Arifa, Cut Hilma (2026) Named Entity Lokasi Dalam Postingan Teks Instagram Menggunakan Algoritma Support Vector Machine. S1 thesis, Universitas Malikussaleh.

	Text COVER SKRIPSI.pdf Download (263kB)
	Text Abstrak.pdf Download (66kB)
	Text BAB I.pdf Download (175kB)
	Text Daftar_Pustaka.pdf Download (122kB)
	Text FULL TEXT.pdf Restricted to Registered users only Download (2MB)

Abstract

Perkembangan teknologi digital yang pesat secara signifikan berpengaruh meningkatkan produktivitas dan kemudahan akses informasi dalam kehidupan sehari-hari, salah satunya penggunaan media sosial yang semakin meluas. Instagram merupakan salah satu platform yang banyak digunakan, dimana teks dalam caption memiliki informasi terkait lokasi yang dapat dimanfaatkan untuk analisis spasial. Penelitian ini bertujuan untuk mengidentifikasi dan mengklasifikasikan entitas lokasi dalam caption Instagram menggunakan algoritma Support Vector Machine (SVM) dengan pendekatan Named Entity Recognition (NER) rule-based. Metode yang digunakan meliputi ekstraksi fitur berbasis linguistik dengan konteks spasial eksplisit, lebelisasi data, pelatihan model, serta evaluasi kinerja model menggunakan matriks klasifikasi: akurasi, presisi, recall dan f1-score. Dataset terdiri dari 400 captions umumnya berbahasa Indonesia, namun terdapat unsur bahasa campuran seperti istilah asing atau bahasa daerah. Fokus utama penelitian diarahkan pada pengolahan dan pemahaman teks berbahasa Indonesia. Dataset dibagi menjadi 70% data training dan 30% data testing. Hasil pengujian menunjukkan bahwa model mendapatkan akurasi sebesar 90,83%, presisi 97,01%, recall 87,84% dan f1-score 92,90%. Evaluasi terhadap tiga rules NER (exact match keyword, pola preposisi, dan struktur deskriptif) menunjukkan bahwa pengenalan entitas berdasarkan gabungan seluruh rules memberikan f1-score tertinggi (89%), sementara rule individual terbaik adalah pola preposisi (74%). Nilai ini menunjukkan kinerja yang cukup baik dalam pengolahan caption Instagram yang variatif dan tidak terstruktur. Kombinasi metode SVM dan NER rule-based terbukti efektif dalam mengidentifikasi dan mengklasifikasi informasi spasial dalam dua kelas Contain Location dan No Location. Pendekatan ini berpotensi diterapkan pada sistem analisis spasial berbasis teks, seperti sistem rekomendasi lokasi, pemetaan geografis, dan pendukung keputusan berbasis lokasi.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Cut Hilma Arifa
Date Deposited:	08 Apr 2026 03:54
Last Modified:	08 Apr 2026 03:54
URI:	https://rama.unimal.ac.id/id/eprint/19224

Actions (login required)

View Item