Ibnu Hadi. Program Studi Teknik Informatika Jurusan Teknik Elektro Fakultas Teknik Universitas Tanjungpura
|
|
- Teguh Wibowo
- 6 tahun lalu
- Tontonan:
Transkripsi
1 UJI AKURASI MESIN PENERJEMAH STATISTIK (MPS) BAHASA INDONESIA KE BAHASA MELAYU SAMBAS DAN MESIN PENERJEMAH STATISTIK (MPS) BAHASA MELAYU SAMBAS KE BAHASA INDONESIA Ibnu Hadi Program Studi Teknik Informatika Jurusan Teknik Elektro Fakultas Teknik Universitas Tanjungpura Abstract - Language is an important means of communication for humans, because language make we can find out the information that we need, at other side we can convey our ideas. With the rapidly development of technology in all sectors, nowdays the machine translation has been developed to overcome language translation problems. Statistical machine translation is an approach to machine translation with translation results generated on the basis of statistical models where parameters are taken from the results of the analysis of bilingual text corpus (parallel corpus). Parallel corpus is a pair of corpus that contain sentences in a language and the translation. The goal of this research is to develop and implement of statistical machine translation for translation from Indonesian into Sambas Malay and translation from Sambas Malay into Indonesian, and conduct testing to obtain the value of accuracy and quality of statistical machine translation, and also to conduct testing to obtain the value of accuracy and quality of statistical machine translation. In this study are conducted two tests, the first conducted tests on statistical machine translation of Indonesian into Sambas Malay translation and second test on statistical machine translation of Sambas Malay into Indonesian translation. On test 1 (Statistical Machine Translation of Indonesian to Sambas Malay) generate the value of BLEU score of or 55% while on Test 2 (Statistical Machine Translation of Sambas Malay to Indonesian) produces BLEU score of or 49%. Keywords : machine translation, statistical machine translation, corpus, parallel corpus, BLEU score. 1. Pendahuluan Bahasa merupakan alat komunikasi yang penting bagi manusia, karena dengan bahasa kita dapat mengetahui informasi yang kita butuhkan, selain itu kita dapat menyampaikan ide dan gagasan kita melalui bahasa. Fungsi bahasa bagi manusia selain sebagai media untuk mengekspresikan diri, perasaan, pikiran, keinginan serta kebutuhannya, baik sebagai makhluk pribadi maupun sosial, serta sebagai alat integrasi dan adaptasi sosial antar manusia dalam mengembangkan peradabannya. Indonesia memiliki keragaman bahasa dan budaya yang luar biasa. Badan Pengembangan dan Pembinaan Bahasa serta Kementerian Pendidikan dan Kebudayaan (Kemendikbud) mencatat sedikitnya ada 442 bahasa yang dimiliki Indonesia yang terungkap dalam Kongres Bahasa ke-9 yang digelar 2008 silam. Pada 2012, penelitian berlanjut dengan mengambil sampel di 70 lokasi di wilayah Maluku dan Papua. Hasil dari penelitian itu, jumlah bahasa dan sub bahasa di seluruh Indonesia mencapai 546 bahasa dan kemungkinan jumlahnya akan terus bertambah karena penelitian yang dilakukan belum selesai (Akunto, 2012) [1]. Dengan pesatnya perkembangan teknologi disegala bidang, saat ini sedang dikembangkan mesin penerjemah untuk mengatasi masalah penerjemahan bahasa. Mesin penerjemah merupakan alat penerjemah otomatis pada sebuah teks dari satu bahasa ke bahasa lainnya. Akan tetapi, kualitas dari hasil terjemahan tersebut masih mengandung keterbatasan, belum memberikan hasil terjemahan yang akurat dan terkadang menyebabkan hilangnya arti dan maksud yang terkandung dalam suatu kalimat. Mesin penerjemah statistik merupakan sebuah pendekatan mesin penerjemah dengan hasil terjemahan dihasilkan atas dasar model statistik yang parameter-parameternya diambil dari hasil analisis korpus teks bilingual (korpus paralel). Korpus paralel adalah pasangan korpus yang berisi kalimat-kalimat dalam suatu bahasa dan terjemahannya. Korpus berisi teks paralel yang merupakan hasil text mining yang memperoleh pola berupa pasangan teks dari suatu bahasa ke bahasa lain. Penerjemahan dengan metode mesin penerjemah statistik
2 menghasilkan terjemahan yang lebih baik dibandingkan dengan hanya terjemahan kata demi kata, dengan syarat kualitas korpus paralel yang dimasukkan ke dalam sistem mempunyai kualitas baik dan cukup banyak jumlahnya (Ginting dan AZ, 2011) [2]. Berdasarkan masalah di atas, penulis melakukan penelitian untuk membangun dan mengimplementasikan mesin penerjemah statistik Bahasa Indonesia Bahasa Melayu Sambas. Selanjutnya penulis melakukan pengujian untuk mengetahui nilai akurasi dan kualitas terjemahan pada mesin penerjemah statistik Bahasa Indonesia Bahasa Melayu Sambas. Pada penelitian ini penulis menggunakan korpus teks paralel Bahasa Indonesia dan Bahasa Melayu Sambas. 2. Landasan Teori 2.1 Definisi Penerjemahan Dalam Kamus Besar Bahasa Indonesia (KBBI) kata terjemah/ menerjemahakan merupakan menyalin (memindahakan) suatu bahasa ke bahasa lain atau mengalihbahasakan. Selain itu, Hoed dalam Amalia (2007:1) [3] mengemukakan bahwa penerjemahan adalah kegiatan mengalihkan secara tertulis pesan dari teks suatu bahasa (misalnya bahasa Inggris) ke dalam teks bahasa lain (misalnya bahasa Indonesia). Catford menyatakan (1965:20) [4] bahwa the replacement of textual material in one language (SL) by equivalent textual material in another language (TL). yang diartikan sebagai pergantian materi tekstual dari suatu bahasa sumber (BSu) secara sepadan ke dalam bahasa target (BT). Yang dimaksud dengan source language (bahasa sumber) dan receptor language (bahasa target) adalah; source language adalah bahasa yang akan diterjemahkan, sedangkan yang dimaksud dengan receptor language adalah bahasa hasil terjemahan. Berdasarkan pengertian tersebut, penulis akan memfokuskan pada analisis teks bahasa Melayu Sambas sebagai bahasa sumber dan bahasa Indonesia sebagai bahasa target dan sebaliknya. 