Hasil Pencarian  ::  Simpan CSV :: Kembali

"Salah satu kendala terbesar manusia untuk memahami suatu informasi adalah bahasa. Informasi yang ada saat ini berjumlah sangat banyak dan telah dapat disediakan dalam bermacam-macam bentuk mulai dari yang paling sederhana yaitu teks hingga yang lebih canggih dengan menggunakan berkas suara. Informasi yang disediakan dalam berkas suara akan lebih mudah dimengerti oleh manusia, tetapi tetap saja informasi ini tidak lepas dari permasalahan utama yaitu bahasa. Dengan adanya permasalahan diatas, dilakukanlah pengembangan sistem penerjemahan suara ke suara untuk bahasa Indonesia ke bahasa Inggris yang memungkinkan penerjemahkan berkas suara berbahasa Indonesia menjadi suara dalam bahasa Inggris sehingga kendala pemahaman untuk kedua bahasa tersebut dapat dikurangi. Pengembangan sistem penerjemahan suara ke suara ini melibatkan sistem pengenalan suara yang memungkinkan pengubahan data suara menjadi teks, mesin penerjemah yang memungkinkan komputer untuk melakukan penerjemahan teks dari satu bahasa ke bahasa lain dan sistem sintesis suara yang memungkinkan komputer untuk menghasilkan suara dari teks. Pada penelitian ini, terdapat tiga macam data yang digunakan yaitu rekaman percakapan, rekaman novel dan rekaman menggunakan telepon. Akurasi tertinggi dari hasil yang dikeluarkan oleh sistem pengenalan suara adalah pengenalan kata sebesar 96.10% untuk rekaman percakapan dan pengenalan kalimat sebesar 83.70% untuk rekaman percakapan. Untuk mesin penerjemah, akurasi tertinggi yang diperoleh adalah sebesar 0.38 pada rekaman percakapan, sedangkan akurasi sistem sintesis suara adalah 34% untuk rekaman menggunakan telepon.

---

The biggest challenge for human to understand information is language barrier. Nowadays, the number of information has grown rapidly and the information is available from text to multimedia such as audio or speech. The information presented in a speech document can be understood more easily by human; however, this information is difficult to be translated into another language. The development of Indonesia - English speech to speech translation system enables the translation of Indonesian speech into English speech. The development of speech to speech translation system involves the speech recognition system which enables the conversion of speech data into text, machine translation system which enables the computer to translate texts form one language to another and a speech synthesis system which enables the computer to produce speech form texts. There are three kinds of speech data that are used on this research: conversation and novel sentences recorded using a speech recorder and conversation sentences recorded using mobile telephone. The highest accuracy for speech recognition system`s output is 96.10% for the word recognition and 83.70% for the sentence recognition on conversation speech. For the machine translation, the highest accuracy is 0.38 for conversation recorded using a speech recorder, while the speech synthesis system achieves the highest accuracy of 34% for the conversation recorded using mobile telephone."

"Mesin Penerjemah digunakan untuk menerjemahkan teks dari suatu bahasa ke bahasa lain secara otomatis. Mesin Penerjemah Statistik adalah Mesin Penerjemah yang menggunakan pendekatan statistik dalam proses menerjemahkan teks. Penelitian dilakukan dengan menggunakan Mesin Penerjemah Statistik berdasarkan frase yang memanfaatkan korpus dwibahasa paralel sebagai data pelatihannya.Korpus dwibahasa Indonesia - Jepang yang digunakan berupa koleksi dokumen Kitab Suci, artikel berita, dan percakapan sehari-hari dengan jumlah keseluruhan kalimat sebanyak 24.365 kalimat. Koleksi dokumen dalam bahasa Jepang tersedia dalam dua macam bentuk tulisan, yaitu Kanji atau Romaji. Penelitian dilakukan pada korpus dwibahasa tanpa faktor tambahan dan korpus yang menggunakan perangkat bahasa tambahan, yaitu lema.Dari hasil penelitian, didapati bahwa kinerja penerjemahan teks Indonesia - Jepang menggunakan Mesin Penerjemah Statistik berdasarkan frase pada penelitian ini, nilai akurasi tertinggi berdasarkan BLEU score mencapai 0,2027. Nilai akurasi tertinggi tersebut didapatkan pada jenis dokumen artikel berita tanpa faktor tambahan dengan model bahasa 5-gram. Sedangkan penambahan perangkat bahasa lema pada korpus pelatihan menurunkan kinerja dari Mesin Penerjemah Statistik berdasarkan frase.

