Integrasi Data Tempat Makan BPJPH dan Google Maps Menggunakan Algoritma Bidirectional Recurrent Neural Networks

Islammia, Salsa Putri (2023) Integrasi Data Tempat Makan BPJPH dan Google Maps Menggunakan Algoritma Bidirectional Recurrent Neural Networks. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05211940000064-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (2MB) | Request a copy

Abstract

Indonesia merupakan negara dengan jumlah penduduk muslim terbesar di dunia. Sehingga penting bagi masyarakat muslim Indonesia untuk mengetahui apakah tempat makan yang dikunjungi telah menyajikan menu yang halal. Oleh karena itu, pemerintah Republik Indonesia mendirikan Badan Penyelenggara Jaminan Produk Halal (BPJPH) sebagai penjamin status halal produk yang masuk, beredar, dan diperdagangkan di Indonesia. Namun, pada kenyataannya tempat makan di Indonesia masih banyak yang belum memiliki sertifikat halal. Untuk menyelesaikan permasalahan tersebut, terdapat beberapa solusi yang mampu membantu masyarakat dalam menemukan tempat makan sesuai preferensinya, baik yang telah bersertifikat halal maupun informasi yang bermanfaat lainnya. Namun, belum ada yang mengakomodasi kedua jenis informasi tersebut dalam satu wadah. Sehingga informasi yang tersaji dalam solusi-solusi tersebut belum terhimpun dan belum dapat memastikan apakah tempat makan yang telah terdaftar halal oleh BPJPH merupakan tempat makan yang sama dengan tempat makan yang ada di sumber lain. Oleh karena itu, dibutuhkan integrasi data untuk dapat menghasilkan informasi lebih luas dan memastikan kecocokan tempat makan di beberapa sumber data berbeda. Teknik integrasi data pada tugas akhir ini menggunakan indeks jaccard, prefix filtering, dan size filtering untuk menggabungkan 2 sumber data tempat makan di Surabaya dari BPJPH dan Google Maps. Kedua data tersebut didapatkan dengan cara mengajukan permintaan data pada BPJPH dan crawling Google Maps menggunakan Botsol Crawler. Kemudian, kedua data dibersihkan melalui beberapa tahap preprocessing dan disamakan kolomnya, yaitu menjadi kolom nama dan kolom alamat. Setelah data digabungkan, setiap pasangan data yang dihasilkan diberi label 1 untuk pasangan cocok dan 0 untuk pasangan tidak cocok. Hasil pencocokan terbaik didapat dari pencocokan menggunakan indeks jaccard tanpa blocking karena menghasilkan pasangan cocok paling banyak, yaitu 155 baris. Selain itu, dilakukan juga penanganan data yang tidak seimbang menggunakan metode undersampling. Kemudian pembuatan model dilakukan menggunakan pustaka deepmatcher dengan algoritma BRNN. Pelatihan model dilakukan dengan beberapa skenario pengubahan parameter, seperti epoch, batch size, dan pos_neg_ratio untuk mendapat metrik terbaik. Pelatihan, evaluasi, dan pengujian model dinilai menggunakan precision, recall, dan f1-score. Hasil pelatihan dan evaluasi terbaik didapat dari percobaan menggunakan data hasil pencocokan indeks jaccard yang dilakukan metode undersampling 3:1 dengan parameter epoch 20, batch size 8, dan pos_neg_ratio 3.

=================================================================================================

Indonesia is a country with the largest Muslim population in the world. So it's important for Indonesian Muslim to know whether the places to eat that are visited serve halal menus. Therefore, the government of the Republic of Indonesia established the Halal Product Guarantee Agency (BPJPH) as a guarantor for the halal status of products that enter, circulate and trade in Indonesia. However, in reality there are still many places to eat in Indonesia that don't have a halal certificate. There are several solutions that can help people find places to eat according to their preferences, both those that are halal certified and other useful information. However, no one has yet accommodated both types of information in one container. So that the information presented in these solutions has not been collected and it cannot be ascertained whether the places to eat that have been registered as halal by BPJPH are the same places to eat as places to eat in other sources. Data integration is needed to be able to produce broader information and ensure the compatibility of places to eat in several different data sources. The data integration technique in this final project uses the jaccard index, prefix filtering, and size filtering to combine 2 data sources for places to eat in Surabaya from BPJPH and Google Maps. Both of these data were obtained by submitting a data request to BPJPH and crawling Google Maps using the Botsol Crawler. The two data were cleaned through several preprocessing stages and the columns were equalized, namely into name and address. After the data is combined, each pair is labeled 1 for matched pairs and 0 for unmatched pairs. The best matching results are obtained from matching using the jaccard index without blocking because it produces the most matched pairs, namely 155 rows. In addition, imbalanced data handling is also carried out using the undersampling method. Then modeling is done using the deepmatcher library with the BRNN algorithm. Model training is carried out with several parameter change scenarios, such as epoch, batch size, and pos_neg_ratio. Model training, evaluation, and testing are assessed using precision, recall, and f1-score. The best training and evaluation results were obtained from experiments using data from the results of matching the jaccard index using the 3:1 undersampling method with parameters of epoch 20, batch size 8, and pos_neg_ratio 3.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Bidirectional Recurrent Neural Networks, Halal, Integrasi Data, Tempat Makan, Bidirectional Recurrent Neural Networks, Data Integration, Food Places, Halal.
Subjects:	Q Science > QA Mathematics > QA76.9D338 Data integration
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Salsa Putri Islammia
Date Deposited:	27 Jul 2023 02:58
Last Modified:	27 Jul 2023 02:58
URI:	http://repository.its.ac.id/id/eprint/99514

Actions (login required)

View Item