2.2 Mesin Penerjemah (Machine Translation) Mesin penerjemah (machine translation) merupakan alat penerjemah otomatis pada sebuah teks dari satu bahasa ke bahasa lainnya. Ada beberapa pendekatan untuk machine translation seperti pendekatan dengan menggunakan aturan rule-based machine translation), pendekatan dengan menggunakan contoh (example-based machine translation), dan pendekatan dengan menggunakan model statistik (statistical machine translation). Dalam mesin penerjemah statistik, terdapat 3 komponen yang terlibat dalam proses penerjemahan dari satu bahasa ke bahasa lain yaitu : language model, translation model, dan decoder (Manning dan Schutze, 2000:486) [5]. Language model P(T) Gambar 1. Komponen Mesin Penerjemah Statistik 2.3 Automatic Evaluation Sitem evaluasi otomatis yang populer saat ini adalah BLEU (Bilingual Evaluation Understudy). BLEU adalah sebuah algoritma yang berfungsi untuk mengevaluasi kualitas dari sebuah hasil terjemahan yang telah diterjemahkan oleh mesin dari satu bahasa alami ke bahasa lain. BLEU mengukur modified n- gram precission score antara hasil terjemahan otomatis dengan tejemahan rujukan dan menggunakan konstanta yang dinamakan brevity penalty. Rumus BLEU sebagai berikut (Tanuwijaya, 2009) [6] : 1 if c > r BP BLEU = (1 r/c)if e c r P n = T Cε corpus n gramεc count clip (n gram ) Cε corpus n gramεc count (n gram ) BLEU = BP BLEU. e Translation model P S T N n 1 w n log p n Decoder T=argmax, P(T S) Keterangan : BP = brevity penalty c = jumlah kata dari hasil terjemahan otomatis r = jumlah kata rujukan S T
3 P n = modified precission score w n = 1/N (standar nilai N untuk BLEU adalah 4) p n = jumlah n-gram hasil terjemahan yang sesuai dengan rujukan dibagi jumlah n- gram hasil terjemahan. Korpus Bahasa Indonesia Korpus Paralel Pemodelan Korpus Bahasa Indonesia dan Melayu Sambas 3. Arsitektur Sistem Pemodelan Bahasa Oleh SRLIM Tabel Model Bahasa Pemodelan Translasi Oleh Giza++ Korpus Paralel Vocabulary, tabel model translasi, dan word alignment Korpus Bahasa Melayu Sambas Korpus Bahasa Indonesia dan Melayu Sambas Masukan : Kalimat Sumber Bahasa Melayu Sambas Decoding Oleh Moses Keluaran : Kalimat terjemahan Bahasa Indonesia Pemodelan Skor BLEU Pemodelan Bahasa Oleh SRLIM Tabel Model Bahasa Pemodelan Translasi Oleh Giza++ Skor Manual Evaluasi Hasil Terjemahan Masukan : Kalimat Sumber Bahasa Indonesia Decoding Oleh Moses Skor BLEU Skor Manual Vocabulary, tabel model translasi, dan word alignment Keluaran : Kalimat terjemahan Bahasa Melayu Sambas Evaluasi Hasil Terjemahan Gambar 2. Arsitektur Sistem mesin penerjemah statistik dari Bahasa Indonesia ke Bahasa Melayu Sambas. Gambar 3. Arsitektur Sistem mesin penerjemah statistik dari Bahasa Melayu Sambas ke Bahasa Indonesia. 3.1 Korpus Teks Paralel Pada penelitian ini, terdapat dua buah korpus paralel yang digunakan yaitu korpus paralel Bahasa Melayu Sambas dan korpus paralel Bahasa Indonesia yang berupa cerita rakyat daerah Kabupaten Sambas. Korpus paralel 1 Korpus paralel 2 ini sebuah cerita orang kita di Hulu ito' kesah urang kitte di Ulu Tempapan sejarah orang Hulu Tempapan dulu, ada dua buah rumah tetapi kakek raksasa itu tidak mengabulkan permintaan sannong tetapi sannong hendak atau ingin memiliki ketiga permata itu suatu hari sannong mencurinya Tempapan sejarah urang ulu tempapan dolo', ade dua' buah rumah tapi nek gargasi daan ngabolkan permintaan sannong tapi sannong tatap nak memilikinye ketige batu permate iye suatu hari sannong nyurinye Gambar 4. Contoh Korpus Paralel
4 4. Hasil Pengujian 4.1 Pengujian 1 Pengujian 1 adalah pengujian terhadap terjemahan dari bahasa Indonesia ke bahasa Melayu Sambas. Tabel 1. Kalimat Bahasa Sumber pada Pengujian 1 Kalimat Sumber Bahasa Indonesia 1 banyak benar lada si bujang ya tadi pagi dia jual lada dua karung lagi ke pasar 2 iya banyak benar ladanya naik daun dia tahun ini pasti banyak uangnya 3 beruntunglah siapa yang mendapatkannya 4 kamu saja jannah pacaran sama dia tetapi dia tidak suka sama mulut ember 5 karena dia itu tulang besi kerja pun cepat lihat saja banyak kebunnya 6 iya dia tidak seperti kamu tulang semut baru kerja sedikit sudah sakit-sakitan 7 abang memang tebal muka bu tidak dia liat kawannya semua banyak kebun 8 terserah dia saja jannah biar nanti lama baru kawin dia itu sudah kamu simpankah ikan takut nanti dimakan kucing 9 sudah bu mungkin hanya kucing kepala hitam yang akan menghabiskannya 10 begitulah akhir hidup tan unggal mati lemas di dalam peti pada tahun 1345 Tabel 2 Kalimat Hasil Pengujian 1 Kalimat Bahasa Target Hasil Terjemahan (Bahasa Melayu Sambas) 1 banyak inyan lada si bujang i tade' pagi die jual lada dua' karung age' ke pasar 2 ao' banyak inyan ladanya naik dawon die taon to' pasti banyak uangnya 3 beruntunglah sape nang mendapatkannya 4 kau aja' jannah pacaran same die pokoknye die nda'an suke same mulut ember 5 barang die tulang basi kerajje pun cappat liat aja' banyak kebunnya 6 ao' die daan macam kau tulang semut baru kerajje tinggali dah sakit-sakitan 7 abang ja' tebal muka ma' nda' die liat kawannya semua banyak kabon 8 terserah die aja' jannah biar kala' lama' baru tibetibe die dah kau simpankah ikan takut kala' dimakan kucing 9 udahan ma' mungkin ja' kucing kepala hitam yang na' menghabiskannya 10 maklumlah akhir idup tan unggal mati lemas di dalam peti pade taon 1345 Tabel 3. Kalimat Referensi pada Pengujian 1 Kalimat Referensi Bahasa Melayu Sambas 1 banyak inyan lade si bujang i tade' pagi die jual lade dua' karung age' ke pasar 2 ao' banyak inyan ladenye naik dawon die taon to' pasti banyak duitnye 3 beruntonglah sape yang dapatkannye 4 kau aja' jannah becinte dangan die tapi die nda'an suke dangan mulut ember 5 barang die tulang basi kerajje pun cappat liat aja' banyak kabonnye 6 ao' die daan macam kau tulang sammut baro' kerajje sikit dah sakit-sakitan 7 abang ja' tabal muke ma' nda' die liat kawannye semue banyak kabon 8 suka'ati die aja' jannah biar kala' lama' baro' kawen die dah kau simpanke ikan takut kala' dimakan kucing 9 udahan ma' mungkin ja' kucing kepala hitam yang na' ngabiskannye 10 gayyelah akhir idup tan unggal mati lamas di dalam patti pade taon Pengujian 2 Pengujian 2 adalah pengujian terhadap terjemahan dari bahasa Melayu Sambas ke bahasa Indonesia. Tabel 4. Kalimat Bahasa Sumber pada Pengujian 2 Kalimat Sumber Bahasa Melayu Sambas 1 paloh ye name daerah yang lattaknye ade di ujong sambas 2 raden sandi ye dari keluarge urang baik-baik berasal dari keturunan raje sambas 3 perangainye ye bede lalu dangan ade' berade'nye yang laing 4 kebiasaan yang karrap dikrajekannye ye beburu 5 mun dah beburu ye biasenye dua' tigge ari baro' balik ke rumah 6 urang tuenye pun sekali-sekalilah naggorkan die 7 sandi kau to' tang laing inyan dangan ade' berade' mu 8 ari to' aku na' paggi beburu age' 9 jadi bagus kau tinggal di rumah aja' 10 aku minta' mun aku paggi usah kau ceritekan dangan ayah ape age' dangan umma'
