Pengembangan Modul U-Tapis untuk Mendeteksi Kesalahan Penggunaan Tanda Baca Menggunakan Recurrent Neural Network

Zoe Putri Sukonco, Andrea (2025) Pengembangan Modul U-Tapis untuk Mendeteksi Kesalahan Penggunaan Tanda Baca Menggunakan Recurrent Neural Network. MBKM thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (864kB)
	PDF BAB_I.pdf Download (210kB)
	PDF BAB_II.pdf Download (399kB)
	PDF BAB_III.pdf Download (377kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (412kB)
	PDF BAB_V.pdf Download (224kB)
	PDF DAFTAR_PUSTAKA.pdf Download (223kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (2MB)
	PDF LEMBAR_PENGESAHAN.pdf Download (53kB)

Abstract

Penelitian ini mengeksplorasi pengembangan U-Tapis, sebuah alat yang dirancang untuk secara otomatis mendeteksi dan memperbaiki kesalahan tanda baca berdasarkan edisi kelima Ejaan yang Disempurnakan (EYD V). Dengan memanfaatkan Recurrent Neural Network (RNN), sebuah model pembelajaran mendalam yang cocok untuk data sekuensial, U-Tapis secara efisien mengidentifikasi kesalahan tanda baca dalam teks Bahasa Indonesia. Penelitian ini menggunakan dataset yang terdiri dari 1.035 artikel dari Tribunnews.com, mencakup 9.930 kalimat, untuk pelatihan dan evaluasi. Teknik pra-pemrosesan data seperti tokenisasi digunakan untuk mempersiapkan teks sebelum analisis. Model RNN yang digunakan menunjukkan akurasi sebesar 69%, yang menunjukkan potensi untuk meningkatkan efisiensi dalam deteksi kesalahan tanda baca, meskipun masih memerlukan penyempurnaan lebih lanjut untuk mencapai akurasi yang lebih tinggi. Hasil penelitian menunjukkan bagaimana Deep Learning dan Natural Language Processing (NLP) dapat menyederhanakan proses editorial dengan mengotomatiskan deteksi kesalahan, memastikan konsistensi bahasa, dan mengurangi upaya manual dalam jurnalisme dan bidang lain yang bergantung pada teks.

Item Type:	Thesis (MBKM)
Keywords:	Kesalahan tanda baca, Recurrent Neural Network (RNN), Natural Language Processing (NLP)
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	20 Jan 2025 12:54
Last Modified:	20 Jan 2025 12:54
URI:	https://kc.umn.ac.id/id/eprint/35723

Actions (login required)

View Item