Catatan bukti · UDINUS · SDGs
- Unit
- Rektorat UDINUS
- Periode
- 2025
- Tujuan
- Nomor
- e33a8264-e289-43c6-a6d4-29c33852193f
- Terbit
- 2026-10-30
Universitas Dian Nuswantoro (UDINUS), melalui peneliti peserta Nurchim, Muljono, Edi Noersasongko, Ahmad Zainul Fanani, dan Deshinta Arrova Dewi, melaksanakan kajian mengenai pengembangan model Few-Shot Named Entity Recognition (NER) untuk teks olahraga berbahasa Indonesia. Kegiatan ini membahas tantangan keterbatasan sumber daya beranotasi dalam pemrosesan teks berbahasa Indonesia. Kajian tersebut meneliti apakah strategi pembelajaran Few-Shot dapat menghasilkan kinerja yang kompetitif atau lebih unggul dengan hanya menggunakan contoh berlabel dalam jumlah minimal.
Kegiatan ini menggabungkan adaptasi berbasis prototipe dan penyempurnaan berbasis prompt ke dalam pipeline SpaCy yang telah dilatih sebelumnya. Model yang diusulkan digunakan untuk membedakan delapan kategori olahraga Indonesia dalam kondisi yang ditandai oleh ketidakseimbangan token yang parah dan keragaman leksikal yang rendah. Sumber menjelaskan bahwa judul berita olahraga Indonesia bersifat singkat, terbatas konteks, dan kompak secara struktural. Oleh karena itu, metode Few-Shot dipandang sesuai untuk menangkap perbedaan entitas yang lebih rinci dalam dataset tersebut. Pendekatan yang diusulkan dibandingkan dengan pendekatan NER konvensional, termasuk SpaCy, BiLSTM-CRF, dan model berbasis transformer, yang umumnya memerlukan data pelatihan dalam jumlah besar.
Hasil eksperimen melaporkan bahwa model Few-Shot mengungguli seluruh baseline, dengan precision sebesar 0.991 dan F1-score sebesar 0.995. Model SpaCy standar memperoleh F1-score sebesar 0.983. Temuan ini menunjukkan kemampuan generalisasi yang lebih baik, ketergantungan yang lebih rendah pada anotasi ekstensif, serta peningkatan diskriminasi di antara entitas olahraga yang berhubungan erat. Kajian ini mengidentifikasi Few-Shot NER sebagai pendekatan yang skalabel dan layak diterapkan untuk pemrosesan bahasa alami berbahasa Indonesia dengan sumber daya rendah serta ekstraksi informasi khusus domain ketika dataset beranotasi berukuran besar tidak tersedia.
Melalui kegiatan ini, UDINUS berkontribusi pada penelitian dan inovasi metode komputasional untuk klasifikasi teks olahraga berbahasa Indonesia. Kegiatan ini juga menempatkan pembelajaran Few-Shot sebagai pendekatan yang efisien dan adaptif untuk analitika olahraga, pemrosesan media, dan penerapan yang lebih luas pada bahasa dengan sumber daya terbatas. Relevansi kelembagaannya tercermin dalam pengembangan dan evaluasi metode untuk ekstraksi informasi khusus domain dalam kondisi keterbatasan data beranotasi.