5 Tabel 5. Kalimat Hasil Pengujian 2 Kalimat Bahasa Target Hasil Terjemahan (Bahasa Indonesia) 1 paloh itu nama daerah yang lattaknye ada di ujong sambas 2 raden sandi itu dari keluarge orang baik-baik berasal dari keturunan raja sambas 3 perangainye itu bede lalu dengan adik berade'nye yang laing 4 kebiasaan yang karrap dikrajekannye itu berburu 5 bila sudah berburu itu biasanya dua tiga hari ketika pulang ke rumah 6 orang tuenye pun sekali-sekalilah naggorkan dia 7 sandi kau ini mengapa laing benar dengan adik beradik mu 8 hari ini aku akan pergi berburu lagi 9 jadi bagus kau tinggal di rumah saja 10 aku minta bila aku pergi jangan kau ceritekan dengan bapaknya apa lagi dengan ibu Tabel 6. Kalimat Referensi pada Pengujian 2 Kalimat Referensi Bahasa Indonesia 1 paloh itu nama daerah yang letaknya ada di ujung sambas 2 raden sandi itu dari keluarga orang baik-baik berasal dari keturunan raja sambas 3 perilakunya itu sangat berbeda dengan saudarasaudaranya yang lain 4 kebiasaan yang sering dikerjakannya adalah berburu 5 kalau sudah berburu itu biasanya dua atau tiga hari baru pulang ke rumah 6 orang tuanya pun sekali-sekali menegur dia 7 sandi kau ini mengapa lain benar dengan saudarasaudaramu 8 hari ini aku akan pergi berburu lagi 9 jadi lebih baik kau tinggal di rumah saja 10 aku minta bila aku pergi jangan kau ceritakan dengan ayah apa lagi dengan ibu 4.3 Hasil Penilaian Hasil Penilaian Otomatis Tabel 7. Akurasi Penilaian Mesin Penerjemah Statistik Pengujian BLEU score Persentase Akurasi Pengujian 1` % Pengujian % Hasil Penilaian Manual Tabel 8. Hasil Penilaian Manual Kalimat Hasil Terjemahan Pengujian 1 Pengujian 2 Ahli Bahasa Tursina S.T., M.Cs Harianto S.Pd Sudiarti SE Rata- Rata Harianto S.Pd Emi Setya Sudiarti SE Rata- Rata C,R P = C R 100% C = 97, R = 121 C =64, R = 121 C = 94, R = 121 C = 57, R=92 C = 56, R=92 C = 63, R= % 52.89% 77.68% 70.24% 61.95% 60.86% 68.47% 63.76% Tabel 9. Hasil Perhitungan BLEU score Kalimat Hasil Terjemah an Pengujian 1 Pengujian 2 Ahli Bahasa BLEU score Tursina S.T., M.Cs Sudiarti, SE Harianto, S.Pd Harianto, S.Pd Sudiarti, SE Emy Setya Rata- Rata/Pers entase ±41% ±34% 5. Kesimpulan Berdasarkan uraian yang telah dipaparkan sebelumnya, maka kesimpulan yang dapat diambil sebagai berikut : 1. Mesin penerjemah statistik dapat diimplementasikan untuk menterjemahkan Bahasa Indonesia ke bahasa Melayu Sambas dan menerjemahkan Bahasa Melayu Sambas ke Bahasa Indonesia 2. Kalimat referensi sangat mempengaruhi penilaian, semakin dekat jumlah kata hasil terjemahan dengan kalimat referensinya maka akan semakin baik. 3. Nilai persentase akurasi yang dihasilkan pada Pengujian 1 (Mesin Penerjemah
6 Statistik Bahasa Indonesia ke Bahasa Melayu Sambas) sebesar 55% dan pada Pengujian 2 (Mesin Penerjemah Statistik Bahasa Melayu Sambas ke Bahasa Indonesia) dengan persentase sebesar 49%. 4. Penilaian yang dilakukan oleh ahli bahasa menghasilkan nilai BLEU yang berbedabeda tergantug pemahaman oleh ahli bahasa. Referensi [1] Akuntono, Indra Mau Tahu Jumlah Ragam Bahasa di Indonesia?. Kompas.com. 9 Juni [2] Ginting, Adres, dan Nazori AZ Penerjemah Dua Arah Bahasa Indonesia Ke Bahasa Daerah (Karo) Menggunakan Teknik Statistical Machine Translation (SMT) Sebagai Fitur Pada Situs Web Untuk Meningkatkan Web Traffic. Jurnal Telematika MKOM. Vol Hlm Maret [3] Amalia, Farida Ideologi Dalam Penerjemahan. Universitas Pendidikan Indonesia. 21 Oktober [4] J.C.,Catford A Linguistic Theory Of Translation: An Essay In Applied Linguistics. Walton Street : Oxford University Press. 19 Juli [5] Manning, Christopher D. dan Schutze, Hinrich Foundations Of Statistical Natural Language Processing. London : The MIT Press Cambridge Massachusetts. 10 Juli [6] Tanuwijaya, Hansel Penerjemahan Inggris-Indonesia Menggunakan Mesin Penerjemah Statistik Dengan Word Reordering dan Phrase Reordering. Jakarta : Universitas Indonesia. 12 Juni Biografi Ibnu Hadi, lahir di Sambas, Kalimantan Barat, Indonesia, 10 Juli Memperoleh gelar Sarjana dari Program Studi Teknik Informatika Universitas Tanjungpura, Pontianak, Indonesia, 2014.
APLIKASI PENERJEMAH DUA ARAH BAHASA INDONESIA BAHASA MELAYU SAMBAS BERBASIS WEB DENGAN MENGGUNAKAN DECODER MOSES
APLIKASI PENERJEMAH DUA ARAH BAHASA INDONESIA BAHASA MELAYU SAMBAS BERBASIS WEB DENGAN MENGGUNAKAN DECODER MOSES Andri Hidayat¹, Herry Sujaini², Rudy Dwinyoto³ Program Studi Teknik Informatika Universitas
Lebih terperinciMeningkatkan Akurasi Pada Mesin Penerjemah Bahasa Indonesia Ke Bahasa Melayu Pontianak Dengan Part Of Speech
Jurnal Edukasi dan Penelitian Informatika (JUSTIN) Vol. 3, No. 1, (2016) 1 Meningkatkan Akurasi Pada Mesin Penerjemah Bahasa Indonesia Ke Bahasa Melayu Dengan Part Of Speech Danny Indrayana 1, Herry Sujaini
Lebih terperinciTUNING FOR QUALITY UNTUK UJI AKURASI MESIN PENERJEMAH STATISTIK (MPS) BAHASA INDONESIA - BAHASA DAYAK KANAYATN
Jurnal Sistem dan TeknologiInformasi (JustIN) Vol. 1, No. 1, (2016) 1 TUNING FOR QUALITY UNTUK UJI AKURASI MESIN PENERJEMAH STATISTIK (MPS) BAHASA INDONESIA - BAHASA DAYAK KANAYATN Muhammad Hasbiansyah
Lebih terperinciPerbaikan Probabilitas Lexical Model untuk Meningkatkan Akurasi Mesin Penerjemah Statistik
Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol. 2, No. 1, (2016) 1 Perbaikan Probabilitas Lexical Model untuk Meningkatkan Akurasi Mesin Penerjemah Statistik Soni Mandira 1, Herry Sujaini 2, Arif
Lebih terperinciMESIN PENERJEMAH BAHASA INDONESIA- BAHASA JAWA Johan Pranata 1, Muljono 2 1,2 Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro
