan Omnibus law di Indonesia yang mewarisi sistem hukum Civil Law, diperlukan pendekatan teknologi terbaru agar proses penyelarasan dapat dilakukan dengan efektif dan efisien untuk setiap jenis peraturan perundang-undangan yang ada di Indonesia. Salah satu pendekatan yang dapat digunakan sebagai solusi penyederhanaan legislasi adalah menggunakan Text mining dan Natural Language Processing (NLP). Penelitian sebelumnya dalam bidang hukum terfokus untuk dapat menemukan similaritas antar dokumen yang dapat dimanfaatkan untuk menemukan relevansi antar dokumen Undang-Undang. Beberapa metode yang pernah digunakan dalam penelitian sebelumnya antara lain pendekatan network-based dan embedding-based serta metode pengukuran similaritas cosine similarity. Berbeda dengan penelitian sebelumnya yang mayoritas menggunakan pengukuran similaritas menggunakan cosine similarity, penelitian ini dilakukan dengan menggunakan kombinasi embedding-based Word2Vec dan pengukuran similaritas soft cosine similarity measure. Peneltian dilakukan melalui dua skenario pengukuran. Hasil pengukuran skenario pertama mendapatkan nilai Precision sebesar 67%, Recall sebesar 80%, Accuracy sebesar 80% dan F-β measure sebesar 73%. Hasil pengukuran similaritas skenario kedua mendapatkan nilai Precision sebesar 67%, Recall sebesar 67%, Accuracy sebesar 73%, dan F-β measure sebesar 67%. Kata Kunci : Text mining, Natural Language Processing, Pengukuran Similaritas, Word2Vec, Soft Cosine Similarity Measure ABSTRACT The development of a country cannot be separated from the development of legislation that occurs in it. One example of the development of flexible legislation is the implementation of the Omnibus law initiated by President Joko Widodo to simplify legislation. However, implementing the Omnibus law with a manual approach will take a lot of time and money. Therefore, to harmonize the application of Omnibus law in Indonesia, which inherits the Civil Law legal system, the latest technological approach is needed so that the alignment process can be carried out effectively and efficiently for each type of legislation in Indonesia. One approach that can be used as a solution to simplifying legislation is to use Text mining and Natural Language Processing (NLP). Previous research in the field of law has focused on finding similarities between documents that can be used to find relevance between legal documents. Several methods that have been used in previous research include network-based and embedding-based approaches and cosine similarity measurement methods. In contrast to previous studies which mostly used similarity measurements using cosine similarity, this research was conducted using a combination of embedding-based Word2Vec and soft cosine similarity measures. The research was conducted through two measurement scenarios. The results of the first scenario measurement get a Precision value of 67%, Recall of 80%, Accuracy of 80%, and F-β measure of 73%. The results of the second scenario similarity measurement get a Precision value of 67%, Recall of 67%, Accuracy of 73%, and F-β measure of 67%. Keywords: Text mining, Natural Language Processing, Similarity Measurement, Word2Vec, Soft Cosine Similarity Measure

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum
Program Studi:	FAKULTAS MIPA > Prodi Ilmu Komputer
Pengguna Deposit:	2203904054 . Digilib
Date Deposited:	19 Apr 2022 02:10
Terakhir diubah:	19 Apr 2022 02:10
URI:	http://digilib.unila.ac.id/id/eprint/59936

Actions (login required)

Lihat Karya Akhir