---

Machine Translation translates text from one language to another automatically. Statistical Machine Translation uses statistical approach to translate text. This research uses phrase-based Statistical Machine Translation system. We use Indonesian ? Japanese bilingual corpora as the training data which consist of holy writings, news article, and daily conversation with total of 24.365 sentences. Japanese document collections are written in Kanji and Romaji.This research uses unfactored training corpora and factored training corpora (lemma). The highest accuracy based on evaluation of the translation result is 0.2027 in BLEU score which is the score of news article document written in Romaji using 5-gram language model. Factored training corpora (lemma) decreases the performance of the machine translation system."

"Informasi yang terdapat saat ini tidak hanya terbatas disimpan dalam bentuk dokumen teks saja, tetapi banyak juga dalam bentuk dokumen suara. Banyaknya informasi yang disimpan dalam bentuk dokumen suara menyebabkan diperlukannya teknik perolehan informasi yang dapat diterapkan kepada koleksi dokumen tersebut. Pendekatan yang banyak dilakukan adalah dengan menggunakan hasil pengenalan suara oleh Sistem Pengenalan Suara Otomatis (SPSO). Tetapi, hasil pengenalan suara oleh SPSO tidak sepenuhnya benar sehingga menurunkan tingkat akurasi perolehan informasi dokumen suara. Pada penelitian ini penulis mencoba empat jenis hasil pengenalan suara untuk melakukan perolehan informasi dokumen suara, yaitu 1-best output, n-best word output, n-best pronounciation output, word posterior lattice. Selain itu, penulis juga mencoba tiga jenis kueri pada penelitian ini, yaitu kueri satu kata, kueri frase dua kata dan kueri kalimat. Hasil yang didapat pada penelitian ini menyimpulkan bahwa penggunaan 1-best output pada perolehan informasi dokumen suara menghasilkan kinerja yang lebih baik dibandingkan penggunaan hasil pengenalan suara yang lain. Mean Average Precision (MAP) hasil eksperimen dengan 1-best output lebih besar 0.64% dibandingkan penggunaan n-best output , 8,88% lebih besar dibandingkan penggunaan word posterior lattice dan lebih besar 92.68% dibandingkan penggunaan n-best pronounciation output. Pada eksperimen dengan kueri frase, sistem dengan akurasi terbaik adalah sistem yang menggunakan word posterior lattice. Pada eksperimen dengan kueri satu kata dan kueri kalimat, sistem yang menggunakan n-best word output menghasilkan kinerja terbaik.

---

The information today is not only limited in the form of text documents, but also in the form of spoken documents. The growing number of those spoken documents requires the information retrieval techniques to make the retrieval process easier. The approach for spoken documents retrieval is using automatic speech recognition (ASR). However, the results of the speech recognition by ASR are not entirely correct, so reduce the level of accuracy of information retrieval of spoken documents. This experiment uses four types results of the speech recognition by ASR, the 1-best output, n-best output, n-best pronunciation output, word posterior lattice. In addition, this experiment also investigates the effect of the use of query types (phrase, single word and sentence). Results obtained from this experiment concluded that the use of 1-best output on spoken document retrieval produces better performance results than the use of other results of the speech recognition. Mean Average Precision (MAP) results of experiments with 1-best output is 0.64% higher than the use of n-best output, 8.88% higher than the use of word posterior lattice and 92.68% higher than the use of n-best pronunciation output. In phrase based query experiment, the best accuracy is word posterior lattice while the best accuracy in single word query and sentence query is n-best word output."