MESIN PENERJEMAH BAHASA INDONESIA- BAHASA JAWA Johan Pranata 1, Muljono 2 1,2 Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Jl. Nakula I No. 5-11, Semarang, 50131, (024) 3517261
Lebih terperinciIMPLEMENTASI MESIN PENERJEMAH STATISTIK BERBASIS ANDROID DENGAN MOSES DECODER
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 3, No. 1, (2016) 1 IMPLEMENTASI MESIN PENERJEMAH STATISTIK BERBASIS ANDROID DENGAN MOSES DECODER Try Wahyudinata 1, Herry Sujaini 2, Rudy Dwi Nyoto 3
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN Bab ini berisi tentang latar belakang (subbab 1.1), tujuan penelitian (subbab 1.2), perumusan dan pembatasan masalah (subbab 1.3), metodologi penelitian (subbab 1.4), serta penjelasan
Lebih terperinciPENERJEMAHAN DOKUMEN INGGRIS-INDONESIA MENGGUNAKAN MESIN PENERJEMAH STATISTIK DENGAN WORD REORDERING DAN PHRASE REORDERING
PENERJEMAHAN DOKUMEN INGGRIS-INDONESIA MENGGUNAKAN MESIN PENERJEMAH STATISTIK DENGAN WORD REORDERING DAN PHRASE REORDERING Hansel Tanuwijaya Hisar Maruli Manurung Fakultas Ilmu Komputer, Universitas Indonesia,
Lebih terperinciUji Akurasi Penerjemahan Bahasa Indonesia Dayak Taman dengan Penandaan Kata Dasar dan Imbuhan
Uji Akurasi Penerjemahan Bahasa Indonesia Dayak aman dengan Penandaan Kata Dasar dan Imbuhan osep Jarob R #1, Herry Sujaini #2, Nofi Safriadi #3 # Program Studi eknik Informatika Fakultas eknik Universitas
Lebih terperinciBAB III METODOLOGI PENELITIAN
1 BAB III METODOLOGI PENELITIAN 1.1 Instrumen penelitian Pada instrumen penelitian akan dijelaskan kebutuhan perangkat lunak, kebutuhan perangkat keras, serta kebutuhan bahan penelitian. Yaitu sebagai
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 1.1 Tinjauan studi Penelitian yang sudah ada sebelumnya, yaitu : 1. Nur Afifah (2010), Pembuatan Kamus Elektronik Kalimat Bahasa Indonesia dan Bahasa Jawa untuk Aplikasi Mobile
Lebih terperinciKonversi Bahasa Indonesia ke SQL (Structured Query Language) dengan Pendekatan Mesin Penerjemah Statistik
Jurnal istem dan Teknologi Informasi (JUTIN) Vol. 3, No. 1, (2016) 1 Konversi ahasa Indonesia ke QL (tructured Query Language) dengan Pendekatan Mesin Penerjemah tatistik Jemi Karlos 1, Herry ujaini 2,
Lebih terperinciABSTRAK. Kata Kunci: sistem penerjemah Alkitab, Bilingual Evaluation Understudy, GIZA++, Statistical Machine Translation, dan IBM model.
ABSTRAK Saat ini sistem penerjemah sangat penting dan diperlukan, khususnya untuk bahasa Indonesia. Hal ini diakibatkan oleh kebutuhan pengalihan informasi dari satu bahasa ke bahasa lain yang sangat besar,
Lebih terperinciBAB I PENDAHULUAN. Penerjemahan bisa mencakup beberapa pengertian. Ahli linguistik telah
BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian Penerjemahan bisa mencakup beberapa pengertian. Ahli linguistik telah memberi banyak definisi tentang penerjemahan, diantaranya: (1) bidang ilmu secara umum,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Manusia merupakan sebuah entitas dalam kehidupan sosial, oleh karenanya selain sebagai mahluk individu, manusia juga dikenal sebagai mahluk sosial. Pengenaan manusia
Lebih terperinciPembentukan Sentence-Aligned Korpus Paralel untuk Bahasa Sunda-Bahasa Indonesia Berbasis Wikipedia dengan Bootstrapping dan EM
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.1 April 2017 Page 1038 Pembentukan Sentence-Aligned Korpus Paralel untuk Bahasa Sunda-Bahasa Indonesia Berbasis Wikipedia dengan Bootstrapping dan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar belakang Latar belakang umum
BAB I PENDAHULUAN 1.1 Latar belakang 1.1.1 Latar belakang umum Bahasa merupakan alat komunikasi yang penting bagi manusia, karena dengan menggunakan bahasa kita dapat mengetahui dan mengetahui informasi
Lebih terperinciMesin Penerjemah Situs Berita Online Bahasa Indonesia ke Bahasa Melayu Pontianak
38 Mesin Penerjemah Situs Berita Online Bahasa Indonesia ke Bahasa Melayu Pontianak Herry Sujaini Staf Pengajar Program Studi Teknik Informatika, Jurusan Teknik Elektro, Fakultas Teknik, Universitas Tanjungpura
Lebih terperinciInera Firdestawati¹, Yanuar Firdaus A.w.², Kiki Maulana³. ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
IMPLEMENTASI MODEL RUANG VEKTOR SEBAGAI PENERJEMAH QUERY PADA CROSS-LANGUAGE INFORMATION RETRIEVAL SISTEM IMPLEMENTATION OF VECTOR SPACE MODEL AS QUERY TRANSLATION FOR CROSS-LANGUAGE INFORMATION RETRIEVAL
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan berkembangnya Internet, banyak informasi tersedia dalam World Wide Web yang dapat diakses di seluruh negara. Pada saat pencarian informasi menggunakan search
Lebih terperinciUKDW BAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dengan perkembangan teknologi yang semakin pesat, setiap orang dituntut untuk bisa memanfaatkan dengan baik perkembangan teknologi dan dapat menggunakan di dalam kehidupan
Lebih terperinciPART-OF-SPEECH TAGGING UNTUK DOKUMEN BAHASA BALI MENGGUNAKAN ALGORITMA BRILL TAGGER KOMPETENSI KOMPUTASI SKRIPSI NI PUTU MERI SRIYATI NIM.
PART-OF-SPEECH TAGGING UNTUK DOKUMEN BAHASA BALI MENGGUNAKAN ALGORITMA BRILL TAGGER KOMPETENSI KOMPUTASI SKRIPSI NI PUTU MERI SRIYATI NIM. 1208605026 PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN ILMU KOMPUTER
Lebih terperinciPERINGKASAN TEKS BAHASA INDONESIA MENGGUNAKAN MODIFIED DISCRETE DIFFERENTIAL EVOLUTION ALGORITHM. Jurnal
PERINGKASAN TEKS BAHASA INDONESIA MENGGUNAKAN MODIFIED DISCRETE DIFFERENTIAL EVOLUTION ALGORITHM Jurnal Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk
Lebih terperinciANALISIS PENGGUNAAN ALGORITMA STEMMING VEGA PADA INFORMATION RETRIEVAL SYSTEM
ANALISIS PENGGUNAAN ALGORITMA STEMMING VEGA PADA INFORMATION RETRIEVAL SYSTEM Lusianto Marga Nugraha¹, Arie Ardiyanti Suryani², Warih Maharani³ ¹Teknik Informatika,, Universitas Telkom Abstrak Stemming
Lebih terperinciImplementasi Algoritma Knuth Morris Pratt pada Alat Penerjemah Suara
Implementasi Algoritma Knuth Morris Pratt pada Alat Penerjemah Suara Bima Laksmana Pramudita (13511042) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPENYUSUNAN STRONG S CONCORDANCE UNTUK ALKITAB PERJANJIAN BARU BAHASA INDONESIA.
