Hasil Pencarian  ::  Simpan CSV :: Kembali

"Laporan magang ini membahas tentang analisis atas kesesuaian aktivitas pengendalian risiko pada tingkat entitas PT JZZ . Analisis dilakukan dengan cara memetakan ulang (re-mapping) dan membandingkan kesesuaian aktivitas pengendalian risiko tingkat entitas terhadap The Committe of SponsoringOrganization of the Treadway Commission (COSO) Integrated Framework 2013.Hasil analisis menunjukan bahwa aktivitas pengendalian risiko tingkat entitasmilik PT JZZ cukup bagus, tetapi masih menggunakan pedoman COSO Integrated Framework 1992 sehingga diperlukan perbaikan.

---

This internship report discusses about the analysis of suitability of risk control at the entity level in PT JZZ. The analysis is carried out by re-mapping and

comparing the suitabilty of risk control activities at entity level to The Committe

of Sponsoring Organization of the Treadway Commission (COSO) Integrated

Framework 2013. The analysis result show that PT JZZ’s entity level risk control

activities is fairly good, but still use the COSO Integrated Framework 1992, so it

needs some improvement."

"Pengenalan Entitas Bernama (NER) telah diteliti cukup dalam, khususnya pada korpus berbahasa Inggris. Namun, penelitian NER pada korpus twit berbahasa Indonesia masih sangat sedikit karena minimnya dataset yang tersedia secara publik. BERT sebagai salah satu model state-of-the-art pada permasalahan NER belum diimplementasikan pada korpus twit berbahasa Indonesia. Kontribusi kami pada penelitian ini adalah mengembangkan dataset NER baru pada korpus twit berbahasa Indonesia sebanyak 7.426 twit, serta melakukan eksperimen pada model CRF dan BERT pada dataset tersebut. Pada akhirnya, model terbaik pada penelitian ini menghasilkan nilai F1 72,35% pada evaluasi tingkat token, serta nilai F1 79,27% (partial match) dan 75,40% (exact match) pada evaluasi tingkat entitas.

---

Named Entity Recognition (NER) has been extensively researched, primarily for understanding the English corpus. However, there has been very little NER research for understanding Indonesian-language tweet corpus due to the lack of publicly available datasets. As one of the state-of-the-art models in NER, BERT has not yet been implemented in the Indonesian-language tweet corpus. Our contribution to this research is to develop a new NER dataset on the corpus of 7.426 Indonesian-language tweets and to conduct experiments on the CRF and BERT models on the dataset. In the end, the best model of this research resulted in an F1 score of 72,35% at the token level evaluation and an F1 score of 79,27% (partial match) and 75,40% (exact match) at the entity level evaluation."