"Mesin Penerjemah (MP) adalah sebuah sub-bagian dari computational linguistics yang menggunakan komputer untuk menerjemahkan teks dari sebuah bahasa ke bahasa yang lain. Sementara Mesin Penerjemah Statistik (MPS) adalah sebuah pendekatan MP dimana hasil terjemahan dihasilkan atas dasar model statistik yang parameter-parameternya diambil dari hasil analisis korpus teks dwibahasa (yang paralel). Pada tugas akhir ini, penerjemahan teks Indonesia-Inggris dilakukan dengan menggunakan MPS berdasarkan frase dimana penerjemahan dilakukan dengan menggunakan prinsip penerjemahan berdasarkan frase. Korpus dwibahasa Indonesia-Inggris yang digunakan terdiri dari kategori berita, kitab suci, novel dan percakapan. Jumlah korpus pelatihan yang digunakan adalah 40779 kalimat, yaitu 704 berita, 4025 percakapan, 16050 novel dan 20000 kitab suci. Sementara korpus pengujian yang digunakan adalah 20300 kalimat, yaitu 300 berita, 2000 percakapan, 8000 novel dan 10000 kitab suci. Percobaan penerjemahan ini dilakukan, dievaluasi dan dianalisis dari dua aspek yaitu penggunaan perangkat bahasa tambahan (yang meliputi Part-of-Speech Tagging dan lema) dan n-gram yang digunakan dalam membentuk model bahasa. Hasil percobaan yang didapat adalah nilai akurasi tertinggi dicapai oleh penerjemahan korpus dwibahasa biasa (tidak menggunakan Part-of-Speech Tagging maupun lema) pada kategori novel dengan menggunakan model bahasa 5-gram, yaitu 0,2696.

---

Machine Translation (MT) is a sub-field of computational linguistics that uses a computer to translate text or speech from one natural language to another. Meanwhile Statistical Machine Translation (SMT) is a paradigm of MT where translations are generated on the basis of statistical models whose parameters are derived from the analysis of bilingual text corpora (parallel). The Indonesian-English text translation is done using a phrase-based SMT in which the translation is carried out using phrase-based Translation. We use Indonesian and English bilingual corpora which consists of news, holy writings, fiction and daily conversation categories. We use training corpus of 40779 sentences which are 704 for news, 4025 for conversation, 16050 for fiction and 20000 for holy writings. Meanwhile the testing corpus consists of 20300 sentences which are 300 for news, 2000 for conversation, 8000 for fiction and 10000 for holy writings. Experiments have been done, evaluated and analyzed regarding two aspects, namely the use of factored-models (Part-of-Speech Tagging and lemma) and number of n-gram for generating the language model. In this thesis, we found that the translations of default bilingual corpora (without Part-of-Speech Tagging and lemma) for fiction category using 5-gram language model yield the highest accuracy of 0.2696."