PENYUSUNAN STRONG S CONCORDANCE UNTUK ALKITAB PERJANJIAN BARU BAHASA INDONESIA Gunawan 1, Devi Dwi Purwanto, Herman Budianto, dan Indra Maryati 1 Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut
Lebih terperinciPERBANDINGAN ALGORITMA STEMMING PADATEKS BAHASA INDONESIA
PERBANDINGAN ALGORITMA STEMMING PADATEKS BAHASA INDONESIA Sigit Prasetyo Karisma Utomo 1, Ema Utami 2, Andi Sunyoto 3 1,2,3 Magister Teknik Informatika STMIK AmikomYogyakarta e-mail: 1 aku@sigitt.com,
Lebih terperinciAN ANALYSIS OF DIFFICULTY LEVEL IN TRANSLATING METAPHORICAL EXPRESSION FOUND IN READER S DIGEST
AN ANALYSIS OF DIFFICULTY LEVEL IN TRANSLATING METAPHORICAL EXPRESSION FOUND IN READER S DIGEST A Thesis Presented as Partial Fulfillment of the Requirements to Obtain the Sarjana Sastra Degree in the
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Natural Language Processing (NLP) adalah area penelitian dan pengaplikasan yang mengekplorasi bagaimana caranya sebuah komputer dapat digunakan dan memanipulasi berupa
Lebih terperinciBAB I PENDAHULUAN. bahasa dari tingkat kata, frasa hingga teks untuk menyampaikan makna teks
BAB I PENDAHULUAN 1.1 Latar Belakang Pada era kemajuan teknologi dewasa ini semakin banyak terjemahan bahasa dari tingkat kata, frasa hingga teks untuk menyampaikan makna teks bahasa sumber (TSu) ke dalam
Lebih terperinciPenggunaan Hidden Markov Model untuk Kompresi Kalimat
Penggunaan Hidden Markov Model untuk Kompresi Kalimat TESIS Karya tulis sebagai salah satu syarat Untuk memperoleh gelar Magister dari Institut Teknologi Bandung Oleh YUDI WIBISONO NIM: 23505023 Program
Lebih terperinciTESIS PEMBANGUNAN PERANGKAT LUNAK PERINGKAS DOKUMEN DARI BANYAK SUMBER BERBASIS WEB MENGGUNAKAN SENTENCE SCORING DENGAN METODE TF-IDF
TESIS PEMBANGUNAN PERANGKAT LUNAK PERINGKAS DOKUMEN DARI BANYAK SUMBER BERBASIS WEB MENGGUNAKAN SENTENCE SCORING DENGAN METODE TF-IDF FABIANUS HENDY EVAN No. Mhs.: 125301915/PS/MTF PROGRAM STUDI MAGISTER
Lebih terperinciBAB I PENDAHULUAN. linguistik (Austin & Sallabank, 2011). Melalui bahasa, seseorang dapat. dimaksudkan oleh penyampai pesan kepada orang tersebut.
BAB I PENDAHULUAN 1.1 Latar Belakang Bahasa adalah kapasitas khusus yang ada pada manusia untuk memperoleh dan menggunakan sistem komunikasi yang kompleks, dan sebuah bahasa adalah contoh spesifik dari
Lebih terperinciJurnal Politeknik Caltex Riau
1 Jurnal Politeknik Caltex Riau http://jurnal.pcr.ac.id IMPLEMENTASI TEXT MINING DALAM KLASIFIKASI JUDUL BUKU PERPUSTAKAAN MENGGUNAKAN METODE NAIVE BAYES Siti Amelia Apriyanti 1), Kartina Diah Kesuma Wardhani
Lebih terperinciAPLIKASI SEGMENTASI TEKS DALAM BAHASA MANDARIN DENGAN METODE RULE-BASED DAN STATISTICAL
APLIKASI SEGMENTASI TEKS DALAM BAHASA MANDARIN DENGAN METODE RULE-BASED DAN STATISTICAL Rudy Adipranata 1), Meliana Ongkowinoto 2), Rolly Intan 3) Jurusan Teknik Informatika, Fakultas Teknologi Industri,
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB LANDASAN TEORI Bab ini menjelaskan tentang landasan teori yang digunakan dalam penelitian ini. Pembahasan dimulai dari sejarah machine translation (subbab.1), statistical machine translation (subbab.),
Lebih terperinciBy SRI SISWANTI NIM
READING COMPREHENSION IN NARRATIVE TEXT OF THE TENTH GRADE STUDENTS OF MA NAHDLATUL MUSLIMIN UNDAAN KUDUS TAUGHT BY USING IMAGINATIVE READING MATERIALS IN THE ACADEMIC YEAR 2015/2016 By SRI SISWANTI NIM.
Lebih terperinciBABI PENDAHULUAN. 1.1 Latar Belakang
BABI PENDAHULUAN 1.1 Latar Belakang Named entity recognition(ner) merupakan salah satu bagian domain Information Extraction(IE) pada sistem Natural Language Processing(NLP). Sistem NER bertujuan untuk
Lebih terperinci(7) Sebagai contoh, sebuah kalimat dari bahasa Jerman dengan terjemahannya dalam bahasa Inggris seperti berikut ini :
Pengaruh PoS pada Word Alignment Word alignment dari korpus bilingual memberikan pengetahuan penting untuk banyak tugas pengolahan bahasa alami, seperti ekstraksi dari kata-kata bilingual atau leksikal.
Lebih terperinciBAB I PENDAHULUAN. Seorang anak yang sudah terbiasa dibacakan ataupun membaca buku cerita
BAB I PENDAHULUAN 1.1 Latar Belakang Seorang anak yang sudah terbiasa dibacakan ataupun membaca buku cerita sendiri bisa menjadikannya sebagai sahabat. Buku cerita memberikan informasi kepada anak tentang
Lebih terperinciPREDIKSI JEDA DALAM UCAPAN KALIMAT BAHASA INDONESIA DENGAN HIDDEN MARKOV MODEL. Adhitya Teguh Nugraha
PREDIKSI JEDA DALAM UCAPAN KALIMAT BAHASA INDONESIA DENGAN HIDDEN MARKOV MODEL Adhitya Teguh Nugraha Program Studi Teknik Informatika Jurusan Teknik Elektro Fakultas Teknik Universitas Tanjungpura ituteguh@gmail.com
Lebih terperinciPENYUSUNAN STRONG S CONCORDANCE UNTUK ALKITAB PERJANJIAN BARU BAHASA INDONESIA , Indonesia.
