Deteksi dan Koreksi Kesalahan Struktur Kalimat Menggunakan Context Free Grammar dan T5

Maryama Ramadhini Afifah, Siti (2026) Deteksi dan Koreksi Kesalahan Struktur Kalimat Menggunakan Context Free Grammar dan T5. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_I.pdf Download (226kB)
	PDF BAB_II.pdf Download (317kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (211kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (218kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (602kB)
	Archive (ZIP) 00000089085_2521_LembarPengesahan.pdf Restricted to Registered users only Download (65kB)

Abstract

Perkembangan media berita daring yang menuntut kecepatan publikasi menyebabkan kesalahan struktur kalimat kerap ditemukan pada teks berita berbahasa Indonesia. Kesalahan sintaksis tersebut berpotensi menimbulkan ambiguitas makna dan menurunkan kredibilitas media. Penelitian ini bertujuan mengembangkan modul deteksi kesalahan struktur kalimat berbasis Context Free Grammar (CFG) dan modul koreksi kalimat berbasis Text-to-Text Transfer Transformer (T5) untuk teks berita daring berbahasa Indonesia. Data yang digunakan berasal dari 10.000 artikel Tribunnews.com yang menghasilkan 118.879 kalimat setelah melalui proses ekstraksi dan prapemrosesan. Modul deteksi berbasis CFG memanfaatkan Part-of-Speech (POS) Tagging dan Rule-Based Phrase Chunking menggunakan Stanza NLP untuk mengidentifikasi delapan kategori kesalahan sintaksis (K01­K08), sedangkan modul koreksi berbasis IndoT5 dilatih menggunakan 29.425 pasangan data sintetis hasil augmentasi melalui proses fine-tuning pada model pre-trained Wikidepia/IndoT5-base. Hasil evaluasi menunjukkan bahwa modul CFG memperoleh nilai accuracy sebesar 87,08% dan weighted average F1-score sebesar 91,31%, dengan performa terbaik pada kategori K05, K02, dan K08. Sementara itu, modul IndoT5 menunjukkan kinerja yang sangat baik dengan nilai Exact Match sebesar 85,59%, ROUGE-L sebesar 99,04%, Precision sebesar 98,63%, Recall sebesar 98,66%, Word-level F1 sebesar 98,63%, dan GLEU sebesar 96,75%. Kedua modul kemudian diimplementasikan dalam layanan REST API berbasis FastAPI. Hasil penelitian menunjukkan bahwa pendekatan berbasis aturan melalui CFG dan pendekatan generatif melalui IndoT5 dapat diterapkan secara efektif untuk mendukung proses deteksi dan koreksi kesalahan struktur kalimat bahasa Indonesia pada domain berita daring.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Maryama Ramadhini Afifah, Siti (00000089085)
Contributors:	Vasty Overbeek, Marlinda
Keywords:	Context Free Grammar, Deteksi Kesalahan Struktur Kalimat, Koreksi Kesalahan Struktur Kalimat, Natural Language Processing, Text-to-Text Transfer Transformer.
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	23 Jul 2026 08:05
URI:	https://kc.umn.ac.id/id/eprint/47951

Actions (login required)

View Item