NICHOLAS, Farrel Samuel (2024) Prediksi Kategori Hukuman Tindak Pidana Berdasarkan Dokumen Riwayat Putusan Mahkamah Agung Menggunakan Hierarchical BERT dan LSTM. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (31kB)
	Text 2. HALAMAN PERNYATAAN KEASLIAN SKRIPSI.pdf Download (149kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (181kB)
	Text 4. KATA PENGANTAR.pdf Download (268kB)
	Text 6. ABSTRAK.pdf Download (8kB)
	Text 7. ABSTRACT.pdf Download (6kB)
	Text 8. DAFTAR ISI.pdf Download (401kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (25kB)
	Text 16. DAFTAR PUSTAKA.pdf Download (133kB)

Abstract

Pengambilan keputusan pada pengadilan tindak pidana di Indonesia didasarkan terhadap
undang-undang tertulis. Dokumen riwayat putusan pengadilan Mahkamah Agung dapat
menjadi instrumen hukum ketika terjadi kekosongan hukum, yaitu ketika tidak ada undang
undang tertulis yang dapat mengatur suatu kasus dalam pengadilan. Dokumen riwayat
putusan pengadilan Mahkamah Agung memiliki banyak bagian-bagian penting, sehingga
memerlukan cara efisien dalam pengkategorian hukuman. Permasalahan tersebut membuat
diperlukannya sebuah model untuk prediksi kategori hukuman tindak pidana. Penelitian
sebelumnya pernah mencoba menggunakan Word2vec dan berbagai algoritma deep learning
untuk membuat model prediksi. Penelitian ini kombinasi hierarchical BERT (Bidirectional
Encoder Representations from Transformers) dan model LSTM (Long Short-Term Memory)
untuk memprediksi kategori hukuman tindak pidana menjadi empat kategori, yaitu low,
moderate, heavy, dan very heavy. Eksperimen dilakukan dengan melatih dua model utama,
yaitu LSTM dan LSTM dengan Attention layer, menggunakan kombinasi model
hierarchical BERT serta hyperparameter optimization dengan grid search untuk
meningkatkan kinerja prediksi. Hasil penelitian menunjukkan bahwa implementasi model
pre-trained hierarchical BERT dan LSTM berhasil mencapai akurasi prediksi sebesar
58,1810%. Sementara itu, implementasi model pre-trained hierarchical BERT pada LSTM
dengan Attention layer berhasil meningkatkan akurasi prediksi menjadi 60,3655% yang
merupakan peningkatan sebesar 3,75% dari model LSTM. Penelitian ini juga memiliki
pengembangan yang dapat dilakukan kedepannya yaitu dengan melakukan fine-tuning pada
model pre-trained hierarchical BERT.
Kata kunci: Dokumen Riwayat Putusan Pengadilan, Prediksi, Kategori Hukuman,
Hierarchical BERT, LSTM, Attention.

Actions (login required)

View Item