Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Analisis Pengenalan Entitas Pada Struk Belanja Menggunakan Metode Naive Bayes Dengan Fitur Ngram
Ferdhika Yudira Diputra (2021) | Skripsi | Teknik Informatika , Teknik Komputer
Bagikan
Ringkasan
Data yang berasal dari struk transaksi belanja dapat memberikan informasi mengenai produk-produk yang dibeli konsumen seperti jumlah produk, harga, dan total pembayaran. Data transaksi tersebut dapat diolah dan digunakan untuk mencari pola belanja konsumen seperti produk yang paling sering dibeli oleh konsumen. Data tersebut dapat digunakan oleh suatu perusahaan sehingga perusahaan dapat memicu untuk melakukan suatu tindakan berdasarkan data transaksi yang dimilikinya, seperti menentukan lokasi produk yang sering dibeli oleh konsumen di tempat yang mudah dijangkau oleh konsumen. Pada penelitian yang dilakukan oleh Astuti dan Joel dalam mengenali entitas struk belanja, Astuti mendapatkan akurasi 72% dengan menggunakan rule based dan Joel mendapatkan akurasi 70% dengan metode machine learning. Pada penelitian lain yang dilakukan oleh Mariyah, akurasi mampu didapatkan hingga 86% dengan mempertimbangkan dan memperhatikan posisi token dari token sebelum dan sesudahnya menggunakan ngram dan Naive bayes dalam mengenali entitas yang ada pada judul penelitian. Penelitian ini menerapkan metode yang digunakan oleh Mariyah dengan mengubah posisi token pada konfigurasi ngram. Nilai n pada ngram dan posisi token pada ngram diubah untuk mengenali informasi entitas struk transaksi belanja berupa nama item, subtotal item, dan total pembayaran. Hasil eksperimen menunjukkan bahwa entitas nama item dapat dikenali dengan akurasi 95,9% (0.959016) dengan melihat tiga token sesudahnya (N=4 dan P=1). Entitas subtotal item dapat dikenali dengan akurasi 98% (0. 98) dengan melihat satu token sebelum dan sesudahnya (N=3 dan P=2). Sedangkan entitas total pembayaran dapat dikenali dengan akurasi 86.9% (0.869565) dengan melihat satu token sebelum dan sesudahnya (N=4 dan P=2). Kata Kunci: Struk Belanja, Named Entity Recognition, Ngram, Naive Bayes.
Ringkasan Alternatif
Data derived from shopping transaction receipts can provide information about products purchased by consumers such as the number of products, prices, and total payments. Transaction data can be used to find consumer spending patterns, such as the most purchased product by consumers. This data can be used so that the company can trigger an action based on its transaction data, such as determining the frequently purchased products to be located in a place that are easily accessible to consumers. In the research conducted by Astuti and Joel in recognizing shopping receipt entities, Astuti got 72% accuracy by using rule-based method and Joel got 70% accuracy with the machine learning method. In another study conducted by Mariyah, accuracy was able to be obtained up to 86% by considering the token position of the previous token and the next token by using ngram and Naive Bayes in recognizing entities of the research paper's title. This study applies the method used by Mariyah by changing the position of the token in the ngram configuration. The value of n and the position of the token in ngram to can identify item name, item subtotal, and total payment entity of the shopping transaction receipts. The experimental results show that the "item name" entity can be recognized with 95.9% accuracy (0.959016) by looking at the three tokens afterward (N = 4 and P = 1). The entity "item subtotal" can be identified with 98% accuracy (0. 98) by looking at previous and next token (N = 3 and P = 2). Furthermore, the total payment entity can be identified with an 86.9% (0.869565) accuracy by looking at previous and next token (N = 4 and P = 2). Keywords: Receipts, Named Entity Recognition, Ngram, Naive Bayes.