Search for collections on Universitas Islam Negeri Sultan Syarif Kasim Riau Repository

PENERAPAN BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT) UNTUK KLASIFIKASI JALUR SERTIFIKASI PRODUK HALAL JURUSAN TEKNIK INFORMATIKA UIN SUSKA RIAU

M. REDHO EKA SAPUTRA, - (2025) PENERAPAN BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT) UNTUK KLASIFIKASI JALUR SERTIFIKASI PRODUK HALAL JURUSAN TEKNIK INFORMATIKA UIN SUSKA RIAU. Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

[img]
Preview
Text
SKRIPSI GABUNGAN KECUALI BAB IV & V.pdf

Download (5MB) | Preview
[img] Text
BAB IV & V.pdf
Restricted to Repository staff only

Download (3MB)

Abstract

Sertifikasi halal menjadi aspek penting dalam industri makanan di Indonesia untuk memastikan kepatuhan terhadap standar kehalalan. Terdapat dua jalur sertifikasi, yaitu Self-declare dan Reguler, yang diklasifikasikan berdasarkan bahan baku yang digunakan. Penelitian ini bertujuan untuk mengimplementasikan model Bidirectional Encoder Representations from Transformers (BERT) dalam klasifikasi jalur sertifikasi halal berdasarkan deskripsi bahan baku produk. Data yang digunakan terdiri dari data sekunder yang diperoleh dari Kaggle untuk pelatihan, validasi, dan pengujian model, serta data primer dari ptsp.halal.go.id untuk pengujian klasifikasi pada teks baru dan digabungkan dengan data dari Kaggle untuk pelatihan model. Proses meliputi pra-pemrosesan data, seperti cleaning, data labeling, stopword removal, pembagian data, dan tokenisasi menggunakan tokenizer BERT. Model kemudian melalui tahap pre-training untuk memahami hubungan antar kata dalam konteks bidirectional, sebelum dilatih lebih lanjut melalui fine-tuning menggunakan tiga skenario pembagian data pelatihan. Evaluasi model menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil terbaik diperoleh pada skenario pembagian data 80% untuk pelatihan, 10% untuk validasi, dan 10% untuk pengujian menggunakan data sekunder dari Kaggle dengan total 1000 data, dengan akurasi sebesar 95%. Untuk kelas Self-declare, nilai presisi, recall, dan F1-score masingmasing mencapai 94.12%, 96%, dan 95.05%. Sedangkan untuk kelas Reguler, nilai presisi, recall, dan F1-score masing-masing adalah 95.92%, 94%, dan 94.98%. Hasil penelitian menunjukkan bahwa model BERT dapat mengklasifikasikan jalur sertifikasi halal secara efektif berdasarkan bahan baku produk, sehingga dapat meningkatkan efisiensi proses sertifikasi di Indonesia.

Item Type: Thesis (Skripsi)
Contributors:
ContributionContributorsNIDN/NIDKEmail
Thesis advisorLIZA AFRIYANTI, -2027048703liza.afriyanti@uin-suska.ac.id
Thesis advisorELVIA BUDIANITA, -2029068601elvia.budianita@uin-suska.ac.id
Subjects: 000 Karya Umum
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: fsains -
Date Deposited: 15 Apr 2025 01:02
Last Modified: 21 Apr 2025 03:35
URI: http://repository.uin-suska.ac.id/id/eprint/87444

Actions (login required)

View Item View Item