IMPLEMENTASI FEW-SHOT LEARNING UNTUK PREDIKSI KALIMAT SOLUSI DARI MASALAH PADA ARTIKEL ILMIAH MENGGUNAKAN MODEL LARGE LANGUAGE MODELS (LLM) Unissula Repository

AZIZAH, EKA NURUL (2025) IMPLEMENTASI FEW-SHOT LEARNING UNTUK PREDIKSI KALIMAT SOLUSI DARI MASALAH PADA ARTIKEL ILMIAH MENGGUNAKAN MODEL LARGE LANGUAGE MODELS (LLM). Undergraduate thesis, Universitas Islam Sultan Agung.

	Text Teknik Informatika_32602100040_pernyataan_publikasi.pdf Restricted to Registered users only \| Download (224kB)
	Text Teknik Informatika_32602100040_fullpdf.pdf \| Download (1MB)

Abstract

Pesatnya pertumbuhan jumlah artikel ilmiah menghadirkan tantangan baru dalam mengekstraksi informasi yang relevan, khususnya dalam mengidentifikasi hubungan antara permasalahan dan solusinya. Penelitian ini bertujuan untuk mengembangkan model prediksi solusi menggunakan Large Language Model (LLM) dengan pendekatan Few-shot Learning Learning Learning. Model yang diterapkan adalah Llama 3.2, yang telah disesuaikan dengan dataset hasil ekstraksi dari 100 artikel ilmiah, diklasifikasikan ke dalam empat kategori utama: Problem-Solution, Tantangan-Jawaban, Peluang-Jawaban, dan Kelemahan-Peningkatan. Proses pengolahan data mencakup tahapan pre-processing, seperti case folding, tokenizing, filtering, dan stemming, guna meningkatkan kualitas data sebelum model dilatih. Evaluasi model dilakukan menggunakan metrik ROUGE untuk menilai akurasi prediksi solusi yang dihasilkan. Hasil penelitian menunjukkan bahwa pendekatan Few-shot Learning Learning Learning mampu mengenali pola hubungan masalah-solusi dengan lebih efektif dibandingkan metode konvensional. Selain itu, sistem berbasis website juga dikembangkan untuk mempermudah akses dan pemanfaatan model oleh mahasiswa dalam menyelesaikan tugas akhir. Walaupun model menunjukkan kinerja yang baik, tantangan dalam menangani pertanyaan yang berbeda jauh dari contoh yang diberikan masih menjadi kendala yang perlu disempurnakan dalam penelitian mendatang. Kata Kunci: Few-shot Learning, Large Language Model, Llama 3.2, Prediksi Solusi, ROUGE, Artikel Ilmiah

Dosen Pembimbing:	Farisa, Sam \| UNSPECIFIED
Item Type:	Thesis (Undergraduate)
Subjects:	Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Mahasiswa FTI - Skripsi Teknik Informatika
Depositing User:	Pustakawan 4 UNISSULA
Date Deposited:	27 Aug 2025 02:28
URI:	https://repository.unissula.ac.id/id/eprint/40944

Actions (login required)

View Item