IMPLEMENTASI NAMED ENTITY RECOGNITION (NER) BERBASIS DEEP LEARNING UNTUK EKSTRAKSI INFORMASI PADA BERITA ONLINE MENGENAI PENYAKIT MENULAR

Anastasia Harum Mawadah, - (2025) IMPLEMENTASI NAMED ENTITY RECOGNITION (NER) BERBASIS DEEP LEARNING UNTUK EKSTRAKSI INFORMASI PADA BERITA ONLINE MENGENAI PENYAKIT MENULAR. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK - Anastasia Harum Mawadah.pdf Download (3448Kb) | Preview
	File PDF SKRIPSI FULL - Anastasia Harum Mawadah.pdf Restricted to Hanya staf Download (3446Kb) | Minta salinan
Preview	File PDF SKRIPSI TANPA BAB PEMBAHASAN-1 - Anastasia Harum Mawadah.pdf Download (3447Kb) | Preview

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

Infectious diseases remain a major public health challenge in Indonesia, with case trends continuing to rise. In the digital era, although information spreads rapidly through online media, the main challenge lies in extracting relevant data from the vast volume of available information. This study aims to apply the Named Entity Recognition (NER) method with the addition of Part-of-Speech (POS) Tagging and to develop BiLSTM, BiLSTM-CRF, and hybrid IndoBERT-BiLSTM-CRF models to extract information from online news related to infectious diseases. The results show that the NER method successfully identified and labeled entities such as locations, organizations, and individuals, making the information extraction process more efficient and systematic. The best-performing model was the hybrid combination of IndoBERT and BiLSTM-CRF, with an 80% training and 20% testing data split, yielding optimal accuracy, precision, recall, and F1-score values. Keywords: Named Entity Recognition (NER), Part-of-Speech (POS) Tagging, BiLSTM, CRF, IndoBERT, Information Extraction, Online News, Infectious Diseases. Penyakit menular menjadi tantangan besar bagi kesehatan masyarakat di Indonesia dengan tren kasus yang terus meningkat. Di era digital, meskipun informasi tersebar cepat melalui media online, tantangan utama adalah mengekstraksi data yang relevan dari volume informasi yang sangat besar. Penelitian ini bertujuan menerapkan metode NER dengan penambahan POS Tagging dan membangun model BiLSTM, BiLSTM-CRF, serta IndoBERT-BiLSTM-CRF untuk mengekstraksi informasi dari berita online terkait penyakit menular. Hasil penelitian menunjukkan bahwa metode NER berhasil mengenali dan memberi label pada entitas seperti lokasi, organisasi, dan tokoh, sehingga proses ekstraksi informasi menjadi lebih efisien dan sistematis. Model terbaik diperoleh dari kombinasi IndoBERT dan BiLSTM-CRF dengan akurasi sebesar 95%. Pembagian data 80% untuk pelatihan dan 20% untuk pengujian, menghasilkan nilai akurasi, presisi, recall, dan f1-score yang optimal. Kata-kata kunci: Penyakit Menular, Named Entity Recognition (NER), Part Of Speech (POS) Tagging, BiLSTM, CRF, IndoBERT, Berita Online, Ekstraksi Informasi.

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika 500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi:	FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) > Prodi S1 Matematika
Pengguna Deposit:	UPT . Ery Elyasari
Date Deposited:	28 Oct 2025 04:28
Terakhir diubah:	28 Oct 2025 04:28
URI:	http://digilib.unila.ac.id/id/eprint/92180

Actions (login required)

Lihat Karya Akhir