Evaluasi Efektivitas Pra-Pemrosesan terhadap Akurasi Model Distilbert pada Klasifikasi Topik Penelitian Hukum : Studi Kasus: Fakultas Hukum Universitas Tanjungpura Kota Pontianak
Khalid, Ibnu Natsir (2026) Evaluasi Efektivitas Pra-Pemrosesan terhadap Akurasi Model Distilbert pada Klasifikasi Topik Penelitian Hukum : Studi Kasus: Fakultas Hukum Universitas Tanjungpura Kota Pontianak. Skripsi thesis, Universitas Tanjungpura.
|
PDF (Cover-Bab1)
Cover-Bab1_H1101221046.pdf - Published Version Download (761kB) |
|
|
PDF (H1101221046_KHALID_IBNU_NATSIR)
H1101221046_KHALID_IBNU_NATSIR.pdf - Accepted Version Restricted to Repository staff only Download (3MB) |
Abstract
Pre-processing teks merupakan tahapan krusial dalam pipeline klasifikasi teks, tahapan tersebut juga relevan untuk model klasifikasi teks arsitektur transformer seperti DistilBERT, namun pengaruhnya pada dataset domain hukum berbahasa Indonesia yang kaya akan singkatan dan istilah teknis masih memerlukan kajian lebih lanjut. Penelitian ini bertujuan mengevaluasi efektivitas pre-processing dan augmentasi data Back Translation (BT) terhadap akurasi model DistilBERT dalam mengklasifikasikan abstrak skripsi hukum ke dalam lima topik: Hukum Internasional, Tata Negara, Ekonomi, Perdata, dan Pidana. Dataset 586 abstrak diproses melalui dua skenario: Skenario A (pembersihan dasar dan normalisasi singkatan) dan Skenario B (pembersihan dasar, case folding, tokenisasi, stopword removal, stemming). Masing-masing dilatih dengan dan tanpa Back Translation menggunakan MarianMT, menghasilkan empat model. Hasil pengujian pada 119 data uji menunjukkan Skenario A+BT mencapai akurasi tertinggi 79,66%, diikuti Skenario B+BT 78,81%, Skenario A 72,03%, dan Skenario B 69,49%. Back Translation meningkatkan akurasi +7,63% pada Skenario A dan +9,32% pada Skenario B. Pre-processing penuh (Skenario B) justru menurunkan akurasi 2,54% dibanding Skenario A, mengindikasikan stemming dan stopword removal menghilangkan informasi penting pada teks hukum. Penelitian menyimpulkan Skenario A+BT sebagai konfigurasi optimal, menunjukkan augmentasi Back Translation efektif meningkatkan performa, sementara pre-processing ekstensif berpotensi menurunkan akurasi model.
| Item Type: | Thesis (Skripsi) | ||||||
|---|---|---|---|---|---|---|---|
| Creators: |
|
||||||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data | ||||||
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Sistem Informasi S1 | ||||||
| SWORD Depositor: | Sri Yulihartini | ||||||
| Depositing User: | Sri Yulihartini | ||||||
| Date Deposited: | 05 Nov 2026 08:38 | ||||||
| Last Modified: | 05 Nov 2026 08:38 | ||||||
| URI: | https://repository.untan.ac.id/id/eprint/10313 |
Actions (login required)
![]() |
View Item |