PENYUSUNAN STRONG S CONCORDANCE UNTUK ALKITAB PERJANJIAN BARU BAHASA INDONESIA Gunawan 1, Devi Dwi Purwanto, Herman Budianto, dan Indra Maryati 1 Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut
Lebih terperinciBab 2. Landasan Teori. Pada bab ini, penulis akan mengemukakan beberapa teori mengenai pengertian
Bab 2 Landasan Teori Pada bab ini, penulis akan mengemukakan beberapa teori mengenai pengertian penerjemahan dan metode penerjemahan yang akan digunakan untuk menganalisis data pada Bab 3. Seperti dikutip
Lebih terperinciDAN IMPLEMENTASI IDENTIFIKASI PARAFRASA TWEET MENGGUNAKAN ALGORITMA BLEU, METEOR DAN EDIT DISTANCE
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.3 Desember 2017 Page 4841 DAN IMPLEMENTASI IDENTIFIKASI PARAFRASA TWEET MENGGUNAKAN ALGORITMA BLEU, METEOR DAN EDIT DISTANCE ANALYSIS AND IMPLEMENTATION
Lebih terperinciPENGGUNAAN METODE SETIA (FAITHFUL) DALAM MENERJEMAHKAN KARYA SASTRA BERUPA CERITA PENDEK
PENGGUNAAN METODE SETIA (FAITHFUL) DALAM MENERJEMAHKAN KARYA SASTRA BERUPA CERITA PENDEK Muhammad Aprianto Budie Nugroho Pendidikan Bahasa Inggris, Universitas Kuningan, Indonesia Emai: muh.apriantobn@gmail.com
Lebih terperinciTEORI SKOPOS DAN TRANSLATION BRIEF DALAM PENERJEMAHAN
The 1st International Conference on Language, Literature and Teaching ISSN 2549-5607 TEORI SKOPOS DAN TRANSLATION BRIEF DALAM PENERJEMAHAN Anam Sutopo Universitas Muhammadiyah Surakarta anam.sutopo@ums.ac.id
Lebih terperinciMencari dokumen yang dituliskan dalam berbagai bahasa
Always Siempre Mencari dokumen yang dituliskan dalam berbagai bahasa Menggunakan query yang dituliskan dalam sebuah bahasa Pengguna internet jumlahnya terus meningkat dari tahun ke tahun dan tersebar
Lebih terperinciPENERAPAN TWO-PHASE TRANSLATION METHOD PADA QUERY-BASED TRANSITIVE TRANSLATION
PENERAPAN TWO-PHASE TRANSLATION METHOD PADA QUERY-BASED TRANSITIVE TRANSLATION Adi Heru Utomo Jurusan Teknologi Informasi, Politeknik Negeri Jember Jalan Mastrip Kotak Pos 164 Jember Email: adiheruutomo@yahoo.com
Lebih terperinciPENGARUH STRUKTUR BAHASA ARAB TERHADAP BAHASA INDONESIA DALAM TERJEMAHAN AL QURAN Oleh: Yayan Nurbayan. Abstrak
PENGARUH STRUKTUR BAHASA ARAB TERHADAP BAHASA INDONESIA DALAM TERJEMAHAN AL QURAN Oleh: Yayan Nurbayan Abstrak Penerjemahan adalah sebuah proses yang bertujuan memindahkan pesan bahasa sumber ( BS ) kepada
Lebih terperinciBAB I PENDAHULUAN. seperti fabel yang menceritakan tentang binatang, hikayat yang merupakan cerita
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Cerita merupakan rangkaian peristiwa yang disampaikan baik berasal dari kejadian nyata ataupun kejadian tidak nyata. Terdapat berbagai macam jenis cerita seperti
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kehadiran teknologi web yang interaktif telah merubah cara orang mengekspresikan pandangan dan opininya. Saat ini pengguna dapat menulis ulasan suatu produk pada situs
Lebih terperinciSISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI ABSTRAK
SISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI Adhi Fajar Sakti Wahyudi (0722062) Jurusan Teknik Elektro Email: afsakti@gmail.com ABSTRAK Teknologi pengenalan
Lebih terperinciBAB 1 PENDAHULUAN. suatu kerja sama, baik dalam bidang pendidikan, ekonomi, politik maupun kebudayaan.
1.1 Latar Belakang BAB 1 PENDAHULUAN Era modern ini penggunaan bahasa merupakan kunci terpenting untuk menjalin suatu kerja sama, baik dalam bidang pendidikan, ekonomi, politik maupun kebudayaan. Menurut
Lebih terperinciSatu alat penting yang tidak dapat Anda tinggalkan adalah kamus teknis tentang topik yang sedang Anda terjemahkan. Dengan kamus itu, Anda dapat
ix M Course Overview ata kuliah Translation 6 bertujuan memberikan bekal kemampuan menerjemahkan teks berbahasa Inggris ke bahasa Indonesia dan sebaliknya secara akurat, tepat dan wajar. Oleh karena itu,
Lebih terperinciDETEKSI SUBJEKTIFITAS TEKS BERBAHASA INDONESIA MENGGUNAKAN METODE LEXICON RULE BASED
DETEKSI SUBJEKTIFITAS TEKS BERBAHASA INDONESIA MENGGUNAKAN METODE LEXICON RULE BASED Tugas Akhir Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah
Lebih terperinciABSTRAK. Kata kunci : Informasi, Information Retreival, Ant Colony Optimization, Graph, Fitur dokumen. vii
ABSTRAK Untuk mendapatkan sebuah informasi pada saat ini sangatlah mudah. Dengan adanya internet orang dengan mudah untuk berbagi informasi. Informasi yang dibagikan biasanya dalam bentuk dokumen, artikel,
Lebih terperinciAPLIKASI KAMUS ELEKTRONIK BAHASA ISYARAT BAGI TUNARUNGU DALAM BAHASA INDONESIA BERBASIS WEB
APLIKASI KAMUS ELEKTRONIK BAHASA ISYARAT BAGI TUNARUNGU DALAM BAHASA INDONESIA BERBASIS WEB Yuli Fauziah, Bambang Yuwono, Cornelius D.W.P. Jurusan Teknik Informatika UPN Veteran Yogyakarta Jl. Babarsari
Lebih terperinciStudi Kasus Implementasi Konsep Mesin Turing dalam Analisis Potensi Profiling Based Keyword di Sistem Sasbuzz
Studi Kasus Implementasi Konsep Mesin Turing dalam Analisis Potensi Profiling Based Keyword di Sistem Sasbuzz Rizal Panji Islami (23514016) Program MagisterInformatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciStemming pada Preprocessing Twit Berbahasa Indonesia dengan Mengimplementasikan Algoritma Fonetik Soundex untuk Proses Klasifikasi
Stemming pada Preprocessing Twit Berbahasa Indonesia dengan Mengimplementasikan Algoritma Fonetik Soundex untuk Proses Klasifikasi Stemming in Indonesian Language Twit Preprocessing Implementing Phonetic
Lebih terperinciMarissa Nur Eskanaluwa¹, M. Ramdhani², M. Arif Bijaksana Ech³. ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
ANALISIS DAN IMPLEMENTASI METODA BLEU (BILINGUAL EVALUATION UNDERSTUDY) DALAM MENGEVALUASI HASIL TERJEMAHAN MACHINE TRANSLATION STUDI KASUS : TERJEMAHAN DARI BAHASA INGGRIS KE BAHASA INDONESIA Marissa
Lebih terperinciPendeteksian Relasi Antar Makna Pada Wordnet Bahasa Indonesia
Pendeteksian Relasi Antar Makna Pada Wordnet Bahasa Indonesia Muhamad Iffandi Pribadi Teknik Informatika Universitas Komputer Indonesia Jalan Dipatiukur No 114-116 Bandung 40132 Bandung, Indonesia E-mail
Lebih terperinciAPLIKASI PENJADWALAN KEGIATAN UKM (UNIT KEGIATAN MAHASISWA) DI STMIK AMIKOM YOGYAKARTA BERBASIS WEBSITE NASKAH PUBLIKASI
APLIKASI PENJADWALAN KEGIATAN UKM (UNIT KEGIATAN MAHASISWA) DI STMIK AMIKOM YOGYAKARTA BERBASIS WEBSITE NASKAH PUBLIKASI diajukan oleh Dian Nurma Arif 13.02.8560 Nofiana Dwi Dayanti 13.02.8562 kepada SEKOLAH
Lebih terperinciImplementasi Algoritma Pencocokan String dalam Penentuan Tombol Respons Facebook
Implementasi Algoritma Pencocokan String dalam Penentuan Tombol Respons Facebook Raden Fajar Hadria Putra - 13511076 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Memasuki era big data, pertumbuhan data berbentuk dokumen teks semakin tinggi. Sehingga diperlukan text processing untuk pengolahan data yang sangat besar. Dokumen
Lebih terperinciBAB I PENDAHULUAN. penelitian, manfaat penelitian, dan kerangka teori yang digunakan.
