KLASIFIKASI AUTHOR NAME DISAMBIGUATION MENGGUNAKAN ALGORITMA VARIATIONAL AUTOENCODER DAN DEEP NEURAL NETWORK

RAHMAN, HAMID (2026) KLASIFIKASI AUTHOR NAME DISAMBIGUATION MENGGUNAKAN ALGORITMA VARIATIONAL AUTOENCODER DAN DEEP NEURAL NETWORK. Other thesis, UNIVERSITAS BINA DARMA.

	Text (BAB 0) BAB 0.pdf Download (1MB)
	Text (BAB 1) BAB 1.pdf Download (948kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf Download (749kB)
	Text (FULL BAB) FULL BAB_compressed (13).pdf Download (2MB)

Abstract

Ambiguitas Nama Penulis atau Author Name Disambiguation (AND) merupakan tantangan fundamental yang memengaruhi integritas dan kualitas data dalam ekosistem perpustakaan digital. Pendekatan pencocokan berpasangan (pairwise matching) digunakan dalam menyelesaikan masalah tersebut, tetapi muncul kendala signifikan berupa ketidakseimbangan data (imbalanced data) yang ekstrem, di mana jumlah pasangan penulis berbeda (kelas mayoritas) sangat mendominasi pasangan penulis sama (kelas minoritas). Kondisi ini mengakibatkan model klasifikasi menjadi bias dan gagal mengidentifikasi penulis yang sebenarnya. Penelitian ini bertujuan mengembangkan solusi untuk mengatasi ketidakseimbangan data tersebut menggunakan algoritma Variational Autoencoder (VAE) sebagai teknik generative oversampling, serta mengintegrasikannya dengan Deep Neural Network (DNN) untuk proses klasifikasi. Metodologi penelitian memanfaatkan dataset DBLP yang melalui tahap pra-pemrosesan serta ekstraksi fitur kesamaan leksikal dan jarak temporal. Tiga skenario pengujian dirancang untuk membandingkan kinerja model: baseline (tanpa penanganan), metode VAE, dan metode SMOTE sebagai pembanding . Hasil eksperimen menunjukkan bahwa model baseline mengalami kegagalan total dalam mendeteksi kelas minoritas dengan nilai F1-Score 0.00. Sebaliknya, penerapan algoritma VAE terbukti paling efektif dengan mencapai F1-Score agregat sebesar 0.9997, sedikit lebih unggul dibandingkan metode SMOTE yang mencapai 0.9992. Penelitian ini menyimpulkan bahwa integrasi VAE dan DNN mampu menghasilkan data sintetis berkualitas tinggi yang menyeimbangkan distribusi kelas, sehingga secara signifikan meningkatkan akurasi dan sensitivitas sistem dalam menyelesaikan masalah disambiguasi nama penulis.

Actions (login required)

View Item