UBUB
Jurnal Teknologi Informasi dan Ilmu KomputerJurnal Teknologi Informasi dan Ilmu KomputerKalimat dalam bahasa Indonesia dapat diklasifikasikan menjadi dua jenis, yaitu kalimat baku dan tidak baku. Kalimat baku digunakan sebagai bahasa resmi dalam acara formal, sementara kalimat tidak baku umum ditemukan dalam komunikasi sehari-hari. Perkembangan teknologi digital turut mendorong pergeseran penggunaan bahasa, sehingga banyak kalimat tidak baku muncul dalam konteks formal. Penelitian ini bertujuan untuk meningkatkan akurasi model klasifikasi kalimat baku dan tidak baku berbahasa Indonesia. Metode yang digunakan adalah supervised learning dengan Support Vector Machine (SVM) menggunakan dataset berjumlah 2.000 kalimat. Peningkatan akurasi dilakukan melalui TF-IDF Vectorizer dan augmentasi data. Hasil penelitian menunjukkan bahwa sebelum improvisasi, akurasi model mencapai 98.6% dengan total empat kesalahan klasifikasi pada kalimat baku pendek dan ambigu. Setelah improvisasi, akurasi meningkat menjadi 99.3%, dengan jumlah kesalahan total menurun menjadi tiga. Kebaruan penelitian ini terletak pada fokus klasifikasi kalimat baku dan tidak baku dalam konteks bahasa Indonesia, yang masih jarang dieksplorasi. Kontribusinya adalah menyediakan model yang dapat menjadi dasar aplikasi pemeriksa tata bahasa atau sistem penyaringan teks formal. Namun, penelitian ini memiliki keterbatasan pada augmentasi data yang masih dilakukan secara manual. Penelitian selanjutnya diharapkan dapat mengembangkan sistem augmentasi otomatis serta menambah jumlah dataset untuk meningkatkan generalisasi model dan penerapan lebih luas dalam NLP Indonesia.
Penelitian ini menunjukkan bahwa Support Vector Machine (SVM) dengan kombinasi TF-IDF Vectorizer dan augmentasi data berhasil mencapai akurasi tinggi sebesar 99.3% dalam klasifikasi kalimat baku dan tidak baku Bahasa Indonesia, membuktikan efektivitas dan efisiensi komputasi pendekatan ini.Meskipun penggunaan TF-IDF signifikan dalam mengurangi False Positives, masih terdapat peningkatan kecil pada False Negatives, terutama pada kalimat ambigu.Untuk mengatasi keterbatasan augmentasi manual dan meningkatkan generalisasi, penelitian mendatang sangat disarankan untuk mengembangkan dan memanfaatkan metode augmentasi otomatis berbasis Natural Language Processing (NLP), seperti penggunaan transformer atau algoritma generatif.
Penelitian ini telah berhasil menunjukkan efektivitas Support Vector Machine (SVM) dalam mengklasifikasikan kalimat baku dan tidak baku Bahasa Indonesia, terutama dengan bantuan TF-IDF dan augmentasi data manual. Namun, masih terdapat celah, khususnya dalam penanganan kalimat baku yang pendek dan ambigu, serta keterbatasan pada proses augmentasi manual. Untuk penelitian selanjutnya, ada beberapa arah yang dapat dieksplorasi guna memperkaya pemahaman dan meningkatkan kinerja model secara lebih menyeluruh. Pertama, sangat penting untuk menyelidiki bagaimana sistem augmentasi data otomatis dapat dirancang dan diimplementasikan. Sistem ini tidak hanya bertujuan untuk menambah volume data, tetapi juga untuk menghasilkan variasi kalimat baku yang lebih kompleks dan bernuansa, termasuk gaya puitis atau ungkapan filosofis, yang saat ini masih sulit dibedakan oleh model. Ini bisa melibatkan eksplorasi teknik augmentasi berbasis model generatif atau penggantian kata yang peka konteks, sehingga model dapat belajar dari pola yang lebih luas tanpa campur tangan manual yang intensif. Kedua, mengingat keterbatasan ukuran dataset dalam penelitian ini, studi lanjutan harus fokus pada pengembangan dan penggunaan dataset yang jauh lebih besar dan representatif. Penelitian dapat menguji bagaimana model bereaksi terhadap keragaman bahasa yang lebih luas dari berbagai sumber, seperti media massa, literatur, dan interaksi digital yang lebih beragam, untuk memastikan generalisasi model yang lebih kuat terhadap pola bahasa Indonesia yang terus berkembang. Terakhir, meskipun SVM menunjukkan hasil yang baik, penting untuk mengeksplorasi bagaimana model pembelajaran mendalam (deep learning), seperti arsitektur Transformer, dapat diaplikasikan atau diintegrasikan dengan SVM. Studi ini dapat menguji apakah kemampuan model deep learning dalam menangkap hubungan kontekstual yang lebih dalam mampu mengatasi ambiguitas yang menjadi tantangan utama, serta apakah kombinasi kedua pendekatan tersebut dapat menghasilkan solusi klasifikasi yang lebih robust dan akurat untuk berbagai skenario penggunaan.