BAB I PENDAHULUAN Bab ini menjelaskan latar belakang penelitian, rumusan masalah, tujuan penelitian, manfaat penelitian, dan kerangka teori yang digunakan. 1.1 Latar Belakang Penelitian Masyarakat yang
Lebih terperinciBABB III PENGERTIAN TERJEMAHAN
Tubagus Chaeru Nugraha 2008 BABB III PENGERTIAN TERJEMAHAN 3.1 Terjemahan Terjemahan adalah produk atau hasil dari tindak menerjemahkan yang dilakukan oleh penerjemah Beberapa ungkapan tentang terjemahan
Lebih terperinciBAB I PENDAHULUAN. berkomunikasi atau berinteraksi antara satu dengan yang lainnya. Bahasa sangat
BAB I PENDAHULUAN 1.1 Latar Belakang Bahasa adalah bunyi yang dihasilkan oleh alat ucap manusia yang digunakan untuk berkomunikasi atau berinteraksi antara satu dengan yang lainnya. Bahasa sangat beranekaragam
Lebih terperinciSISTEM NOTIFIKASI KEMACETAN LALU LINTAS BERBASIS MEDIA SOSIAL DENGAN METODE NLP
SISTEM NOTIFIKASI KEMACETAN LALU LINTAS BERBASIS MEDIA SOSIAL DENGAN METODE NLP TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang Oleh
Lebih terperinciBAB I PENDAHULUAN. Pada dasarnya metafora adalah suatu bentuk kekreatifan makna dalam
BAB I PENDAHULUAN 1.1 Latar Belakang Pada dasarnya metafora adalah suatu bentuk kekreatifan makna dalam menggunakan bahasa saat berkomunikasi baik bahasa lisan maupun bahasa tulisan. Di dalam berbahasa,
Lebih terperinciABSTRAK. Kata Kunci : algoritma penjadwalan, linux virtual server, network address translation, network load balancing.
ABSTRAK Perkembangan teknologi yang pesat terutama pada internet membuat semakin banyak pengguna yang terhubung ke internet. Semakin banyaknya pengguna yang terhubung ke internet menyebabkan kemungkinan
Lebih terperinciTRANSLASI KALIMAT BAHASA INGGRIS KE BAHASA INDONESIA MENGGUNAKAN METODE AUGMENTED TRANSITION NETWORK
TRANSLASI KALIMAT BAHASA INGGRIS KE BAHASA INDONESIA MENGGUNAKAN METODE AUGMENTED TRANSITION NETWORK Nurhalimah Harahap¹, Eddy Muntina Dharma², Andrian Rakhmatsyah³ ¹Teknik Informatika,, Universitas Telkom
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1. BAB I PENDAHULUAN 1.1 Latar Belakang website adalah salah satu layanan yang bisa digunakan untuk melakukan pencarian berbagai informasi, sehingga sangat dibutuhkan untuk keperluan pengguna dalam pencarian
Lebih terperinciBAB I PENDAHULUAN. tanah liat, clay juga ada yang terbuat dari bermacam-macam bahan tetapi adonannya
BAB I PENDAHULUAN 1.1 Latar Belakang Clay dalam arti yang sesungguhnya adalah tanah liat, namun selain terbuat dari tanah liat, clay juga ada yang terbuat dari bermacam-macam bahan tetapi adonannya memiliki
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN Bab ini akan menjelaskan tentang latar belakang, permasalahan, tujuan, dan ruang lingkup dari penelitian yang dilakukan. Subbab metodologi penelitian akan menjelaskan tahapan-tahapan
Lebih terperinciBAB I PENDAHULUAN. Membaca buku bermanfaat bagi manusia, mulai dari anak-anak hingga
BAB I PENDAHULUAN 1.1 Latar Belakang Membaca buku bermanfaat bagi manusia, mulai dari anak-anak hingga dewasa sekalipun. Manfaat yang dapat diperoleh antara lain sebagai hiburan, penghilang stres, dan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Negara Jepang adalah salah satu negara yang kerap dijadikan acuan dalam
BAB I PENDAHULUAN 1.1 Latar Belakang Negara Jepang adalah salah satu negara yang kerap dijadikan acuan dalam bidang ilmu pengetahuan dan teknologi. Akan tetapi, dibalik kemajuan teknologinya yang pesat
Lebih terperincioleh: 1 Jurusan Teknologi Informasi, Politeknik Negeri Jember Jalan Mastrip Kotak Pos 164 Jember ABSTRAK
IMPLEMENTASI TWO-PHASE TRANSLATION METHOD PADA PEMBUATAN WEB PROGRAM TRANSITIVE TRANSLATION ANTARA BAHASA JAWA DAN BAHASA INGGRIS MENGGUNAKAN PIVOT BAHASA INDONESIA oleh: 1 Adi Heru Utomo, 2 Dwi Putro
Lebih terperinciSistem Informasi. Soal Dengan 2 Bahasa: Bahasa Indonesia Dan Bahasa Inggris
Sistem Informasi Soal Dengan 2 Bahasa: Bahasa Indonesia Dan Bahasa Inggris 1. Kita mengetahui bahwa perkembangan teknologi di zaman sekarang sangat pesat dan banyak hal yang berubah dalam kehidupan kita.
Lebih terperinciBAB I PENDAHULUAN. Kurang lebih 30 mahasiswa dan mahasiswi masuk program studi Jepang
BAB I PENDAHULUAN 1.1 Latar Belakang Kurang lebih 30 mahasiswa dan mahasiswi masuk program studi Jepang Universitas Indonesia tiap tahunnya. Hal ini membuktikan bahwa tidak sedikit orang yang ingin mempelajari
Lebih terperinciPengumpulan Korpus Paralel Bahasa Indonesia-Sunda dari Wikipedia Menggunakan Metode Pointwise Mutual Information
Pengumpulan Korpus Paralel Bahasa Indonesia-Sunda dari Wikipedia Metode Pointwise Mutual Information Indonesian-Sundanese Parallel Corpus Retrieval from Wikipedia Using Pointwise Mutual Information Method
Lebih terperinciBAB I PENDAHULUAN. Penerjemahan adalah kegiatan mengalihkan pesan secara tertulis dari teks suatu
BAB I PENDAHULUAN 1.1 Latar Belakang Penerjemahan adalah kegiatan mengalihkan pesan secara tertulis dari teks suatu bahasa ke bahasa yang lain. Teks yang diterjemahkan disebut Teks Sumber (Tsu) dan bahasanya
Lebih terperinciAdi Heru Utomo. Jalan Mastrip Kotak Pos 164 Jember Dwi Putro Sarwo Setyohadi
Implementasi Two-Phase Translation Method pada Pembuatan Web Program Transitive Translation Antara Bahasa Jawa dan Bahasa Inggris menggunakan Pivot Bahasa Indonesia Adi Heru Utomo Jurusan Teknologi Informasi,
Lebih terperinciAnalisis Mesin Pengiris Kentang Spiral Otomatis ANALISIS MESIN PENGIRIS KENTANG SPIRAL OTOMATIS
Analisis Mesin Pengiris Kentang Spiral Otomatis ANALISIS MESIN PENGIRIS KENTANG SPIRAL OTOMATIS Fauzi D3 Teknik Mesin Fakultas Teknik Universitas Negeri Surabaya Email : fauzi.sby@gmail.com Arya Mahendra
