PENGEMBANGAN SISTEM TEMU KEMBALI INFORMASI (STKI) PUBLIKASI DOSEN UNIVERSITAS LAMPUNG MENGGUNAKAN METODE BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT)

Adiwijaya , Satria Nusantara (2024) PENGEMBANGAN SISTEM TEMU KEMBALI INFORMASI (STKI) PUBLIKASI DOSEN UNIVERSITAS LAMPUNG MENGGUNAKAN METODE BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT). MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

	File PDF (ABSTRAK) open[1] Download (865Kb)
	File PDF (FILE FULL) open[1] Restricted to Hanya staf Download (867Kb) | Minta salinan
	File PDF (FILE FULL TANPA BAB PEMBAHASAN) open[1] Download (870Kb)

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

Dosen khususnya di Universitas Lampung memiliki peran yang sangat penting dalam menghasilkan pengetahuan baru melalui penelitian dan publikasi. Namun, keterbatasan sistem yang ada dalam memberikan rekomendasi yang relevan dengan kebutuhan pengguna, mengakibatkan kurang maksimalnya penyebaran pengetahuan yang dihasilkan. Sebagai upaya mengatasi permasalahan ini, dikembangkan Sistem Temu Kembali Informasi (STKI) berbasis model pre-trained Bidirectional Encoder Representations from Transformers (BERT). Dalam penelitian ini, model BERT digunakan dalam tahapan preprocessing untuk meningkatkan hasil pengolahan data teks mentah, supaya dapat lebih mudah dikenali dan dikelompokkan oleh sistem. Selain itu, model clustering dan juga semantic search digunakan untuk membantu mengelompokkan teks publikasi serta memberikan hasil pencarian yang sesuai dengan kebutuhan pengguna. Hasilnya, sistem yang dikembangkan berhasil mencapai silhouette score sebesar 0.7115418652831803 dan memberikan hasil rekomendasi yang sesuai dengan kata kunci pengguna dalam bentuk response web service. Penelitian ini memberikan gambaran bahwa model pre-trained BERT dapat digunakan lebih lanjut dalam STKI untuk menghasilkan sistem yang lebih akurat dan cepat dalam memberikan rekomendasi hasil publikasi. Kata kunci : Deep Learning, sistem temu kembali informasi, bert, sistem rekomendasi, web service, publikasi ilmiah, machine learning. Lecturers, especially at Lampung University, play an important role in composing new knowledge through research and publication. However, the limitations of the existing system in providing publication recommendations based on users’ needs have delayed the spread of knowledge produced. To resolve this issue, an Information Retrieval System (IRS) was developed by using pre-trained Bidirectional Encoder Representation from Transformers (BERT) model. In this research, BERT model was utilized in preprocessing stage to enhance the quality of text processing, making it easier for the system to recognize and categorize the publication. Additionally, clustering and semantic search model was used to group publication results and provide recommendation based on user needs. The developed system achieved the silhouette score of 0.7115418652831803 and successfully given relevant publications recommendations based on user keywords in the form of a web service responses. This study demonstrates that the pre-trained BERT model can be effectively utilized in IRS to create an efficient and accurate system for publication recommendation. Keywords : deep learning, information retrieval system, bert, recommendation system, web service, scientific publication, machine learning.

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum
Program Studi:	FAKULTAS MIPA > Prodi Ilmu Komputer
Pengguna Deposit:	. . Yulianti
Date Deposited:	24 Jan 2025 07:08
Terakhir diubah:	24 Jan 2025 07:08
URI:	http://digilib.unila.ac.id/id/eprint/81467

Actions (login required)

Lihat Karya Akhir