Pada era informasi digital saat ini, pengenalan entitas seperti nama, lokasi, dan organisasi dalam konteks berita pemilu memiliki peran yang sangat penting dalam memahami dan menganalisis dinamika politik serta pandangan masyarakat. Penelitian ini bertujuan untuk meningkatkan pengenalan entitas tersebut dalam teks berita pemilu 2024 dengan menggunakan algoritma Long Short-Term Memory (LSTM). Metode yang diusulkan melibatkan penggunaan LSTM untuk mengidentifikasi dan mengekstraksi entitas nama, lokasi, dan organisasi secara otomatis dari teks berita pemilu. Melalui serangkaian eksperimen, pendekatan ini dievaluasi dan dibandingkan dengan metode tradisional. Selain itu, evaluasi model menggunakan confusion matrix memberikan gambaran yang lebih rinci tentang kinerja klasifikasi entitas oleh model LSTM. Penerapan model LSTM dapat diterapkan dalam pembuatan sistem dalam menentukan entitas orang, lokasi, organisasi dan yang bukan termasuk dari ketiga entitas tersebut pada berita pemilu 2024 dengan menghasilkan nilai average precision 0.9280, nilai average recall 0.9489, nilai average F1 score 0.9381, dan nilai average accuracy 0.9489. Maka dapat dikatakan bahwa model memiliki kinerja yang cukup baik dalam melakukan prediksi entitas dalam berita pemilu 2024.

S10278

INF 0189 2024

Bekasi

Tersedia