Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Penelitian analisis sentimen sudah banyak dikaji untuk berbagai bahasa, termasuk bahasa Indonesia. Namun sayangnya, belum terdapat penelitian benchmarking analisis sentimen untuk teks berbahasa Indonesia. Hal ini menyebabkan kesulitan bagi para peneliti untuk mendapatkan informasi mengenai metode klasifikasi dengan performa terbaik pada saat ini. Dengan adanya permasalahan tersebut, penelitian ini dilakukan dengan tujuan membantu memberikan arahan untuk penelitian sentimen analisis dalam bahasa Indonesia. Untuk dapat memberikan arahan, penelitian ini berusaha untuk membandingkan pendekatan klasifikasi sentimen rule-based, machine learning dan deep learning serta teknik ekstraksi fitur untuk mendapatkan skenario analisis sentimen terbaik. Berdasarkan hasil eksperimen penelitian, ditunjukkan bahwa klasifikasi terbaik dicapai oleh deep learning, disusul dengan metode klasifikasi machine learning dan rule-based. Pencapaian nilai terbaik pada klasifikasi menggunakan deep learning diperoleh menggunakan model BERT. Untuk klasifikasi menggunakan machine learning, didapatkan bahwa nilai F1-Score terbaik diperoleh saat digunakan metode klasifikasi Logistic Regression dengan teknik ekstraksi fitur kombinasi unigram dengan leksikon kombinasi. Sedangkan untuk klasifikasi rule-based nilai F1-Score tertinggi didapatkan menggunakan metode klasifikasi adjektiva. ...... Currently, there have been many kinds of research done on sentiment analysis. However, there are no papers on sentiment analysis benchmarks for the Indonesian language. Due to the absence of such research, it became difficult for researchers to get information about classifiers with the best performance. Because of this problem, this research is conducted so it would be easier for researchers to get information and direction on doing Indonesian sentiment analysis. In this paper, we held an experiment comparing sentiment classification using rule-based, machine learning, and deep learning and comparing feature extraction techniques to achieve the best sentiment analysis scenario. Based on our experiments in this research, prediction using deep learning classification gave the best result compared to machine learning and rule-based classification. Using deep learning classification, the BERT model is used to get the best result. The best F1-Score for machine learning classification is obtained using a Logistic Regression classifier alongside a combination of unigram and combined lexicon feature extraction. Meanwhile, the best F1-Score for the rule-based classification is obtained using the Adjective classification method

Abstrak :
Pada situasi bilingualisme dapat terjadi pemakaian bahasa secara bergantian, salah satunya disebut dengan campur kode. Dalam proses campur kode tidak dapat dihindari adanya interferensi atau masuknya unsur-unsur bahasa ibu terhadap bahasa lain yang dituturkan oleh bilingual, salah satunya yakni dalam bentuk interferensi bunyi. Penelitian ini membahas bagaimana pengaruh bunyi bahasa Belanda terhadap kosakata bahasa Indo yang diserap dari bahasa Indonesia pada tiga lagu karya Ricky Risolles. Tujuan penelitian ini adalah menjelaskan peran distribusi fonem dalam interferensi bahasa Belanda terhadap kosakata bahasa Indo yang digunakan sebagai objek penelitian. Metode deskriptif kualitatif digunakan untuk menganalisis data yang diambil dari tiga lagu karya Ricky Risolles. Hasil penelitian ini mengungkapkan bahwa terdapat interferensi fonologis bahasa Belanda terhadap kosakata bahasa Indo pada tiga lagu karya Ricky Risolles, dan dapat disimpulkan terdapat delapan kata bahasa Indo yang mengalami perubahan bunyi akibat interferensi, yakni: 'kentoet, sajoer lodeh, mata gelap, boleh, gatal, ngentot, putih, dan tjeplok'. ...... In the situation of bilingualism, there is a possibility of two languages used alternately, one of which is called code mixing. In the process of code mixing, it cannot be avoided that there will be interference of the mother language elements to another language that is spoken by a bilingual. One of the interference is at the sound level. This research discusses how Dutch influence on the vocabulary of Indo language which absorbs from the Indonesian on three songs by Ricky Risolles. The aim of this research is to explain the role of phoneme distribution interference in Dutch towards the Indo language vocabularies in the research objects. The descriptive qualitative method is used to analyze the data that are taken from three songs by Ricky Risolles. The results show that there is interference of Dutch phonology towards Indo language vocabulary in the three songs. It can be concluded that there are eight words of Indo language that sustain the changes of sound due to the interference, namely: 'kentoet, sajoer lodeh, mata gelap, boleh, gatal, ngentot, putih, and tjeplok.