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

Dokumen Asli
PUBLIC Open In Flip Book Dessy Rondang Monaomi

COVID-19 belakangan ini menjadi perhatian khusus sebagai masalah kesehatan masyarakat global karena penyebarannya yang sangat cepat dengan angka kematian yang tinggi. Pengendalian yang efektif terhadap penyakit ini di tingkat masyarakat sangat bergantung terhadap ketersediaan informasi yang akurat. Akan tetapi, penyebaran masif misinformasi melalui internet membuat masyarakat rentan terpapar informasi yang tidak benar. Sistem pengecekan fakta otomatis dapat berperan dalam membantu memvalidasi kebenaran suatu informasi dalam kasus tersebut. Sistem seperti itu umumnya menggunakan pendekatan Natural Language Inference (NLI) untuk menemukan hubungan semantik antara kalimat premis yang telah terbukti kebenarannya dengan kalimat hipotesis sebagai klaim yang hendak diperiksa kebenarannya. Hubungan semantik tersebut dapat berupa entailment, contradiction, atau neutral. Suatu informasi dianggap benar apabila terbentuk hubungan semantik berupa entailment di antara kalimat tersebut. Penelitian ini memperkenalkan penggunaan Knowledge Graph (KG) untuk meningkatkan kinerja NLI dalam memvalidasi kebenaran suatu informasi. KG berperan dalam menambahkan informasi faktual sehingga model dapat mengambil simpulan terhadap kebenaran suatu informasi berdasarkan bukti faktual. Dalam pendekatan arsitektur model yang diperkenalkan dalam penelitian ini, informasi dari KG diproses dalam modul terpisah dan digabungkan dengan informasi hubungan semantik antara kalimat premis dan hipotesis yang diproses oleh modul NLI. Setelah itu, informasi diproses oleh modul terakhir untuk mengambil simpulan. Pada implementasi arsitektur model yang diperkenalkan tersebut, input NLI dan KG diproses secara terpisah kemudian menggunakan penggabungan dari masingmasing vektor representatif dari input tersebut untuk membentuk vektor akhir. Vektor akhir kemudian digunakan sebagai input pada classifier untuk mengeluarkan hasil akhir. Model yang dihasilkan kemudian dilatih dengan menggunakan dataset NLI COVID-19 Bahasa Indonesia dan KG COVID-19 Bahasa Indonesia. Hasil penelitian menunjukkan bahwa penggunaan KG dalam arsitektur model yang diperkenalkan dapat meningkatkan kinerja NLI dalam memvalidasi kebenaran ii informasi. Akurasi tertinggi yang dapat dicapai hingga mencapai 0,8616 dalam memvalidasi informasi COVID-19 dalam Bahasa Indonesia. KG memberikan informasi tambahan yang dapat memperkuat validasi kebenaran suatu informasi, daripada hanya mengandalkan hubungan semantik yang terbentuk. Oleh karena itu, KG dapat menjadi komponen penting dalam sebuah sistem pengecekan fakta otomatis untuk memvalidasi kebenaran suatu informasi berdasarkan bukti faktual.