Sistem tanya jawab menggunakan model Bidirectional Encoder Representations from Transformers pada data sejarah hidup Nabi Muhammad

Khairunnisa, Shafa Luthfiah (2024) Sistem tanya jawab menggunakan model Bidirectional Encoder Representations from Transformers pada data sejarah hidup Nabi Muhammad. Sarjana thesis, UIN SUNAN GUNUNG DJATI BANDUNG.

Preview	Text (Cover) 1_cover.pdf Download (45kB) | Preview
Preview	Text (Abstrak) 2_abstrak.pdf Download (29kB) | Preview
Preview	Text (Daftar Isi) 3_daftarisi.pdf Download (56kB) | Preview
Preview	Text (BAB I) 4_bab1.pdf Download (209kB) | Preview
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (270kB) | Request a copy
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (185kB) | Request a copy
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (140kB) | Request a copy
	Text (BAB V) 8_bab5.pdf Restricted to Registered users only Download (31kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9_daftarpustaka.pdf Restricted to Registered users only Download (95kB) | Request a copy

Abstract

Allah mengutus Nabi Muhammad saw. sebagai suri tauladan dengan akhlakul karimah yang tentunya harus diikuti oleh setiap muslim. Salah satu cara untuk untuk mendapatkan gambaran utuh tentang kehidupan seorang muslim yang ideal adalah mengetahui dan mengkaji sejarah hidup Nabi Muhammad saw. Question answering atau sistem tanya jawab adalah suatu sistem yang dapat menjawab pertanyaan dalam bahasa natural dimana jawaban itu didapat dari dokumen, atau data yang relevan dengan pertanyaannya. Pada penelitian ini digunakan model yang dapat memproses dan mengerti bahasa manusia, yaitu BERT (Bidirectional Encoder Representations from Transformers). Dari pengujian yang dilakukan pada skenario penggunaan partikel -kah pada pertanyaan didapat nilai F1 tertinggi yaitu 82,24% pada pertanyaan yang menggunakan partikel -kah. Sedangkan pada skenario berdasarkan jumlah kalimat yang dibutuhkan untuk menjawab pertanyaan didapat nilai F1 tertinggi yaitu 89,94% pada pertanyaan yang membutuhkan satu kalimat untuk menjawab pertanyaan.

Actions (login required)

View Item