PELABELAN KATA DALAM BAHASA INDONESIA MENGGUNAKAN ALGORITMA VITERBI
Total View This Week0
Total View This Week0
Institusion
Universitas Kristen Duta Wacana
Author
71140106, Steishy Mega Johanis
Subject
PL Languages and literatures of Eastern Asia, Africa, Oceania
Datestamp
2021-06-23 02:30:36
Abstract :
Kelas kata atau Part-of-Speech Tagging (POS Tagging) merupakan proses pemberian label kelas kata secara otomatis pada suatu kata dalam kalimat. Tujuan dari perancangan sistem ini adalah untuk membantu proses POS Tagging terhadap dokumen Bahasa Indonesia. Pemberian label kata dapat dilakukan dengan berbagai metode, yaitu metode berbasis aturan, metode statistik, dan metode transformation based learning. Pada penelitian ini, penulis menggunakan algoritma viterbi untuk membedakan 8 kelas kata yaitu kelas kata kerja, kelas kata keterangan, kelas kata sifat, kelas kata benda, kelas kata numeralia, kelas kata verba, kelas kata partikel, kelas kata nomina, kelas kata pronomina, kelas kata possessive pronoun atau kepemilikan benda dan tanda baca. Preprocessing dalam penelitian ini menggunakan normalisasi dan tokenisasi. Proses pemberian kelas kata menggunakan algoritma viterbi. Hasil output sistem berupa kata yang telah diberikan tag sesuai dengan kelas katanya. Hasil menunjukan rata-rata pesisi sebesar 71,9% dan akurasi sebesar 71,7%. Kelemahan sistem adalah beberapa hasil tag belum sesuai dengan makna kalimat karna sistem mengikuti path tag sebelumnya dari data latih.
Kelas kata atau Part-of-Speech Tagging (POS Tagging) merupakan proses pemberian label kelas kata secara otomatis pada suatu kata dalam kalimat. Tujuan dari perancangan sistem ini adalah untuk membantu proses POS Tagging terhadap dokumen Bahasa Indonesia. Pemberian label kata dapat dilakukan dengan berbagai metode, yaitu metode berbasis aturan, metode statistik, dan metode transformation based learning. Pada penelitian ini, penulis menggunakan algoritma viterbi untuk membedakan 8 kelas kata yaitu kelas kata kerja, kelas kata keterangan, kelas kata sifat, kelas kata benda, kelas kata numeralia, kelas kata verba, kelas kata partikel, kelas kata nomina, kelas kata pronomina, kelas kata possessive pronoun atau kepemilikan benda dan tanda baca. Preprocessing dalam penelitian ini menggunakan normalisasi dan tokenisasi. Proses pemberian kelas kata menggunakan algoritma viterbi. Hasil output sistem berupa kata yang telah diberikan tag sesuai dengan kelas katanya. Hasil menunjukan rata-rata pesisi sebesar 71,9% dan akurasi sebesar 71,7%. Kelemahan sistem adalah beberapa hasil tag belum sesuai dengan makna kalimat karna sistem mengikuti path tag sebelumnya dari data latih.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
