Deep Learning Untuk Entity Matching Produk Kamera Antar Online Store Menggunakan DeepMatcher

Abstract

Dalam bidang ilmu Computer Science, Entity Matching telah menjadi tantangan tersendiri bagi beberapa peneliti. Beberapa berusaha mengembangkan algoritma entitiy matching untuk meningkatkan akurasi. Penelitian ini akan menguji DeepMatcher sebagai representasi Entity Matching yang menggunakan Deep Learning dengan melakukan pencocokan entitas terhadap studi kasus pencocokan produk kamera pada dua online store menggunakan empat algoritma pemelajaran berbeda yang dimiliki oleh DeepMatcher yakni Smooth Inverse Frequency, Bidirectional RNN, Decomposable Attention Model, dan Hybrid Model. Dengan membangun dataset dan model pemelajaran, DeepMatcher dapat melakukan pencocokan secara mandiri pada data yang belum dimasukkan sebelumnya. Hasil pencocokan tersebut akan diukur menggunakan f-measure untuk kemudian dianalisa kehandalannya. Hasil pengujian menunjukkan bahwa janis pemelajaran pada DeepMatcher yang paling cocok untuk digunakan dalam melakukan entity matching pada produk kamera antar online store adalah Bidirectional RNN dengan rata-rata skor F1 yang dihasilkan adalah 61,546