PENGENALANAN ENTITAS BERNAMA PADA TEKS BAHASA INDONESIA MENGGUNAKAN HIDDEN MARKOV MODEL; NAMED ENTITY RECOGNITION FOR INDONESIAN TEXT USING HIDDEN MARKOV MODEL

MUHAMMAD FACHRI, Sri Mulyana

2014 | Skripsi | PROGRAM STUDI ILMU KOMPUTER

Pengenalan entitas bernama merupakan salah satu subpekerjaan dari ekstraksi informasi. Pengenalan entitas bernama digunakan untuk mengenali entitas-enentias setiap elemen dalam teks yang kemudian digunakan untuk mengekstraksi informasi dari teks yang ada. Salah satu pendekatan pengenalan entitas bernama adalah menggunakan metode Hidden Markov Model dan lebih tepatnya menggunakan algoritma viterbi. Algoritma viterbi digunakan untuk mencari barisaan keaadaan yang optimal pada proses Markov yang ada. Di dalam permasalahan pengenalan entitas bernama barisan keadaan yang optimal adalah barisan entitas untuk setiap kata yang ada pada kalimat dengan state atau keadaan yang diamati adalah kelas kata. Pada penelitian ini pengenalan entitas bernama yang dibuat dikhususkan untuk digunakan pada bahasa Indonesia. Berdasarkan pengujian sistem yang telah dilakukan, pengenalan entitas bernama menggunakan metode Hidden Markov Model dengan mengobservasi kelas kata mendapatkan akurasi terbaik sebesar 88,4%. Dengan nilai recall dan precision yang didapatkan masing-masing 65,8% dan 55,9%.

Kata Kunci : ekstraksi informasi, pengenalan entitas bernama, HMM, viterbi, kelas kata