Analisis Part of Tagging Bahasa Indonesia tentang Swamedikasi Pada Dialog Interactive Qestion dengan Brill TAGGER
Keywords:
tokenisasi, normalisasi kata, part of speech tagging, brill tagger.Abstract
Part of Speech Tagging merupakan kegiatan pemberian label kelas kata pada suatu kata sehingga akan diketahui keterangan dari masing-masing kata. Dalam membangun sistem interactive question answering (IQA), part of speech tagging dibutuhkan pada tahapan awal sistem IQA. Sistem IQA memberikan kesempatan kepada pengguna untuk bertanya dan memperjelas pertanyaan sampai didapatkan sebuah informasi yang diinginkan berdasarkan pada feedback yang diberikan oleh sistem. Swamedikasi adalah kegiatan pemilihan dan penggunaan obat baik itu obat modern, herbal, maupun obat tradisional oleh seorang individu untuk mengatasi penyakit atau gejala penyakit.
Hasil yang diperoleh berdasarkan pengujian yang dilakukan adalah sebesar 70,37037 %. Pengujian ini dilakukan dengan menggunakan cross validation dan recall. Pada cross validation didapatkan hasil bahwa terdapat 86 kata yang tidak terlabel (tertagging) dengan benar dan 269 kata tertagging dengan benar termasuk tanda baca, sedangkan pada pengujian recall dilakukan dengan melakukan pengujian sebanyak 10 kali pengujian yang terdiri dari masing-masing 5 kalimat dan menghasilkan akurasi yang berbeda-beda sehingga diperoleh akurasi rata-ratanya sebesar 70, 37037%.
References
Abidin, Z. (2021). Pelatihan Dasar-Dasar Algoritma Dan Pemograman Untuk Membangkitkan Minat Siswa-Siswi Smk Pada Dunia Pemograman. Journal of Social Sciences and Technology for Community Service (JSSTCS), 2(2), 54. https://doi.org/10.33365/jsstcs.v2i2.1326
Abidin, Z., Permata, Ahmad, I., & Rusliyawati. (2021). Effect of mono corpus quantity on statistical machine translation Indonesian-Lampung dialect of nyo. Journal of Physics: Conference Series, 1751(1). https://doi.org/10.1088/1742-6596/1751/1/012036
Abidin, Z., & Permata, P. (2021). Pengaruh Penambahan Korpus Paralel Pada Mesin Penerjemah Statistik Bahasa Indonesia Ke Bahasa Lampung Dialek Nyo. Jurnal Teknoinfo, 15(1), 13. https://doi.org/10.33365/jti.v15i1.889
Abidin, Z., Wijaya, A., & Pasha, D. (2021). Aplikasi Stemming Kata Bahasa Lampung Dialek Api Menggunakan Pendekatan Brute-Force dan Pemograman C. JURNAL MEDIA INFORMATIKA BUDIDARMA, 5(1), 1–8.
Ahdan, S., Putri, A. R., & Sucipto, A. (2020). Aplikasi M-Learning Sebagai Media Pembelajaran Conversation Pada Homey English. Sistemasi, 9(3), 493. https://doi.org/10.32520/stmsi.v9i3.884
Ahmad, I., Borman, R. I., Caksana, G. G., & Fakhrurozi, J. (2021). IMPLEMENTASI STRING MATCHING DENGAN ALGORITMA BOYER-MOORE UNTUK MENENTUKAN TINGKAT KEMIRIPAN PADA PENGAJUAN JUDUL SKRIPSI/TA MAHASISWA (STUDI KASUS: UNIVERSITAS XYZ). SINTECH (Science and Information Technology) Journal, 4(1), 53–58.
Al-Ayyubi, M. S., Sulistiani, H., Muhaqiqin, M., Dewantoro, F., & Isnain, A. R. (2021). Implementasi E-Government untuk Pengelolaan Data Administratif pada Desa Banjar Negeri, Lampung Selatan. E-Dimas: Jurnal Pengabdian Kepada Masyarakat, 12(3), 491–497. https://doi.org/10.26877/e-dimas.v12i3.6704
Aldino, A. A., Darwis, D., Prastowo, A. T., & Sujana, C. (2021). Implementation of K-means algorithm for clustering corn planting feasibility area in south lampung regency. Journal of Physics: Conference Series, 1751(1), 12038.
