Hasil Pencarian  ::  Simpan CSV :: Kembali

"Skripsi ini merupakan penelitian semantis tentang kolokasi sintagmatis monem argent yang bermakna alat pemhayaran, di dalam ungkapan berbahasa Prancis. Tujuan dari penelitian ini adalah mendiskripsikan kolokasi tersebut. Kolokasi sintagmatis adalah kesesuaian semantis antarunsur yang herada di dalam satu rangkaian ujaran.Analisis mencakup dua segi pembahasan, yaitu segi semantis dan sintaktis. Teori-teori semantis yang digunakan untuk meneliti data, yang berjumlah 79 (tujuh puluh Sembilan) ungkapan diambil dari entri monem argent di dalam kamus Le Grand Robert dan Dictionnaire des Expressions et Locutions, adalah neon makna dan kolokasi yang dikemukakan oleh Palmer, teori konteks dan situasi oleh Baylon, teori perubahan makna dan proses metaforis oleh Rend Dirven dan Tutescu, serta teori-teori lain oteh Hillary Bool dan Harimurti Kridalaksana. Teori tentang satuan sintaktis oteh Andre Martinet digunakan untuk mengklasifikasikan data menurut tataran sintaktis Bahasa Prancis.Setelah dilakukan analisis terhadap semua data, berdasarkan kolokasi sintagmatis monem argent, ditemukan dua jenis ungkapan yakni ungkapan yang berkolokasi hiasa, bila antarunsurnya mempunyai kesesuaian semantis hiasa, dan ungkapan yang berkolokasi iuar hiasa, bila di dalamnya terjadi perubahan makna pada satu atau beberapa unsurnya yang berupa proses metaforis. Proses metaforis yang didapatkan adalah metafora dalam arti sempit, metonimi, campuran metafora dan metonimi, serta sinestesia. Di samping itu ditemukan pula perubahan acuan pada monem argent, yaitu tidak lagi mengacu kepada alat pembayaran, melainkan kepada sesuatu yang herharga dan kepada pelaku."

"Media sosial telah berkembang pesat dalam masyarakat dunia. Tak terkecuali Twitter yang mendapatkan peningkatan baik dalam jumlah pengguna maupun konten yang dibuat. Namun, Twitter memiliki batasan karakter dalam satu tweet yang menyebabkan perubahan pada pola penulisan para penggunanya. Pengguna Twitter mulai memodifikasi penulisan dengan kata baku menjadi kata tidak baku, salah satunya dengan menggunakan bahasa campuran. Untuk keperluan analisis tweet, normalisasi teks diperlukan untuk mengubah kata tidak baku menjadi baku untuk memudahkan analisis. State-of-the-art pada normalisasi teks Twitter berbahasa campuran Indonesia dan Inggris saat ini adalah model statistical machine translation (SMT), namun model SMT masih memiliki kelemahan pada beberapa jenis perubahan kata. Penelitian ini berfokus pada normalisasi teks Twitter Indonesia berbahasa campuran Indonesia dan Inggris dengan menggunakan salah satu model transformer yaitu UFAL ByT5. Terdapat dua model UFAL ByT5 yang digunakan masing-masing untuk bahasa Indonesia serta bahasa Inggris. Hasil penelitian menunjukkan model UFAL ByT5 unggul dalam normalisasi teks dibandingkan model SMT, dengan selisih nilai BLEU 0,88 persen lebih besar.

---

Social media has been grown rapidly in the global community. It also includes Twitter, which is getting increase in both users and content created. However, Twitter has character limit in one tweet which causes changes to the writing patterns of its users. Twitter users began to modify their writing from using formal words into non-formal words, one of which was using code-mixed language. For tweet analysis purposes, text normalization is required to transform non-formal words into formal ones to help analysis process. The recent state-of-the-art for Indonesian-English code-mixed Twitter text normalization is with statistical machine translation (SMT) models, however the SMT model still has weakness in word recognition. This research focuses on the Indonesian and English code-mixed Twitter text normalization using one of transformer model which is UFAL ByT5. There are two UFAL ByT5 models that were used, each of them are for Indonesian and English language. Research result shows that UFAL ByT5 model outperform SMT model on text normalization by 0.88 percent of BLEU score in difference."