- Detection of SQL Injection Attack Using Machine Learning Based On Natural Language Processing | Triloka... doi.org/10.29099/ijair.v6i2.355Detection of SQL Injection Attack Using Machine Learning Based On Natural Language Processing Triloka doi 10 29099 ijair v6i2 355
- Arsitektur Sistem Percakapan Otomatis Berbahasa Indonesia dengan Normalisasi Bahasa Informal Menjadi... jtiik.ub.ac.id/index.php/jtiik/article/view/7984Arsitektur Sistem Percakapan Otomatis Berbahasa Indonesia dengan Normalisasi Bahasa Informal Menjadi jtiik ub ac index php jtiik article view 7984
| File size | 563.33 KB |
| Pages | 10 |
| DMCA | Report |
Related /
UBUB Deteksi dini sangat penting karena gejala awal sering tidak dikenali atau diabaikan. Penelitian ini mengusulkan sistem deteksi dini depresi berbasis kecerdasanDeteksi dini sangat penting karena gejala awal sering tidak dikenali atau diabaikan. Penelitian ini mengusulkan sistem deteksi dini depresi berbasis kecerdasan
UBUB Model SARIMA menunjukkan performa terbaik dalam prediksi suhu bulanan dengan akurasi tinggi. Korelasi negatif antara suhu dan kelembapan/tekanan udara,Model SARIMA menunjukkan performa terbaik dalam prediksi suhu bulanan dengan akurasi tinggi. Korelasi negatif antara suhu dan kelembapan/tekanan udara,
UBUB Hasil dari eksperimen dan pengujian komparatif yang dilakukan menunjukkan bahwa model stacking ensemble memiliki kinerja yang paling tinggi dengan nilaiHasil dari eksperimen dan pengujian komparatif yang dilakukan menunjukkan bahwa model stacking ensemble memiliki kinerja yang paling tinggi dengan nilai
UKRIMUKRIM Menurut WHO, sekitar 18 juta orang mengalami kebutaan akibat katarak, menjadikannya salah satu penyebab utama kebutaan secara global. Penelitian ini bertujuanMenurut WHO, sekitar 18 juta orang mengalami kebutaan akibat katarak, menjadikannya salah satu penyebab utama kebutaan secara global. Penelitian ini bertujuan
AMNUS BJMAMNUS BJM Namun, penelitian ini menunjukkan bahwa subtitle tidak berpengaruh pada kosa kata siswa karena film hanya ditonton sekali. Mungkin, saat ini, menontonNamun, penelitian ini menunjukkan bahwa subtitle tidak berpengaruh pada kosa kata siswa karena film hanya ditonton sekali. Mungkin, saat ini, menonton
JURNALEQUIVALENTJURNALEQUIVALENT Nilai tersebut menunjukkan kemampuan model yang baik dalam mengidentifikasi dan membedakan kondisi gigi yang diuji. Kesimpulan: Sistem deteksi masalahNilai tersebut menunjukkan kemampuan model yang baik dalam mengidentifikasi dan membedakan kondisi gigi yang diuji. Kesimpulan: Sistem deteksi masalah
SHANTIBHUANASHANTIBHUANA Kesesuaian ini mencapai 79,1% dari standar minimum yang ditetapkan dalam Permendiknas No. Standar tersebut mencakup aspek-aspek penting seperti ruang laboratorium,Kesesuaian ini mencapai 79,1% dari standar minimum yang ditetapkan dalam Permendiknas No. Standar tersebut mencakup aspek-aspek penting seperti ruang laboratorium,
UM MetroUM Metro Ada lima tahap dalam model ADDIE; analisis, desain, pengembangan, implementasi, dan evaluasi. Penilaian terhadap video animasi oleh ahli media dan ahliAda lima tahap dalam model ADDIE; analisis, desain, pengembangan, implementasi, dan evaluasi. Penilaian terhadap video animasi oleh ahli media dan ahli
Useful /
UBUB Hasil evaluasi menunjukkan DQN mencapai akurasi tertinggi pada pendekatan DRL (89–92%), namun secara keseluruhan model supervised learning seperti RandomHasil evaluasi menunjukkan DQN mencapai akurasi tertinggi pada pendekatan DRL (89–92%), namun secara keseluruhan model supervised learning seperti Random
UBUB Kota Gorontalo merupakan salah satu wilayah yang rentan terhadap bencana banjir akibat kondisi hidrologis yang dilalui oleh beberapa sungai besar. DataKota Gorontalo merupakan salah satu wilayah yang rentan terhadap bencana banjir akibat kondisi hidrologis yang dilalui oleh beberapa sungai besar. Data
AMNUS BJMAMNUS BJM Oleh karena itu, penelitian ini bertujuan untuk menganalisis keselamatan pelayaran kapal penumpang KM Thalia rute Pare-pare-Nunukan. Proses pemeliharaanOleh karena itu, penelitian ini bertujuan untuk menganalisis keselamatan pelayaran kapal penumpang KM Thalia rute Pare-pare-Nunukan. Proses pemeliharaan
AMNUS BJMAMNUS BJM PT. PULAU SEROJA JAYA Banjarmasin, perusahaan ini merupakan penyedia jasa logistik yang memberikan pelayanan jasa pergudangan. Jasa logistik terdiri atasPT. PULAU SEROJA JAYA Banjarmasin, perusahaan ini merupakan penyedia jasa logistik yang memberikan pelayanan jasa pergudangan. Jasa logistik terdiri atas