eProceedings of Engineering
Vol 2, No 2 (2015): Agustus, 2015

Klasifikasi Argumen Semantik Menggunakan Feature Argumen Semantik Tetangga

Dwi Marlina Sari (Telkom University)
Moch. Arif Bijaksana (Telkom University)
Siti Sa’adah (Telkom University)



Article Info

Publish Date
01 Aug 2015

Abstract

Abstrak Argumen Semantik adalah salah satu bidang linguistik dalam mempelajari makna di dalam sebuah kalimat. Argumen sematik merupakan bagian dari teknik mengembangkan solusi text mining. Dengan melakukan klasifikasi argumen semantik, akan mengidentifikasikan argumen semantik ke dalam peran semantik yang lebih spesifik, sehingga dapat membantu dalam menggali informasi pada teks, seperti dapat menjawab pertanyaan Who, Whom, When, Where, Why, and How. Tugas akhir ini, berfokus dalam melakukan klasifikasi argumen semantik menggunakan feature baseline dan feature tambahan yaitu feature argumen semantik tetangga yang menggunakan database PropBank. Feature argumen semantik tetangga dapat dimanfaatkan sebagai feature tambahan dalam membantu klasifikasi argumen semantik, dikarenakan pada masing-masing argumen dalam predikat saling ketergantungan. Klasifikasi argumen semantik dilakukan dengan menggunakan classifier Support Vector Machine (SVM). Dari uji skenario, hasil rata-rata akurasi klasifikasi argumen semantik mengggunakan feature baseline sebesar 63.91%, sedangkan hasil rata-rata akurasi berdasarkan feature baseline dan feature ketergantungan argumen tetangga dari predikat di dalam sebuah kalimat sebesar 71.21%. Kata Kunci : klasifikasi argumen semantik, feature, ketergantungan argumen semantik

Copyrights © 2015






Journal Info

Abbrev

engineering

Publisher

Subject

Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Description

Merupakan media publikasi karya ilmiah lulusan Universitas Telkom yang berisi tentang kajian teknik. Karya Tulis ilmiah yang diunggah akan melalui prosedur pemeriksaan (reviewer) dan approval pembimbing ...