Perpustakaan Digital ITB

Sebuah artikel berita mengandung informasi mengenai event yang terdiri peristiwa apa yang terjadi (what), partisipan yang terlibat (who), tempat (where) dan waktu (when) peristiwa, serta deskripsi peristiwa mengenai mengapa (why) dan bagaimana (how) peristiwa dapat terjadi, yang disebut juga sebagai informasi 5W1H. Dengan informasi 5W1H sebuah teks/ dokumen dapat mudah dipahami secara utuh. Untuk memperoleh informasi 5W1H dalam teks secara otomatis dapat dilakukan dengan menerapkan teknik ekstraksi informasi. Ekstraksi informasi 5W1H pada artikel berita berbahasa Indonesia dilakukan dengan klasifikasi setiap token dalam satu artikel ke dalam 13 kelas yaitu B-who, I-who, B-what, I-what, B-when, I-when, B-where, I-where, B-why, I-why, B-how, I-how, dan Other. Dalam menentukan label token digunakan informasi konteks token baik level leksikal maupun level kalimat. Untuk mempelajari fitur sintaktik dan semantik dalam kalimat digunakan Convolutional Neural Network (CNN) sedangkan pemodelan sekuensial token level leksikal menggunakan Bidirectional Long Short Term Memory (BLSTM). Kinerja model diperoleh dengan F-Measure rata-rata 0.808 dengan set fitur yang terdiri dari fitur token dan posisi relatif antartoken dalam kalimat (SENT), fitur sekuens leksikal (LEX), dan lokasi token (LOCT dan LOCS). Berdasarkan hasil eksperimen, pendekatan deep learning dengan algoritma CNN-BLSTM menunjukkan kinerja yang lebih unggul dibandingkan dengan pendekatan shallow learning dengan algoritma IBk, C4.5, dan Naïve Bayes. Kinerja terbaik diperoleh CNN-BLSTM dengan F-measure 0.808, sedangkan F-measure rata-rata IBk 0.655, C4.5 0.645, dan Naïve Bayes 0.595.