"Perolehan informasi adalah salah satu bidang di ilmu komputer yang bertujuan untuk membantu menemukan informasi tertentu di antara banyak informasi yang tersedia. Sistem tanya jawab adalah satu topik pada bidang perolehan informasi, di mana informasi yang diperlukan direpresentasikan dalam suatu kueri berbentuk kalimat tanya dan menghasilkan jawaban singkat.Penelitian ini menghasilkan sistem tanya jawab bilingual di mana pertanyaan diberikan dalam Bahasa Indonesia dan jawaban dihasilkan dalam Bahasa Inggris. Kueri yang digunakan adalah 190 pertanyaan Bahasa Indonesia dari topik tanya jawab Cross Language Information Retrieval (CLEF) 2006 yang terdiri dari pertanyaan fakta dan definisi. Koleksi dokumen yang digunakan adalah koleksi koran berbahasa Inggris: Glasgow Herald dan Los Angeles Times.Untuk menemukan jawaban dari pertanyaan, pertama-tama sistem tanya jawab melakukan analisis terhadap teks pertanyaan untuk menentukan jenis jawaban yang diperlukan. Kemudian pertanyaan diterjemahkan ke Bahasa Inggris menggunakan ToggleText. Setelah itu pertanyaan yang telah berbahasa Inggris dijadikan kueri ke Lemur Toolkit untuk mendapatkan sekumpulan cuplikan dokumen dari koleksi dokumen yang relevan terhadap pertanyaan.Bila pertanyaan bertipe fakta, maka semua entitas bernama dikumpulkan dari cuplikan-cuplikan dokumen tersebut untuk menjadi kandidat jawaban. Terdapat empat penilaian untuk memilih satu jawaban di antara para kandidat tersebut: frekuensi kemunculan kandidat jawaban yang diperoleh dari search engine; urutan dokumen yang diperoleh dari sistem perolehan informasi; jarak antarkata (Average Distance Weight); dan bobot kata kandidat jawaban.Bila pertanyaan bertipe definisi maka perolehan jawaban dilakukan dengan mengekstrak frasa kata benda dari tiap cuplikan dokumen yang berisi kata-kata pertanyaan. Hasil evaluasi menunjukkan bahwa sistem tanya jawab ini berhasil mencapai ketepatan jawaban sebesar 14%."

"Perkembangan informasi yang begitu pesat menuntut dikembang kannya metode perolehan informasi yang mampu memberikan kemudahan bagi pengguna dalam menemukan informasi yang di -inginkan. Perolehan informasi geografis (Geographic Information Retrieval ? GIR) merupakan suatu metode pencarian informasi yang melibatkan kepedulian terhadap informasi geografis yang terdapat pada query maupun dokumen. Topik GIR muncul dengan latar belakang bahwa sebagian besar dokumen maupun query mempunyai referensi geografis yang perlu ditangani untuk meningkatkan hasil perolehan dokumen. Oleh karena itu, perlu adanya lokasi representatif yang merepresentasikan lokasi dari berita yang ada dalam dokumen. Dengan bantuan suatu basis data lokasi (gazetteer) yang diperoleh dari berbagai sumber, penentuan lokasi representatif dilakukan dengan mengambil nama kota dan negara yang mempunyai frekuensi terbanyak pada masing-masing dokumen.Pada penelitian ini, dikembangkan berbagai metode perluasan query untuk sistem GIR. Evaluasi dilakukan dengan membandingkan nilai average precision yang dihasilkan setiap metode terhadap sistem Natural Language (NL). Metode utama yang dikembangkan adalah identifikasi lokasi berdasarkan informasi lokasi dan hubungan geografis yang terdapat pada query dengan mengambil informasi dari gazetteer (dinamakan metode GP). Metode tersebut berhasil memberikan peningkatan terhadap sistem NL sebesar 19.09%. Selanjutnya metode tersebut dikembangkan dengan pemberian bobot kata pada query (dinamakan metode GP_B), yang hanya berhasil meningkatan kinerja metode GP sebesar 1.35%. Penelitian dilanjutkan dengan mengevaluasi penggunaan relevance feedback yang dibedakan menjadi dua jenis, yaitu pseudo relevance feedback dengan mengambil kata-kata kunci terbanyak dan geoFeedback dengan mengambil nama-nama lokasi terbanyak. Hasil yang diperoleh menunjukkan bahwa penggunaan pseudo relevance feedback berhasil meningkatkan kinerja metode GP maupun GP_B mencapai 9%, sedangkan penggunaan geoFeedback justru memberikan penurunan sekitar 5% terhadap kinerja kedua metode tersebut."

