Detail Cantuman

Named Entity Recognition (NER) merupakan bagian dari text mining yang memiliki peran penting dalam mengidentifikasi dan mengklasifikasi entitas dalam teks. Namun, masalah yang sering dihadapi dalam NER adalah masalah vanishing gradient pada jaringan saraf yang digunakan. Oleh karena itu, dalam penelitian ini kami mengeksplorasi penerapan Gated Recurrent Unit (GRU) sebagai jaringan saraf yang digunakan dalam NER. GRU adalah varian dari Recurrent Neural Network (RNN) yang menggunakan gating mechanism untuk mengontrol informasi yang diteruskan dari satu step ke step berikutnya. Hal ini diharapkan dapat membantu mencegah masalah vanishing gradient yang sering terjadi pada RNN. Pada penelitian ini untuk mengevaluasi GRU menggunakan Accuracy dan Loss, dengan dataset Singgalang sebagai data yang diuji. Hasil penelitian menunjukan bahwa pada parameter yang diuji, GRU menghasilkan nilai Accuracy sebesar 99,80%, 99,83%, dan 99,75% pada parameter batch size 32, 64, dan 128. Secara keseluruhuan, penelitian ini juga menemukan bahwa perubahan ukuran batch dapat mempengaruhi kinerja model NER. Pada penelitian ini berharap dapat memberikan informasi yang bermanfaat bagi peneliti lain yang ingin menggunakan teknik NER dalam teks bahasa Indonesia dengan menggunakan model GRU.