Milyardi, Rizal Muhamad (2024) Ekstraksi event berbasis geolokasi menggunakan BERT Topic Classification dan Spatial Knowledge Representation pada aplikasi Command Center. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
COVER.pdf Download (42kB) | Preview |
|
|
Text (ABSTRAK)
ABSTRAK.pdf Download (27kB) | Preview |
|
|
Text (DAFTAR ISI)
DAFTAR_ISI.pdf Download (233kB) | Preview |
|
|
Text (BAB I)
BAB-I.pdf Download (178kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
BAB-II.pdf Restricted to Registered users only Download (605kB) |
|
|
Text (BAB III)
BAB-III.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (BAB IV)
BAB-IV.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (BAB V)
BAB-V.pdf Restricted to Registered users only Download (149kB) |
|
|
Text (DAFTAR PUSTAKA)
Daftar_Pustaka.pdf Restricted to Registered users only Download (161kB) |
Abstract
Command Center adalah pusat visualisasi dan integrasi yang dilengkapi dengan berbagai infrastruktur untuk kegiatan monitoring, koordinasi & pengambilan keputusan. Beberapa fungsi penting dari command center adalah sebagai pusat kendali, Alerting, Response Center, Monitoring, Decision Support System, Showcase Public dan Data Mining. Dalam konteks command center, data mining digunakan untuk menganalisis data yang dikumpulkan dari berbagai sumber dan mengidentifikasi pola, tren, atau anomali yang dapat memberikan wawasan dan informasi berharga dan berita merupakan salah satu sumber data yang tersedia di internet. Maka diperlukan sebuah sistem yang bisa mengekstraksi event dari teks berita secara otomatis. Implementasinya bisa menggunakan BERT topic classification untuk yang bisa digunakan untuk mendapatkan tipe dan topik dari sebuah berita. Selanjutnya dengan menggunakan teknik spatial knowledge representation untuk mengekstrak lokasi dari sebuah teks berita. Hasil pengujian menunjukkan hasil yang sangat baik untuk model klasifikasi tipe berita karena mencapai nilai 94% dengan f1-score 94% sedangkan untuk klasifikasi topik hasil pengujiannya 96% dengan f1-score 97%. Selain itu, untuk deteksi lokasi hasil pengujian untuk mendeteksi kabupaten/kota, deteksi kecamatan dan deteksi desa mendapatkan hasil pengujian yang sangat baik masing-masing 95%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | Kecerdasan Buatan; BERT; IndoBERT; Machine Learning; Deep Learning; Representasi Pengetahuan; Sraping; Klasifikasi Berita; Command Center; Ekstraksi Event; AI; Natural Language Processing; NLP; |
| Subjects: | Data Processing, Computer Science > Computer Science Education Special Computer Methods > Artificial Intelligence Applied Physics > Computer Engineering |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Rizal Muhamad Milyardi |
| Date Deposited: | 27 May 2024 08:53 |
| Last Modified: | 28 May 2024 02:41 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/88117 |
Actions (login required)
 |
View Item |