"Perolehan informasi merupakan suatu bidang yang berusaha mengatasi permasalahan yang dihadapi pencari informasi dalam upaya memperoleh informasi yang dibutuhkan. Ketersediaan informasi dalam jumlah besar menyebabkan pencari informasi kesulitan dalam mendapatkan informasi yang diinginkannya. Hal itu juga menyebabkan pencari informasi harus meluangkan banyak waktu untuk membaca dokumen yang diperoleh. Oleh karena itu, salah satu pendekatan yang digunakan dalam bidang perolehan informasi untuk mempermudah dan mempersingkat waktu adalah dengan menggunakan ringkasan yang dihasilkan secara otomatis. Metode yang digunakan dalam menghasilkan ringkasan secara otomatis adalah metode query-biased. Sebab ringkasan yang dihasilkan dengan metode ini dapat merefleksikan informasi yang dibutuhkan oleh pencari informasi, yaitu ringkasan yang hasilnya sesuai dengan query yang diberikan. Dengan demikian, pencari informasi dapat menggunakan ringkasan tersebut untuk menentukan apakah suatu dokumen memuat informasi yang dicarinya. Dalam penerapannya, metode ini digunakan untuk meringkas dokumen dalam Bahasa Indonesia. Penulis melakukan evaluasi untuk mengetahui manfaat ringkasan yang dihasilkan dengan metode query-biased. Evaluasi tersebut dilaksanakan dengan membandingkan manfaat antara ringkasan yang dihasilkan dengan metode query-biased dengan ringkasan yang dihasilkan dengan metode statis, yaitu metode yang menggunakan beberapa kalimat di awal dokumen sebagai ringkasan. Dari hasil evaluasi diketahui bahwa ringkasan yang dihasilkan dengan metode query‐biased lebih bermanfaat dalam proses pencarian dokumen yang sesuai dengan query bila dibandingkan dengan ringkasan yang dihasilkan melalui metode statis."

"Perolehan informasi Web merupakan sebuah cabang perolehan informasi yang mengkhususkan pencarian informasi terhadap dokumen-dokumen Web. Dokumen Web atau HTML memiliki karakteristik yang berbeda dengan dokumen teks biasa, sehingga teknik-teknik yang sudah terbukti efektif dilakukan pada koleksi dokumen teks biasa belum tentu memiliki efek yang sama pada dokumen Web. Penelitian yang dilakukan adalah untuk mempelajari efek melakukan proses stemming dan menghilangkan stopword pada masing-masing bahasa, penggunaan operator kedekatan kata pada kueri,pembobotan pada struktur dokumen HTML, serta efek dari melakukan umpan balik relevan semu pada koleksi dokumen Web yang multilingual. Penelitian dilakukan dengan menggunakan koleksi pengujian EuroGOV. Ternyata efek menggunakan stemmer cukup bervariasi pada masing-masing bahasa, namun secara keseluruhan penggunaan stemmer dapat meningkatkan hasil dokumen yang diperoleh hingga 1,61% dibandingkan dengan tanpa menggunakan stemmer. Sedangkan menghilangkan stopword dapat meningkatkan kinerja perolehan Web hingga 4,06%. Penggunakan operator kedekatan kata pada kueri juga dapat mengefektifkan hasil dokumen yang diperoleh, dengan peningkatan terbesar sekitar 4,68% jika jarak antarkata yang diberikan tetap dan sekitar 5,71% pada jarak antarkata yang sesuai dengan panjang kueri. Eksperimen pembobotan pada struktur dokumen HTML membuahkan kesimpulan bahwa bagian judul, inlink, dan kepala dokumen HTML memiliki peran yang lebih penting dalam peningkatan kinerja jika dibandingkan dengan bagian struktur HTML lainnya. Melakukan umpan balik relevan semu pada koleksi dokumen Web multilingual justru menurunkan hasil dokumen relevan yang diperoleh hingga 15,73% dibandingkan dengan tanpa melakukan umpan balik relevan semu sama sekali."

