Perbandingan Tipe Metode PoS Tagger Terhadap Nilai Akurasi Untuk Bahasa Melayu Pontianak

Authors

  • Ade Sumoko Universitas Tanjungpura
  • Arif Bijaksana Putra Negara Universitas Tanjungpura
  • Helen Sasty Pratiwi Universitas Tanjungpura

DOI:

https://doi.org/10.26418/justin.v9i3.44116

Keywords:

PoS Tagger, Bahasa Melayu Pontianak, Metode PoS Tagger, Nilai Akurasi, Hidden Markov Model

Abstract

Metode PoS Tagger adalah metode yang digunakan sebagai acuan untuk melakukan tagging pos secara langsung sesuai dengan data uji yang dan data latih yang telah dilakukan pengujian untuk mendeteksi seberapa akurat metode pos tagger tersebut dalam melakukan tagging, yang dimana hal ini lakukan pengecekan dengan data tagging secara manual untuk melihat kearutan dari metode tersebut. Data kalimat teks korpus yang digunakan sebanyak 1500 kalimat bahasa Melayu Pontianak yang dimana kalimat teks digunakan dalam penelitian ini sebagai kalimat latih maupun kalimat uji. Penelitian ini melakukan pengembangan korpus yang awalnya berjumlah 500 kalimat menjadi 1500 kalimat, dan pengembangan tag PoS yang menggunakan data tag PoS dari penelitian lainnya kemudian hasil dari analisa penelitian ini adalah mendapatkan nilai akurasi dari setiap metode PoS tagger.

References

Abd Wahab Syahroni, Joan Santoso, Endang Setyati. (2017, Agustus 10). Pendekatan Rule Handmade untuk Menentukan Klausa Bahasa Indonesia. Konferensi Nasional Sistem & Informatika 2017.

Abney, S. P. (1991). Parsing By Chunks, In Robert Berwick, Steven Abney, and Carol Tenny (eds). Kluwer Academic Publishers.

Adriani, M. 2009. Developing Postag for Bahasa Indonesia. PAN Localization Project. Universitas Indonesia.

Arry Akhmad Arman, A. B. (2013). Syntatic Phrase Chunking for Indonesian Language. Bandung: Institut Teknologi Bandung.

Atwell, C. B. (2007). Corpus-Based Evaluation of Prosodic Phrase Break Prediction Using nltk_lite's Chunk Parser to Detect Prosodic Phrase Boundaries in the Aix-MARSEC Corpus of Spoken English. Corpus Linguistics Conference 2007. United Kingdom: University of Birmingham.

Christianti M, V.; Pragantha, J.; dan Victor. 2016. Part-of-Speech Tagging untuk Bahasa Indonesia Menggunakan Stanford POS-Tagging. Jakarta: Universitas Tarumanegara.

Fitriawati, Lia Suci. 2020. Implementasi Text To Speech Pada Website Menggunakan Metode Shallow Parsing. Pontianak: Universitas Tanjungpura.

Fitri, M. 2013. Perancangan Sistem Temu Balik Informasi dengan Metode Pembobotan Kombinasi TF-IDF untuk Pencarian Dokumen Berbahasa Indonesia. Pontianak: Universitas Tanjungpura.

Handel, V. R. 2008. Uniform Observability of Hidden Markov Models and Filter Stability for Unstable Signals. New Jersey: Universitas Princeton.

Kamiludin, M. I. 2017. Prediksi Jeda pada Ucapan Bahasa Melayu Pontianak dengan Menggunakan Metode Shallow Parsing. Pontianak: Universitas Tanjungpura.

Larasati, S. D.; Kuboň, V.; dan Zeman, D. 2011. Indonesian Morphology Tool (MorphInd): Towards an Indonesian Corpus. Springer CCIS proceedings of the Workshop on Systems and Frameworks for Computational Morphology. Zurich.

Magdalena, Y. 2019. Prediksi Jeda pada Ucapan Kalimat Bahasa Melayu Pontianak Menggunakan Metode Shallow Parsing dengan Pengembangan Rule Grammar dan Rule Jeda. Pontianak, Indonesia

Na'im, A. dan Syaputra, H. 2010. Hasil Sensus Penduduk 2010: Kewarganegaraan, Suku Bangsa, Agama dan Bahasa Sehari-Hari Penduduk Indonesia. Jakarta: Badan Pusat Statistik.

Nugraha, A. T. 2014. Prediksi Jeda dalam Ucapan Kalimat Bahasa Indonesia dengan Hidden Markov Model. Pontianak: Universitas Tanjungpura.

Pisceldo, F.; Adriani, M; dan Manurung, R. 2009. Probabilistic Part Of Speech Tagging for Bahasa Indonesia. Third International Wokshop on Malay and Indonesian Language Engineering. Singapore.

Setyaningsih, E. R. 2017. Part of Speech Tagger untuk Bahasa Indonesia dengan Menggunakan Modifikasi Brill. Surabaya: Sekolah Tinggi Teknik Surabaya.

Wibisono, Y. 2008. Penggunaan Hidden Markov Model untuk Kompresi Kalimat. Bandung: Institut Teknologi Bandung.

Wulandari, Y. 2020. Aplikasi Pelaporan Bantuan Peternakan Di Kabupaten Sambas Dengan Metode Kepustakaan Dan Lapangan. Pontianak : Universitas Tanjung Pura.

Wicaksono, A. F. dan Purwarianti, A. 2010. HMM Based Part-of-Speech Tagger for Bahasa Indonesia. Proceedings of 4th International MALINDO (Malay and Indonesian Language) Workshop.

Yu, J. dan Tao, J. 2005. The Pause Duration Prediction for Mandarin Text-to-Speech System. China: Chinese Academi of Science.

Downloads

Published

2021-08-06

Issue

Vol. 9 No. 3 (2021)

Section

Articles

License

Copyright (c) 2021 JUSTIN (Jurnal Sistem dan Teknologi Informasi)

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

The author owns the copyright in his paper and agrees to publish his paper to JUSTIN by giving the rights to the first publication of his paper which is simultaneously licensed under the Creative Commons Attribution License, namely the Similar International 4.0 license (CC BY-NC-SA 4.0).  

                             

This is a human-readable summary of (and not a substitute for) the license. Disclaimer.

You are free to:
Share "” copy and redistribute the material in any medium or format
Adapt "” remix, transform, and build upon the material
The licensor cannot revoke these freedoms as long as you follow the license terms.

Under the following terms:
Attribution "” You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
NonCommercial "” You may not use the material for commercial purposes.
ShareAlike "” If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
No additional restrictions "” You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.

Notices:
You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation.
No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.