Aldino, A. A., Hendra, V., & Darwis, D. (2021). Pelatihan Spada Sebagai Optimalisasi Lms Pada Pembelajaran Di Masa Pandemi Covid 19. Journal of Social Sciences and Technology for Community Service (JSSTCS), 2(2), 72. https://doi.org/10.33365/jsstcs.v2i2.1330
Aldino, A. A., Saputra, A., & Nurkholis, A. (2021). Application of Support Vector Machine ( SVM ) Algorithm in Classification of Low-Cape Communities in Lampung Timur. 3(3), 325–330. https://doi.org/10.47065/bits.v3i3.1041
Alita, D., Fernando, Y., & Sulistiani, H. (2020). Implementasi Algoritma Multiclass SVM pada Opini Publik Berbahasa Indonesia di Twitter. Jurnal Tekno Kompak, 14(2), 86–91.
Alita, D., Putra, A. D., & Darwis, D. (2021). Analysis of classic assumption test and multiple linear regression coefficient test for employee structural office recommendation. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 15(3), 1–5.
Ambarwari, A., Adria, Q. J., Herdiyeni, Y., & Hermadi, I. (2020). Plant species identification based on leaf venation features using SVM. Telkomnika, 18(2), 726–732.
Aminatun, D., & Oktaviani, L. (2019). Memrise: Promoting Students’ Autonomous Learning Skill through Language Learning Application. Metathesis: Journal of English Language, Literature, and Teaching, 3(2), 214. https://doi.org/10.31002/metathesis.v3i2.1982
Aziz, M., & Fauzi, A. (2022). CNN UNTUK DETEKSI BOLA MULTI POLA STUDI KASUS : LIGA HUMANOID ROBOCUP CNN For Multi Pattern Ball Detection Case Study : RoboCup Humanoid League. 5(1), 23–34.
Borman, R. I., & Putra, A. S. (2018). Game Pengenalan Huruf Hijaiyah Untuk Anak Autis Dengan Penerpan Pendekatan Edukasi Multisensori. SEMNASTEKNOMEDIA ONLINE, 6(1), 1–6.
Darwis, D., & Pauristina, D. M. (2020). AUDIT SISTEM INFORMASI MENGGUNAKAN FRAMEWORK COBIT 4.1 SEBAGAI UPAYA EVALUASI PENGOLAHAN DATA PADA SMKK BPK PENABUR BANDAR LAMPUNG. Jurnal Ilmiah Infrastruktur Teknologi Informasi, 1(1), 1–6.
Darwis, D., Siskawati, N., & Abidin, Z. (2021). Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional. Jurnal Tekno Kompak, 15(1), 131–145.
Fakhrurozi, J., & Puspita, D. (2021). KONSEP PIIL PESENGGIRI DALAM SASTRA LISAN WAWANCAN LAMPUNG SAIBATIN. JURNAL PESONA, 7(1), 1–13.
Indrayuni, E. (2019). Klasifikasi Text Mining Review Produk Kosmetik Untuk Teks Bahasa Indonesia Menggunakan Algoritma Naive Bayes. Jurnal Khatulistiwa Informatika, 7(1), 29–36. https://doi.org/10.31294/jki.v7i1.1
Comparison of Support Vector Machine and Naïve Bayes on Twitter Data Sentiment Analysis, (2021).
Mahmuda, S., Sucipto, A., & Setiawansyah, S. (2021). Pengembangan Sistem Informasi Pengolahan Data Tunjangan Karyawan Bulog (TKB)(Studi Kasus: Perum Bulog Divisi Regional Lampung). Jurnal Ilmiah Sistem Informasi Akuntansi, 1(1), 14–23.
Oktaviani, L. (2021). Penerapan Sistem Pembelajaran Dalam Jaringan Berbasis Web Pada Madrasah Aliyah Negeri 1 Pesawaran. Jurnal WIDYA LAKSMI (Jurnal Pengabdian Kepada Masyarakat), 1(2), 68–75.
Pajar, M., & Putra, K. (2021). A Novel Method for Handling Partial Occlusion on Person Re-identification using Partial Siamese Network. 12(7), 313–321.
Parnabhhakti, L., & Ulfa, M. (2020). Perkembangan Matematika Dalam Filsafat. Jurnal Ilmiah Matematika Realistik, 1(1), 11–14.
Puspaningrum, A. S., & Susanto, E. R. (2021). Penerapan Dan Pelatihan e-Learning Pada SMA Tunas Mekar Indonesia. Jurnal Pengabdian Kepada Masyarakat (JPKM) TABIKPUN, 2(2), 91–100.
