digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Adylan Roaffa Ilmy
Terbatas Irwan Sofiyan
» ITB

Meaning Representation merupakan sebuah representasi yang mengandung banyak informasi semantik seperti semantic role dan named entity. Namun, penelitian mengenai pembangkitan graf Abstract Meaning Representation secara otomatis menggunakan pendekatan pembelajaran mesin dari masukan kalimat berbahasa Indonesia masih belum ada. Oleh karena itu, Tugas Akhir ini bertujuan untuk melakukan implementasi pembangkitan graf Abstract Meaning Representation dengan menggunakan pendekatan pembelajaran mesin. Model pembangkit graf AMR berbahasa Indonesia dibuat dengan tiga tahap, yaitu prediksi pasangan, prediksi label AMR, dan pembangkitan graf AMR. Prediksi pasangan dilakukan dengan menggunakan dependency parser untuk memperoleh keterhubungan antar kata dari kalimat. Fitur yang diperoleh dari dependency parser kemudian masuk ke tahap pair filtering yang bertujuan untuk memilah pasangan kata yang sesuai untuk diolah menjadi AMR. Prediksi label menggunakan algoritma klasifikasi dengan pendekatan pembelajaran mesin. Masukan dari model prediksi label ini adalah pasangan kata hasil dari dependency parser yang sudah dipilah pada tahap pair filtering. Pada Tugas Akhir ini, digunakan model Decision Tree dan XGBoost untuk melakukan klasifikasi label. Pembangkitan AMR dilakukan dengan menggunakan hasil prediksi label serta fitur yang diperoleh dari dependency parser untuk diolah menjadi graf AMR. Hasil eksperimen menunjukkan kinerja terbaik model pembangkit AMR diraih dengan menggunakan kombinasi aturan pair filtering: preposition, determiner dan SC. Kelompok fitur yang menunjukkan kinerja terbaik diraih oleh kelompok fitur sintaksis dan leksikal. Model klasifikasi label AMR terbaik diperoleh dengan menggunakan algoritma XGBoost dengan hiperparameter learning_rate = 0.1 dan max_depth = 8. Model konfigurasi terbaik berhasil mendapatkan nilai SMATCH 0,820 untuk data uji kalimat sederhana.