Call Number | T-1286 (Softcopy T-994) Mak T-85 |
Collection Type | Tesis |
Title | Prediksi Masa Hukuman Pidana Dengan Memanfaatkan Dokumen Putusan Terdahulu Menggunakan Pendekatan Convolutional Neural Network Dan Attention Mechanism |
Author | Eka Qadri Nuranti B; |
Publisher | Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2021 |
Subject | |
Location | FASILKOM-UI; |
Nomor Panggil | ID Koleksi | Status |
---|---|---|
T-1286 (Softcopy T-994) Mak T-85 | TERSEDIA |
ABSTRAK Nama : Eka Qadri Nuranti B Program Studi : Magister Ilmu Komputer Judul : Prediksi Kategori Dan Masa Hukuman Pidana Dengan Memanfaatkan Dokumen Putusan Terdahulu Menggunakan Pendekatan Convolutional Neural Network Dan Attention Mechanism Pembimbing : Evi Yulianti, M.Kom., M.Comp, Ph.D. Pertumbuhan dokumen putusan pengadilan sangat pesat, setiap bulannya bertambah hingga kurang lebih sebanyak 100.000 dokumen dan 94% diantaranya merupakan putusan pengadilan tingkat pertama. Meskipun sistem hukum Indonesia menganut sistem civil law yang mengutamakan perundang-undangan sebagai sumber hukum, namun salah satu sumber pertimbangan hukum dapat bersumber dari putusan hakim terdahulu (yurisprudensi). Oleh karena pertumbuhan dan kebermanfaatan yurisprudensi dalam memutuskan suatu perkara, sangat sulit menemukan informasi atau memanfaatkan dokumen yang bersesuaian dengan kasus yang dihadapi. Penelitian ini melakukan suatu prediksi masa hukuman putusan pengadilan tingkat pertama dengan memanfaatkan yurisprudensi menggunakan Multi-Level Learning CNN+Attention. Hasil dari eksperimen ini mendapatkan kombinasi fitur terbaik yang diperoleh dari dokumen yaitu dengan menggunakan fitur informasi dari riwayat_tuntutan, fakta, fakta_hukum, dan pertimbangan_hukum. Prediksi dilakukan dengan cara category prediction dan regresion prediction. Pada category prediction membuktikan bahwa model MultiLevel CNN+Attention mendapatkan akurasi yang lebih baik dibandingkan model deep learning lainnya yaitu sebesar 77.32%. Untuk regresion prediction menunjukkan bahwa label amar putusan representasi tahun menghasilkan R2-Score lebih baik dibanding representasi hari dan bulan dengan peningkatan sebesar 28.51% dan 25.62%. Kata Kunci: attention mechanism, convolutional neural network, dokumen legal, y