Melola Discovery

← Melola Discovery

Open access Jurnal SINTA 2

Comparing text classification algorithms with n-grams for mediation prediction

IJCCS (Indonesian Journal of Computing and Cybernetics Systems) · Vol. 18 No. 2 (2024)

DOI
10.22146/ijccs.93929
ISSN
2460-7258, 1978-1520
Published
2024-04-30
Publisher
IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.
Language
eng
License
creativecommons.org/licenses/by-sa/4.0

Abstract

Tingkat keberhasilan mediasi perkara perdata di pengadilan negeri dari tahun ke tahun sangat rendah dan menyebabkan penumpukan perkara yang harus ditangani dengan persidangan. Sementara itu, pendaftaran perkara baru dengan klasifikasi perkara serupa terus bermunculan dan wajib dimediasi. Penelitian ini dilakukan dengan memanfaatkan data mediasi perkara terdahulu sebagai dataset untuk memprediksi hasil mediasi perkara baru. Ketika n-gram digunakan pada dataset yang telah di-preprocessing, hanya ditemukan nilai pada unigram (n=1). Pada penerapan model menggunakan algoritma machine learning, dihasilkan akurasi yang sama sebesar 0.6875 pada Algoritma Naïve Bayes, Logistic Regression dan Support Vector Machine (SVM), sedangkan algoritma Decision tree menghasilkan akurasi paling rendah sebesar 0,375. Rendahnya nilai dikarenakan Decision Tree lebih cenderung overfit untuk digunakan dengan teks berbahasa Indonesia. Pola kalimat formal pada dokumen mediasi berbahasa Indonesia tidak memenuhi unsur – unsur kata majemuk, imbuhan, variasi susunan kata, dan semantik leksikal. Untuk penelitian selanjutnya direkomendasikan penggunaan algoritma klasifikasi lain, pemanfaataannya pada dokumen – dokumen lain seperti putusan pengadilan, penentuan rangking mediator berdasarkan keberhasilan mediasi serta implementasi model pada aplikasi e-mediasi yang terintegrasi dengan sistem informasi manajemen perkara

Keywords

Collaboration network of the authors

22 authors · 44 co-authorship links · 15 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Universitas Amikom Yogyakarta
  • Universitas Gadjah Mada
  • Universidad de Murcia
  • Hellenic Open University
  • Universitas Insan Mahardika
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Arief SetyantoUniversitas Amikom Yogyakarta2
Rodrigo Martínez‐BéjarUniversidad de Murcia2
I Made Artha AgastyaUniversitas Amikom Yogyakarta2
Risna SariUniversitas Amikom Yogyakarta1
Tonny HidayatUniversitas Amikom Yogyakarta1
Theofanis G. OrphanoudakisHellenic Open University1
Ariel Yonatan AlinUniversitas Amikom Yogyakarta1
Kumara Ari YuanaUniversitas Amikom Yogyakarta1
Agus HarjokoUniversitas Gadjah Mada1
Retantyo WardoyoUniversitas Gadjah Mada1
Sri T. HartatiUniversitas Gadjah Mada1
Andi SunyotoUniversitas Amikom Yogyakarta1
Ade PujiantoUniversitas Amikom Yogyakarta1
Ema UtamiUniversitas Amikom Yogyakarta1
Mardi Siswo UtomoAffiliation unknown1
Hanif Al FattaUniversitas Amikom Yogyakarta1
Muhammad Resa Arif YudiantoUniversitas Amikom Yogyakarta1
Alba Puelles LópezUniversidad de Murcia1
Mohamad FirdausUniversitas Insan Mahardika1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://journal.ugm.ac.id/ijccs/oai, first harvested 26 Okt 2026, last seen 26 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Comparing text classification algorithms with n-grams for mediation prediction</dc:title>
	<dc:creator>Lewu, Retzi Y.</dc:creator>
	<dc:creator>Kusrini, Kusrini</dc:creator>
	<dc:creator>Yaqin, Ainul</dc:creator>
	<dc:subject xml:lang="en-US">Machine Learning; Data Science; Prediction; NLP</dc:subject>
	<dc:subject xml:lang="en-US">Algoritma Klasifikasi Teks, N-gram, Prediksi hasil mediasi</dc:subject>
	<dc:description xml:lang="en-US">Tingkat keberhasilan mediasi perkara perdata di pengadilan negeri dari tahun ke tahun sangat rendah dan menyebabkan penumpukan perkara yang harus ditangani dengan persidangan. Sementara itu, pendaftaran perkara baru dengan klasifikasi perkara serupa terus bermunculan dan wajib dimediasi. Penelitian ini dilakukan dengan memanfaatkan data mediasi perkara terdahulu sebagai dataset untuk memprediksi hasil mediasi perkara baru. Ketika n-gram digunakan pada dataset yang telah di-preprocessing, hanya ditemukan nilai pada unigram (n=1). Pada penerapan model menggunakan algoritma machine learning, dihasilkan akurasi yang sama sebesar 0.6875 pada Algoritma Naïve Bayes, Logistic Regression dan Support Vector Machine (SVM), sedangkan algoritma Decision tree menghasilkan akurasi paling rendah sebesar 0,375. Rendahnya nilai dikarenakan Decision Tree lebih cenderung overfit untuk digunakan dengan teks berbahasa Indonesia. Pola kalimat formal pada dokumen mediasi berbahasa Indonesia tidak memenuhi unsur – unsur kata majemuk, imbuhan, variasi susunan kata, dan semantik leksikal. Untuk penelitian selanjutnya direkomendasikan penggunaan algoritma klasifikasi lain, pemanfaataannya pada dokumen – dokumen lain seperti putusan pengadilan, penentuan rangking mediator berdasarkan keberhasilan mediasi serta implementasi model pada aplikasi e-mediasi yang terintegrasi dengan sistem informasi manajemen perkara</dc:description>
	<dc:publisher xml:lang="en-US">IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.</dc:publisher>
	<dc:contributor xml:lang="en-US"></dc:contributor>
	<dc:date>2024-04-30</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US"></dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.ugm.ac.id/ijccs/article/view/93929</dc:identifier>
	<dc:identifier>10.22146/ijccs.93929</dc:identifier>
	<dc:source xml:lang="en-US">IJCCS (Indonesian Journal of Computing and Cybernetics Systems); Vol 18, No 2 (2024): April</dc:source>
	<dc:source>2460-7258</dc:source>
	<dc:source>1978-1520</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.ugm.ac.id/ijccs/article/view/93929/39110</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2024 IJCCS (Indonesian Journal of Computing and Cybernetics Systems)</dc:rights>
	<dc:rights xml:lang="en-US">http://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>