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

Indonesia adalah negara yang berdasarkan prinsip negara hukum, sebagaimana diamanatkan oleh Pasal 1 Ayat 3 Undang-Undang Dasar 1945. Prinsip ini menyiratkan bahwa semua aspek kehidupan bersama, kebermasyarakat, dan berbangsa didasarkan pada hukum. Negara Indonesia berperan sebagai entitas resmi yang menghubungkan berbagai aktivitas dan interaksi masyarakat. Keteraturan dalam interaksi antarwarga Indonesia dijaga dan diatur oleh berbagai undang-undang, salah satunya adalah Kitab Undang-Undang Hukum Pidana, yang sering disebut sebagai KUHP. KUHP merupakan kumpulan hukum pidana yang ditulis secara tegas dengan masing-masing ketentuannya berdasarkan nilai-nilai, kaidah-kaidah dan norma-norma tertentu yang berpihak terhadap kepentingan publik. Masyarakat terkadang awam tentang hukum pidana yang berlaku sehingga bisa mengakibatkan salah tangkap orang dalam kasus kriminal yang korbannya sendiri tidak mengetahui hukum yang menjeratnya. Perkembangan teknologi dapat memunculkan inovasi dan pengembangan dalam teknologi informasi seperti khususnya kecerdasan buatan salah satunya dalam hal NLP (Natural Language Processing). Dengan perkembangan kecerdasan buatan yang secara khusus merupakan deep learning untuk bidang NLP, dapat dilakukan implementasi solusi permasalahan pencarian pasal dan hukum pidana yang relevan. Penelitian sebelumnya menerapkan metode CNN dan BiLSTM menggunakan arsitektur Siamese dengan menunjukkan hasil yang lebih cukup baik. Dalam perbandingan antara CNN dan BiLSTM, BiLSTM menghasilkan kinerja yang lebih baik. Penelitian selanjutnya terdapat penelitian yang menguji metode algoritma dengan menghasilkan kinerja yang paling baik yaitu metode hybrid dari CNN-BiLSTM daripada metode lainnya termasuk CNN dan BiLSTM itu sendiri. Selain itu juga terdapat penelitian yang membandingkan kinerja dari Word2Vec, Glove, dan FastText dengan metode CNN menunjukkan hasil FastText yang paling baik. Hal ini menunjukkan ada beberapa metode yang bisa dicoba selain word2vec dalam metode word embedding dengan dikombinasikan menggunakan metode deep learning dalam kasus klasifikasi teks. Sehingga pada penelitian ini melakukan implementasi menggunakan deep learning berbasis metode hybrid CNN-BiLSTM. Selain itu juga diterapkan model word embedding yang menggunakan word2vec, glove, serta fasttext. Penulis juga menggunakan metode baseline yaitu metode CNN tunggal dan metode BiLSTM tunggal. Hasil percobaan menunjukkan bahwa iii kombinasi Hybrid CNN-BiLSTM dengan word embeddings Word2Vec, Glove, dan Fasttext dapat menyelesaikan pencarian pasal KUHP. Secara umum pemodelan Hybrid CNN-BiLSTM dengan word embeddings Word2Vec, Glove, dan Fasttext dapat menyelesaikan pencarian pasal KUHP. Dalam metrik evaluasi Akurasi tertinggi sebesar 0.982 dan Presisi tertinggi sebesar 0.91. Serta untuk Mean Reciprocal Rank menunjukkan hasil bahwa metode memiliki metrik MRR tertinggi untuk Rank 5 sebesar 0.165, rank 10 sebesar 0.082, dan rank 20 sebesar 0.041. Metode hybrid CNN-BiLSTM juga secara umum lebih unggul dibandingkan dengan metode tunggal CNN dan metode tunggal BiLSTM. Hal ini dibuktikan dengan metrik evaluasi tertinggi untuk akurasi dan presisi yang unggul dengan akurasi sebesar 0.982 dan Presisi sebesar 0.91 yang merupakan kombinasi dengan model fasttext. Dibandingkan metode CNN dengan metrik evaluasi tertinggi akurasi sebesar 0.98 dan presisi sebesar 0.92 dengan model fasttext. Sedangkan untuk metode BiLSTM dengan metrik evaluasi akurasi sebesar 0.98 dan presisi sebesar 0.91. Sedangkan untuk Mean Reciprocal Rank menunjukkan hasil bahwa metode Hybrid CNN-BiLSTM mengungguli kedua metode lainnya dengan nilai MRR Rank 5 sebesar 0.165. Dibandingkan metode tunggal CNN dengan nilai MRR Rank 5 sebesar 0.155. Serta metode tunggal BiLSTM dengan nilai MRR Rank 5 sebesar 0.149.