Lebih terperinciBAB I PENDAHULUAN. bernama Hamuro Rin. Pria kelahiran Kitakyushu, Jepang ini memulai debutnya
BAB I PENDAHULUAN 1.1 Latar Belakang Novel Higurashi no Ki merupakan salah satu karya penulis terkenal bernama Hamuro Rin. Pria kelahiran Kitakyushu, Jepang ini memulai debutnya sebagai penulis pada tahun
Lebih terperinciPERINGKASAN TEKS BERITA SECARA OTOMATIS MENGGUNAKAN TERM FREQUENCY INVERSE DOCUMENT FREQUENCY (TF-IDF) SKRIPSI DANDUNG TRI SETIAWAN
PERINGKASAN TEKS BERITA SECARA OTOMATIS MENGGUNAKAN TERM FREQUENCY INVERSE DOCUMENT FREQUENCY (TF-IDF) SKRIPSI DANDUNG TRI SETIAWAN 071402054 PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN
Lebih terperincikhazanah Meningkatkan Peran Model Bahasa dalam Mesin Penerjemah Statistik (Studi Kasus Bahasa Indonesia-Dayak Kanayatn) informatika
51 khazanah informatika Jurnal Ilmu Komputer dan Informatika Meningkatkan Peran Model Bahasa dalam Mesin Penerjemah Statistik (Studi Kasus Bahasa Indonesia-Dayak Kanayatn) Herry Sujaini Program Studi Teknik
Lebih terperinciIDEOLOGI DALAM PENERJEMAHAN (Farida Amalia Universitas Pendidikan Indonesia)
IDEOLOGI DALAM PENERJEMAHAN (Farida Amalia Universitas Pendidikan Indonesia) A. Pendahuluam Penerjemahan adalah kegiatan mengalihkan secara tertulis pesan dari teks suatu bahasa ke dalam teks bahasa lain
Lebih terperinciPENERAPAN METODE SEMANTIC SEARCH DALAM MENCARI RELASI KATA YANG TERDAPAT PADA AL-QUR AN TERJEMAHAN BAHASA INDONESIA SKRIPSI
PENERAPAN METODE SEMANTIC SEARCH DALAM MENCARI RELASI KATA YANG TERDAPAT PADA AL-QUR AN TERJEMAHAN BAHASA INDONESIA SKRIPSI MUHAMMAD ARI RIFKI 091402027 PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU
Lebih terperinciKata kunci : citra, pendeteksian warna kulit, YCbCr, look up table
Pendeteksian Warna Kulit berdasarkan Distribusi Warna YCbCr Elrica Pranata / 0422002 Email : cha_nyo2@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Marantha Jalan Prof. Suria Sumantri
Lebih terperinciPERBANDINGAN DECISION TREE, MAXIMUM ENTROPY, DAN ASSOCIATION RULES PADA RESOLUSI KOREFERENSI UNTUK BAHASA INDONESIA
PERBANDINGAN DECISION TREE, MAXIMUM ENTROPY, DAN ASSOCIATION RULES PADA RESOLUSI KOREFERENSI UNTUK BAHASA INDONESIA Astria Kurniawan Sumantri 1, Indra Budi 2, Heri Kurniawan 2 1,2,3 Fakultas Ilmu Komputer,Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini, penulis akan menjabarkan teori-teori yang digunakan penulis dalam menerjemahkan Komik Indonesia Nusantaranger karya Tim Nusantaranger. Agar dapat menerjemahkan komik
Lebih terperinciBAB I PENDAHULUAN. Informasi yang terdapat dalam Laporan Hasil Pemeriksaan (LHP) BPK RI
BAB I PENDAHULUAN I.1 Latar Belakang Informasi yang terdapat dalam Laporan Hasil Pemeriksaan (LHP) BPK RI saat ini belum di-manaje dengan baik secara digital. Informasi yang terdapat dalam LHP yang terdapat
Lebih terperinciABSTRAK. Kata Kunci : Algoritma Genetika, Pemrosesan Bahasa Alami, Twiter, Tweet, Semantic Relatedness. Universitas Kristen Maranatha
ABSTRAK Dengan munculnya berbagai media sosial, banyak orang yang menuliskan bermacam-macam hal, salah satunya memberikan menuliskan motivasi. Dengan demikian, dibuatlah penelitian untuk membuat sebuah
Lebih terperinciKETIDAKAKURATANNYA MENGANALISA TERJEMAHAN DALAM SUBTITLE BAHASA INDONESIA UNTUK FILM TOY STORY 3
KETIDAKAKURATANNYA MENGANALISA TERJEMAHAN DALAM SUBTITLE BAHASA INDONESIA UNTUK FILM TOY STORY 3 Samsul Hadi, Ismani STKIP PGRI Pacitan samsulhadi.mr@gmail.com, ismanipjkr@gmail.com ABSTRAK. Tujuan penelitian
Lebih terperinciABSTRACT. Keywords: The cost of quality, Profitability. viii Universitas Kristen Maranatha
ABSTRACT The development at this time rapidly growing business that certainly had an impact on the economic development in Indonesia. In order to be competitive, the company's products should have advantages
Lebih terperinciPEMAKAIAN MEDIA SCRABBLED DALAM MENINGKATKAN KEMAMPUAN KOSAKATA KALIMAT DAN KETERAMPILAN MENULIS NARASI
PEMAKAIAN MEDIA SCRABBLED DALAM MENINGKATKAN KEMAMPUAN KOSAKATA KALIMAT DAN KETERAMPILAN MENULIS NARASI Sigit Widiyarto 1, Nia Damayanti 2, Aster Pujaning Ati 3 1,3 Program Studi Pendidikan Ekonomi Universitas
Lebih terperinciPERANCANGAN DAN IMPLEMENTASI SISTEM PEMINATAN SISWA SMA DENGAN ALGORITMA C4.5 PADA SMAK HARAPAN DENPASAR
PERANCANGAN DAN IMPLEMENTASI SISTEM PEMINATAN SISWA SMA DENGAN ALGORITMA C4.5 PADA SMAK HARAPAN DENPASAR KOMPETENSI REKAYASA PERANGKAT LUNAK SKRIPSI OLEH : AYU INDAH SARIDEWI NIM.1108605014 PROGRAM STUDI
Lebih terperinciTHE ABILITY OF THE EIGHTH GRADE STUDENTS OF SMP DAREL HIKMAH PEKANBARU IN READING SEQUENCES AND READING COMPREHENSION
1 THE ABILITY OF THE EIGHTH GRADE STUDENTS OF SMP DAREL HIKMAH PEKANBARU IN READING SEQUENCES AND READING COMPREHENSION Erlina¹, Abdul Razak², Hermandra³ Email: erlinaerlina94@gmail.com, encikabdulrazak25@gmail.com,
Lebih terperinciPEMBUATAN SISTEM INFORMASI ADMINISTRASI RAWAT INAP PASIEN RUMAH SAKIT BERBASIS WEB
PEMBUATAN SISTEM INFORMASI ADMINISTRASI RAWAT INAP PASIEN RUMAH SAKIT BERBASIS WEB Tugas Akhir Disusun untuk memenuhi salah satu syarat dalam memperoleh gelar Ahli Madya pada Program Studi Diploma III
Lebih terperinciPENERAPAN MODIFIKASI ALGORITMA A* PATHFINDING DALAM GAME BALAP 3D BERBASIS MOBILE KOMPETENSI REKAYASA PERANGKAT LUNAK SKRIPSI
PENERAPAN MODIFIKASI ALGORITMA A* PATHFINDING DALAM GAME BALAP 3D BERBASIS MOBILE KOMPETENSI REKAYASA PERANGKAT LUNAK SKRIPSI OLEH : INDRA MAULANA BACHTIFAR NIM.1108605031 PROGRAM STUDI TEKNIK INFORMATIKA
Lebih terperinci