Analisis Dynamic Memory Networks pada Question Answering System : Studi kasus sejarah hidup Rasulullah Shallallalhu 'alaihi wa sallam

Halim, Muhafidz Ahmad (2022) Analisis Dynamic Memory Networks pada Question Answering System : Studi kasus sejarah hidup Rasulullah Shallallalhu 'alaihi wa sallam. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (139kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (28kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (121kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (217kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (337kB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (628kB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (2MB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (27kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (147kB) | Request a copy

Abstract

Question Answering System (QAS) adalah sistem yang dapat memberikan kutipan jawaban dari pertanyaan yang diberikan oleh manusia dengan menggunakan bahasa alami. QAS menjadi solusi dari search engine biasa yang hanya dapat menampilkan dokumen yang relevan tanpa memberi kutipan jawaban secara langsung. Salah satu metode yang dapat digunakan untuk membangun QAS adalah Dynamic Memory Networks (DMN) yang merupakan framework berbasis neural network untuk tugas QAS. Terdapat hyperparameter yang perlu diatur untuk membuat model DMN. Penelitian ini menjalankan model DMN dengan tiga jenis data yang dibedakan pada panjang konteksnya dan variasi nilai hyperparameter ukuran hidden state, jumlah episode, dan learning rate. Jenis pertanyaan yang digunakan adalah pertanyaan factoid. Hasil yang diperoleh menunjukan bahwa panjang konteks sangat mempengaruhi kemampuan model dalam menjawab pertanyaan. Diperoleh hasil akurasi tertinggi pada data single adalah 96%, data multiple 87%, dan data wikipedia 83%. Selain itu, akurasi juga dipengaruhi oleh beberapa hyperparameter. Perbedaan nilai learning rate dapat memberikan akurasi yang signifikan, ukuran hidden state yang terlalu kecil dapat memberikan akurasi yang kecil, dan jumlah episode dapat memberikan pengaruh pada akurasi yang signifikan pada konteks yang panjang. Lalu ukuran hidden state dan jumlah episode yang banyak dapat mengakibatkan waktu training semakin panjang. Kemudian dari segi penurunan loss ketika training, nilai learning rate memiliki pengaruh yang signifikan, ukuran hidden state yang besar menyebabkan penurunan loss lebih fluktuatif, dan jumlah episode 1 memberikan penurunan loss yang lebih cepat dibandingkan jumlah episode 3 dan 5. Dalam hasil penelitian ini, akurasi paling tinggi pada semua data diperoleh dengan jumlah episode 1. Sehingga ini menjadi kelebihan karena dapat diperoleh akurasi yang tinggi namun dengan waktu training yang singkat.

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: Artificial Intellegence; Search Engine; Natural Language Processing; Question Answering System; Deep Learning; Neural Network; Dynamic Memory Networks;N abi Muhammad
Subjects: Data Processing, Computer Science > Computers Mathematical Principles
Applied mathematics > Programming Mathematics
Divisions: Fakultas Sains dan Teknologi > Program Studi Matematika
Depositing User: Muhafidz Ahmad Halim
Date Deposited: 14 Sep 2022 14:24
Last Modified: 14 Sep 2022 14:24
URI: https://digilib.uinsgd.ac.id/id/eprint/56666

Actions (login required)

View Item View Item