Prototipe Sistem Pendukung Keputusan Terintegrasi Model Ner Untuk Validasi Dan Penetapan Pemuktahiran Data ASN
DOI:
https://doi.org/10.25126/jtiik.2025129175Kata Kunci:
State Civil Apparatus, Named Entity Recognition, Decision Support System, Optical Character RecognitionAbstrak
Untuk mendukung dan memperlancar penyelenggaraan manajemen aparatur sipil negara serta pengambilan keputusan yang efisien, efektif, dan akurat, diperlukan data pegawai ASN. Data tersebut harus dimutakhirkan dan divalidasi secara berkala sebelum disebarluaskan dan diakses oleh instansi pemerintah sesuai kewenangannya masing-masing serta dapat diakses oleh masyarakat melalui portal data sesuai dengan ketentuan peraturan perundang-undangan. Pada paper ini ditampilkan prototipe berbasis web untuk menunjukkan bahwa model NER yang dikembangkan dapat diintegrasikan sebagai subsistem dari sistem pendukung keputusan dalam melakukan validasi dan penetapan persetujuan pemutakhiran data ASN. Prototipe menunjukkan tingkat kemiripan hasil prediksi model dengan data yang diusulkan, tertinggi sebesar 100% dan terendah sebesar 41,34%. Pengukuran kinerja model menggunakan spacy menunjukkan bahwa model terbaik memperoleh nilai F1-score rata-rata sebesar 99,01 menggunakan dataset training, 98,20 menggunakan dataset testing, dan 94,26 menggunakan dataset other.
Abstract
To support and facilitate the implementation of state civil apparatus management and efficient, effective, and accurate decision-making, ASN employee data are required. The data must be updated and validated periodically before being disseminated and accessed by government agencies according to their respective authorities and can be accessed by the public through a data portal in accordance with the provisions of laws and regulations. This paper presents a web-based prototype to demonstrate that the proposed NER model can be integrated as a subsystem of a decision support system to validate and determine approval for ASN data updates. The prototype shows the level of similarity between the model's prediction results and the proposed data, with the highest value being 100% and the lowest being 41.34%. The measurement of model performance using spacy demonstrated that the best model obtained an average F1-score of 99.01 using the training dataset, 98.20 using the testing dataset, and 94.26 using the other dataset.
Downloads
Referensi
ANI, N., SINAGA, D. Y., JUNIOR, N., & MUNGGARAN, M. D., 2023. Penerapan Algoritma Term Frequency-Inverse Document Frequency (TF-IDF) Untuk Fitur Pencarian Dokumen Standar Nasional Indonesia. JSAI (Journal Scientific and Applied Informatics), 6(3), 517-522.
ALSHAMMARI, N., & ALANAZI, S., 2021. The impact of using different annotation schemes on named entity recognition. Egyptian Informatics Journal, 22(3), 295-302.
ELWIREHARDJA, G. N., SUPARYANTO, T., DAN PARDAMEAN, B., 2023. Machine Learning Untuk Pemula. Yogyakarta : INSTIPER PRESS.
GAO, S., KOTEVSKA, O., SOROKINE, A., & CHRISTIAN, J. B., 2021. A pre-training and self-training approach for biomedical named entity recognition. PloS one, 16(2), e0246310.
KERAGHEL, I., MORBIEU, S., & NADIF, M., 2024. A survey on recent advances in named entity recognition. arXiv preprint arXiv:2401.10825.
KUMAR, D., CHOUDHARI, K., PATEL, P., PANDEY, S., HAJARE, A., & JANTE, S., 2022. STAT simple text annotation tool (STAT): Web-based tool for creating training data for spaCy models. In ICT Analysis and Applications (pp. 299-305). Springer Singapore.
KHADIR, ABDUL., 2023. Sistem Pendukung Keputusan. Sumatera Utara: PT. Mifandi Mandiri Digital.
KHAIRANI, D., BANGKIT, D. A., ROZI, N. F., MASRUROH, S. U., OKTAVIANA, S., & ROSYADI, T., 2022. Named-entity recognition and optical character recognition for detecting halal food ingredients: Indonesian case study. In 2022 10th International Conference on Cyber and IT Service Management (CITSM) (pp. 01-05). IEEE.
KANHAIYA, K., SHARMA, A. K., GAUTAM, K., & RATHORE, P. S., 2023. AI Enabled-Information Retrival Engine (AI-IRE) in Legal Services: An Expert-Annotated NLP for Legal Judgements. In 2023 Second International Conference on Augmented Intelligence and Sustainable Systems (ICAISS) (pp. 206-210). IEEE.
Laporan Approval Peremajaan Data Mandiri ASN Tahun 2022. Manado :Kantor Regional XI Badan Kepegawaian Negara.
MISHRA, A., SHEKHAR, S., SINGH, A. K., & CHAKRABORTY, A., 2019. Ocr-vqa: Visual question answering by reading text in images. In 2019 international conference on document analysis and recognition (ICDAR) (pp. 947-952). IEEE.
MOLLAH, A. F., MAJUMDER, N., BASU, S., & NASIPURI, M., 2011. Design of an optical character recognition system for camera-based handheld devices. arXiv preprint arXiv:1109.3317.
Peraturan Badan Kepegawaian Negara Nomor 7 Tahun 2023 tentang Sistem Informasi Aparatur Sipil Negara. Jakarta : Badan Kepegawaian Negara.
RAMDHANI, T. W., BUDI, I., & PURWANDARI, B., 2021. Optical character recognition engines performance comparison in information extraction. International Journal of Advanced Computer Science and Applications, 12(8).
ROYESH, A., & OLADEJI, O., 2024. Information Extraction: An application to the domain of hyper-local financial data on developing countries. arXiv preprint arXiv:2403.09077.
SITUMEANG, S., 2022. Impact of text preprocessing on named entity recognition based on conditional random field in Indonesian text. Jurnal Mantik, 6(1), 423-430.
SOMMERVILLE, I., 2011. Software Engineering. United States of America: Pearson Education, Inc
TAKANO, A., COLE, T. C., & KONAGAI, H., 2024. A novel automated label data extraction and data base generation system from herbarium specimen images using OCR and NER. Scientific Reports, 14(1), 112.
TARMIZI, S. A., & SAAD, S., 2022. NAMED ENTITY RECOGNITION FOR QURANIC TEXT USING RULE BASED APPROACHES. Asia-Pacific Journal of Information Technology & Multimedia, 11(2).
THOTTEMPUDI, S. G., 2021. A visual narrative of ramayana using extractive summarization topic modeling and named entity recognition. In CEUR Workshop Proc. (Vol. 2823, pp. 3-10).
TURBAN, E. AND ARONSON, J.E. and LIANG, T.P., 2005. Decision Support and Intelligrnt System. Pearson/Prentice Hall.
WAHYUDDIN, W., & HASIM, A., 2023. Aplikasi Ekstraksi Data Kartu Vaksin Berbasis Web Menggunakan Metode Ocr. Jurnal Sintaks Logika, 3(2), 53-57.
YULIANA, R.,2022. Integrasi Aplikasi dan Informasi, Jawa Barat: Widina Bhakti Persada Bandung.
ZHANG, Z., 2013. Named entity recognition: challenges in document annotation, gazetteer construction and disambiguation (Doctoral dissertation, University of Sheffield).
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Jurnal Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