"Part of Speech Tagging (POS Tagging) adalah kegiatan pemberian label kelas kata pada suatu kata. Proses ini pada awalnya dilakukan secara manual. Namun proses part of speech tagging secara manual menghabiskan banyak waktu dan tenaga karena membutuhkan banyak ahli bahasa untuk memberikan tag pada setiap kata. Masalah ini kemudian menjadi pendorong bagi para peneliti untuk membangun metode dan aplikasi yang dapat melakukan part of speech tagging secara otomatis. Penelitian di bidang part of speech tagger untuk Bahasa Indonesia belum terlalu mendapat perhatian, karena sampai saat ini. belum ada suatu aplikasi part of speech tagger untuk Bahasa Indonesia. Maka penulis melakukan penelitian untuk menghasilkan suatu aplikasi part of speech tagger untuk Bahasa Indonesia dengan memanfaatkan tiga metode yaitu Conditional Random Fields, Transformation Based Learning, dan kombinasi kedua metode ini. Penelitian ini menggunakan korpus Bahasa Indonesia yang tersusun atas 49 buah artikel surat kabar dan terdiri atas total 13.465 buah token. Tagset yang digunakan pada penelitian ini terdiri atas 21 jenis tag (21 jenis kelas kata). Tagset ini merupakan modifikasi dari Penn Treebank Tagset."

"Tema sentral dari penelitian ini adalah ?Perolehan Informasi Lintas Bahasa? yang merupakan salah satu cabang dari perolehan informasi yang berhubungan dengan masalah dalam menyajikan suatu kueri dari satu bahasa dan memperoleh dokumen dalam satu bahasa ataupun beberapa bahasa yang lain. Penelitian ini mempelajari pengaruh teknik-teknik perolehan informasi lintas bahasa pada proses penerjemahan kueri. Teknik tersebut digunakan untuk mengurangi keambiguan pada kueri terjemahan sehingga dapat mendekati proses perolehan informasi satu bahasa. Teknik yang digunakan terdiri dari teknik perbaikan kueri sebelum penerjemahan, perbaikan terjemahan oleh kamus, dan pengelompokan dokumen, serta teknik perbaikan kueri dengan melakukan perluasan. Teknik perbaikan kueri sebelum penerjemahan menggunakan teknik pengelompokan kata. Teknik perbaikan terjemahan kamus terdiri dari penerjemahan langsung, penerjemahan dengan menggunakan terjemahan yang muncul berulangkali pada setiap kamus, dan teknik pengelompokan dokumen. Teknik perluasan kueri menggunakan umpan balik relevan semu. Teknik-teknik tersebut berbasiskan teknik perolehan informasi lintas bahasa Inggris-Indonesia menggunakan kamus dwi-bahasa. Teknik-teknik yang diterapkan untuk perolehan informasi lintas bahasa Inggris-Indonesia tidak dapat mendekati hasil perolehan informasi satu bahasa (Indonesia). Secara keseluruhan, hasil yang dicapai pada teknik untuk mengurangi keambiguan terjemahan mencapai hanya 63.84% terhadap perolehan informasi satu bahasa. Sedangkan penerapan teknik perluasan kueri hanya mencapai 47.56% terhadap perolehan informasi satu bahasa. Penerapan teknik perbaikan terjemahan mempergunakan kamus dwi-bahasa Inggris-Indonesia hanya dapat menghasilkan nilai hasil perolehan informasi tertinggi sebesar 60.80% terhadap hasil perolehan informasi satu bahasa (Indonesia). Pada penerapan teknik perbaikan kueri sebelum penerjemahan yang dikombinasikan dengan teknik perbaikan terjemahan oleh kamus, dapat ditemukan peningkatan nilai hasil perolehan informasi antara 2.63% - 2.84% bila dibandingkan dengan hasil perolehan informasi untuk teknik perbaikan terjemahan oleh kamus. Pada penerapan perluasan kueri menggunakan teknik umpan balik relevan semu terhadap hasil penerjemahan dengan teknik-teknik lain, dapat ditemukan bahwa teknik ini tidak dapat menaikkan hasil perolehan informasi. Hasil terbaik yang diperoleh pada perluasan kueri adalah pada teknik yang menggunakan kombinasi perluasan kueri pada perbaikan kueri sebelum penerjemahan dan perluasan kueri pada perbaikan hasil penerjemahan yang mencapai hasil perolehan informasi sebesar 47.56% terhadap perolehan informasi satu bahasa."