Penerapan Question Entailment pada Sistem Tanya Jawab Covid- 19

MUHAMMAD ZAKY AONILLAH

Informasi Umum

Kode

23.04.1042

Klasifikasi

C -

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Natural Language Processing

Dilihat

209 kali

Informasi Lainnya

Abstraksi

<p>Upaya untuk mengumpulkan informasi tentang perkembangan Covid-19 sangat erat kaitannya dengan sistem pencari (search engine) dan frequently asked questions (FAQ) pada situs web. Keberadaan Question Answering System (QAS) dapat menjadi solusi terhadap kekurangan yang ada pada search engine dan FAQ. QAS menerima masukan berupa kalimat pertanyaan dan menghasilkan sebuah jawaban secara cepat, ringkas, serta relevan. Pada penelitian ini, dibangun sebuah sistem Question Answering berbahasa Indonesia dengan metode Recognizing Question Entailment menggunakan dataset pertanyaan masyarakat yang berasal dari akun-akun Twitter yang kredibel tentang Covid-19 seperti dokter, satuan tugas Covid-19, dan Kementerian Kesehatan. Pada tahap eksperimen, Question Entailment diuji menggunakan beberapa algoritma supervised learning yang biasa digunakan untuk RQE, yaitu Support Vector Machine (SVM), Logistic Regression, Naïve Bayes, dan J48. Untuk mengukur performansi dari sistem yang telah dibangun menggunakan metrik evaluasi diantaranya adalah Precision, Recall, dan F-Measure. Berdasarkan hasil eksperimen dengan beberapa skenario pengujian model dan variasi data training, hasil performansi yang paling baik diperoleh dengan menggunakan model Logistic Regression pada training set 1 yang mengandung 54.2% pasangan pertanyaan positif dan 45.8% pasangan pertanyaan negatif dengan nilai f-measure sebesar 83.65%. Hasil tersebut menunjukkan bahwa metode RQE dapat mengidentifikasi dengan baik entailment antara pertanyaan baru dengan pertanyaan pada dataset.</p>