Deteksi dan Koreksi Kesalahan Penulisan Kata Partikel Bahasa Indonesia Menggunakan Transformer mT5 dan XGBoost

Friliyandre, Friliyandre (2026) Deteksi dan Koreksi Kesalahan Penulisan Kata Partikel Bahasa Indonesia Menggunakan Transformer mT5 dan XGBoost. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (909kB)
	PDF ARTIKEL.pdf Restricted to Registered users only Download (456kB)
	PDF TURNITIN.pdf Restricted to Registered users only Download (134kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (2MB)
	PDF LETTER_OF_ACCEPTANCE.pdf Restricted to Registered users only Download (530kB)
	Archive (ZIP) CREATION_FILE.zip Restricted to Registered users only Download (2MB)

Abstract

Kesalahan penggunaan partikel Bahasa Indonesia (pun, per, -lah, -kah) masih marak terjadi dalam penulisan formal meskipun telah diatur dalam PUEBI. Guna mengatasi beban komputasi dan risiko modifikasi berlebihan pada model generatif end-to-end, penelitian ini mengembangkan U-TAPIS, sebuah sistem koreksi tata bahasa hibrida yang memadukan algoritma klasifikasi XGBoost dengan model Multilingual Text-to-Text Transfer Transformer (mT5). Metode ini menerapkan mekanisme Tag Injection untuk memfokuskan perbaikan mT5 secara eksklusif pada segmen kesalahan yang divonis oleh XGBoost, sehingga orisinalitas kalimat yang sudah valid tetap terjaga. Hasil evaluasi menunjukkan performa yang tangguh; modul deteksi XGBoost mencapai akurasi 99,51%, sementara modul koreksi mT5 mencatat Akurasi Tingkat Kalimat sebesar 92,36% dengan tingkat False Positive Rate (FPR) sebesar 5,00%. Sistem ini diimplementasikan sebagai layanan Application Programming Interface (API) berbasis Flask yang fungsional untuk mendukung efisiensi penyuntingan naskah secara otomatis dan sadar konteks.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Friliyandre, Friliyandre (00000068633)
Contributors:	Vasty Overbeek, Marlinda
Keywords:	Deteksi Kesalahan Gramatikal, Koreksi Kesalahan Gramatikal, mT5, Partikel Bahasa Indonesia, XGBoost
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	12 May 2026 07:57
URI:	https://kc.umn.ac.id/id/eprint/45484

Actions (login required)

View Item