ANALISIS KEHALALAN MAKANAN IMPOR BERDASARKAN BAHAN MAKANAN MENGGUNAKAN NAMED ENTITY RECOGNITION DAN GRADIENT BOOSTING
Penelitian ini bertujuan untuk menganalisis kehalalan makanan berdasarkan bahan makanan dengan menggunakan metode Named Entity Recognition (NER) dan Gradient Boosting. Metode NER diterapkan dengan algoritma Bidirectional LSTM untuk mendeteksi entitas dalam komposisi makanan. Hasil penelitian menunjukkan bahwa sistem dapat mengidentifikasi entitas dengan akurasi sebesar 50,6% dan 57,6% untuk dua set data yang berbeda, sementara akurasi pelatihan mencapai 99%. Sistem juga menggunakan model XGBoost untuk memprediksi status kehalalan setiap entitas bahan makanan, dengan hasil akurasi sebesar 85% pada tahap pelatihan. Kata kunci: Kehalalan makanan, Named Entity Recognition, Bidirectional LSTM, XGBoost, Gradient Boosting
APA Style
. (2024).ANALISIS KEHALALAN MAKANAN IMPOR BERDASARKAN BAHAN MAKANAN MENGGUNAKAN NAMED ENTITY RECOGNITION DAN GRADIENT BOOSTING ().Teknik Informatika:FTI
Chicago Style
.ANALISIS KEHALALAN MAKANAN IMPOR BERDASARKAN BAHAN MAKANAN MENGGUNAKAN NAMED ENTITY RECOGNITION DAN GRADIENT BOOSTING ().Teknik Informatika:FTI,2024.Text
MLA Style
.ANALISIS KEHALALAN MAKANAN IMPOR BERDASARKAN BAHAN MAKANAN MENGGUNAKAN NAMED ENTITY RECOGNITION DAN GRADIENT BOOSTING ().Teknik Informatika:FTI,2024.Text
Turabian Style
.ANALISIS KEHALALAN MAKANAN IMPOR BERDASARKAN BAHAN MAKANAN MENGGUNAKAN NAMED ENTITY RECOGNITION DAN GRADIENT BOOSTING ().Teknik Informatika:FTI,2024.Text