Rahman Isnain, A., Indra Sakti, A., Alita, D., & Satya Marga, N. (2021). Sentimen Analisis Publik Terhadap Kebijakan Lockdown Pemerintah Jakarta Menggunakan Algoritma Svm. Jdmsi, 2(1), 31–37. https://t.co/NfhnfMjtXw
Riskiono, S. D., & Pasha, D. (2020). Analisis Metode Load Balancing Dalam Meningkatkan Kinerja Website E-Learning. Jurnal TeknoInfo, 14(1), 22–26.
rusliyawati, rusliyawati, Suryani, A. D., & Ardian, Q. J. (2020). Rancang Bangun Identifikasi Kebutuhan Kalori Dengan Aplikasi Go Healthy Life. Jurnal Teknologi Dan Sistem Informasi, 1(1), 47–56. http://jim.teknokrat.ac.id/index.php/sisteminformasi/article/view/51
Rusliyawati, R., Muludi, K., Wantoro, A., & Saputra, D. A. (2021). Implementasi Metode International Prostate Symptom Score (IPSS) Untuk E-Screening Penentuan Gejala Benign Prostate Hyperplasia (BPH). Jurnal Sains Dan Informatika, 7(1), 28–37.
Samsugi, S., Nurkholis, A., Permatasari, B., Candra, A., & Prasetyo, A. B. (2021). Internet of Things Untuk Peningkatan Pengetahuan Teknologi Bagi Siswa. Journal of Technology and Social for Community Service (JTSCS), 2(2), 174.
Sarasvananda, I. B. G., Anwar, C., Donaya, P., & Styawati. (2021). ANALISIS SURVEI KEPUASAN MASYARAKAT MENGGUNKAN PENDEKATAN E-CRM (Studi Kasus: BP3TKI Lampung). … Dan Sistem Informasi, 2(1), 1–9. https://ejurnal.teknokrat.ac.id/index.php/JDMSI/article/view/1026
Satria, M. N. D., & Haryadi, S. (2018). Effect of the content store size to the performance of named data networking: Case study on Palapa Ring topology. Proceeding of 2017 11th International Conference on Telecommunication Systems Services and Applications, TSSA 2017, 2018-Janua, 1–5. https://doi.org/10.1109/TSSA.2017.8272911
Styawati, Andi Nurkholis, Zaenal Abidin, & Heni Sulistiani. (2021). Optimasi Parameter Support Vector Machine Berbasis Algoritma Firefly Pada Data Opini Film. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(5), 904–910. https://doi.org/10.29207/resti.v5i5.3380
Styawati, S., & Mustofa, K. (2019). A Support Vector Machine-Firefly Algorithm for Movie Opinion Data Classification. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 13(3), 219–230.
Suaidah, S., & Sidni, I. (2018). Perancangan Monitoring Prestasi Akademik dan Aktivitas Siswa Menggunakan Pendekatan Key Performance Indicator (Studi Kasus SMA N 1 Kalirejo). Jurnal Tekno Kompak, 12(2), 62–67.
Sulistiani, H., & Aldino, A. A. (2020). Decision Tree C4.5 Algorithm for Tuition Aid Grant Program Classification (Case Study: Department of Information System, Universitas Teknokrat Indonesia). Edutic - Scientific Journal of Informatics Education, 7(1), 40–50. https://doi.org/10.21107/edutic.v7i1.8849
Sulistiani, H., Muludi, K., & Syarif, A. (2019). Implementation of Dynamic Mutual Information and Support Vector Machine for Customer Loyalty Classification. Journal of Physics: Conference Series, 1338(1). https://doi.org/10.1088/1742-6596/1338/1/012050
Sulistiani, H., & Tjahyanto, A. (2016). Heterogeneous feature selection for classification of customer loyalty fast moving consumer goods (Case study: Instant noodle). Journal of Theoretical and Applied Information Technology, 94(1), 77–83. https://doi.org/10.5281/zenodo.579836
Sulistiani, H., Wardani, F., & Sulistyawati, A. (2019). Application of Best First Search Method to Search Nearest Business Partner Location (Case Study: PT Coca Cola Amatil Indonesia, Bandar Lampung). 2019 International Conference on Computer Science, Information Technology, and Electrical Engineering (ICOMITEE), 102–106.
