Algoritma Stemming Nazief &amp; Adriani dengan Metode Cosine Similarity untuk Chatbot Telegram Terintegrasi dengan E-layanan

Herlingga, Aan Choesni; Prismana, Igl Putra Eka; Prehanto, Dedy Rahman; Dermawan, Dodik Arwin

doi:10.26740/jinacs.v2n01.p19-26

Cited by 8 publications

(6 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Dalam penelitian menggunakan teks, diperlukan adanya pre-processing, salah satunya Algoritma Nazief dan Adriani. Algoritma Nazief dan Adriani adalah suatu teknik stemming dalam bahasa Indonesia yang berfungsi untuk mengganti kata-kata yang berbentuk infleksi menjadi kata dasar [13]. Sastrawi adalah library pada bahasa pemrograman Python yang dibangun dengan menggunakan algoritma NA (Nazief dan Adriani).…”

Section: Pendahuluanunclassified

Klasifikasi Emosi Pengguna Twitter Terhadap Bakal Calon Presiden Pada Pemilu 2024 Menggunakan Algoritma Naïve Bayes

Arifin,

Al-Idrus

2024

j.sains manaj. inform. dan kompʹût.

View full text Add to dashboard Cite

Tahun 2024 mendatang akan menjadi tahun politik. Terdapat tiga bakal calon presiden yang namanya telah muncul di masyarakat, yaitu Anies Baswedan, Ganjar Pranowo, dan Prabowo Subianto. Banyak berseliweran di media sosial terkhususnya Twitter respon mengenai para tokoh politik tersebut. Beragamnya respon para pengguna Twitter terhadap bakal calon presiden di pemilu 2024 mengakibatkan juga banyaknya jenis dari emosi “cuitan” para penggunanya, oleh karena itu diperlukan adanya analisis untuk mengetahui pandangan masyarakat terhadap para bakal calon presiden tersebut berdasarkan klasifikasi emosinya. Klasifikasi emosi pada proses penelitian ini menggunakan algoritma Multinomial Naïve Bayes dengan melibatkan beberapa tahapan proses, seperti preprocessing data, pelabelan data, ekstraksi fitur, pembagian dataset, klasifikasi, dan evaluasi model. Menggunakan pembagian data dengan metode 80:20, yaitu data latih dibagi menjadi 80% dan data uji menjadi 20%. Hasil pelabelan emosi dari tiap bakal calon presiden menunjukkan nilai yang berbeda satu sama lain. Tahapan pengujian dilakukan dan dibagi dengan beberapa tahap, yaitu pengujian menggunakan label netral, tanpa label netral, dan random sampling. Performa model algoritma Naïve Bayes tanpa menggunakan label netral menunjukkan performa yang lebih baik, dengan nilai akurasi model sebesar 58% pada data Anies Baswedan, 58% pada data Prabowo Subianto, dan 76% pada data Ganjar Pranowo, serta gabungan 69%. Klasifikasi pada skenario pengujian menggunakan label netral menunjukkan akurasi sebesar 55% pada data Anies Baswedan, 60% pada data Ganjar Pranowo, dan 53% pada data Prabowo Subianto, sedangkan untuk gabungan semuanya nilai akurasi sebesar 51%.

show abstract

Section: Pendahuluanunclassified

Klasifikasi Emosi Pengguna Twitter Terhadap Bakal Calon Presiden Pada Pemilu 2024 Menggunakan Algoritma Naïve Bayes

Arifin,

Al-Idrus

2024

j.sains manaj. inform. dan kompʹût.

View full text Add to dashboard Cite

show abstract

“…In this study it is used to minimize the level of similarity of common questions asked by users, so that using Chatbot can help questions automatically. With the help of the Nazief & Adriani algorithm for stemming and the cosine similarity method to find the level of similarity between user questions and FAQs available in the database, this research will implement a chatbot using the Telegram Messenger service, so this method is considered effective in answering questions automatically [16].…”

Section: Literature Reviewmentioning

confidence: 99%

Application of the Finite State Automata (FSA) Method in Indonesian Stemming using the Nazief & Adriani Algorithm

Fitriana,

Mustopa,

Firdaus

et al. 2024

SISTEMASI

View full text Add to dashboard Cite

Language is a communication tool commonly used in everyday life. Each country has a different language with predetermined rules. For instance, in the Indonesian language, there are approximately 35 official affixes mentioned in the Big Indonesian Dictionary. These affixes include prefixes (prefixes), infixes (insertions), suffixes (suffixes), and confixes (a combination of prefixes and suffixes). In Information Retrieval, there is a stemming process, which is the process of converting a word form into a base word or the process of transforming variant words into their base form. The theory of language and automata is the foundation of the computer science field that provides the basis for ideas and models of computer systems. In the implementation of the research, several stages were carried out, such as explaining the Nazief & Adriani stemming algorithm, finite state automata, creating pseudocode, and testing using a web-based system, resulting in affixed words becoming the correct base words with 20 affixed words. The results obtained from reading this web-based system, the base word "cinta" (love) used as a test yielded accurate results in accordance with the concept of the Nazief & Adriani stemming algorithm. There are some weaknesses in stemming from suffixes, and the solution is to perform stemming from the prefix position (Prefix).

show abstract

“…Cara kerjanya adalah dengan melakukan pengukuran kesamaan terhadap dua vektor didalam ruang dimensi yang dihasilkan dari nilai sudut cosinus, dimana nilai sudut cosinus dihasilkan dari perkalian dua vektor yang diukur kesamaannya [11]. Cosine Similarity memiliki batas nilai dari 0 hingga 1, dimana jika bernilai 0 maka dokumen yang dibandingkan tidak mirip, sedangkan jika bernilai 1 maka dokumen yang dibandingkan dianggap mirip [12]. Rumus cosine similarity terdapat pada persamaan (1).…”

Section: Cosine Similarityunclassified

Peringkas teks otomatis pada artikel berbahasa indonesia menggunakan metode maximum marginal relevance

Idhafi,

Agustian,

Yanto

et al. 2023

CoSciTech

View full text Add to dashboard Cite

Peringkas teks otomatis atau automated text summarization adalah suatu metode untuk mengambil inti dari satu atau lebih dokumen teks. Peringkas Teks otomatis diperlukan untuk proses pembacaan, pencarian, dan pemahaman informasi menjadi lebih cepat dan efisien. Penelitian ini mengusulkan metode Maximum Marginal Relevance untuk melakukan proses peringkasan teks secara otomatis. Metode dikembangkan dan diuji pada masing-masing 150 dokumen artikel berbahasa Indonesia. Ringkasan dihasilkan dari skor kemiripan antar kalimat yang dihitung menggunakan cosine similarity. Performa MMR dalam menghasilkan ringkasan dievaluasi menggunakan ROUGE(Recall-Oriented Understudy for Gisting Evaluation), yang membandingkannya dengan ringkasan yang dibuat oleh manusia (gold standard). Hasil pengujian untuk tingkat kompresi 50%, memberikan nilai F1-score pada ROUGE-1, ROUGE-2, dan ROUGE-L masing-masing sebesar 71.86%, 64.18%, dan 71.56%. Sedangkan hasil pengujian dengan tingkat kompresi 30% menghasilkan F1-score untuk ROUGE-1, ROUGE-2, dan ROUGE-L masing-masing 62.95%, 53.61%, dan 62.47%. Dibandingkan penelitian terdahulu, penelitian ini menghasilkan skor yang lebih baik.

show abstract

Algoritma Stemming Nazief & Adriani dengan Metode Cosine Similarity untuk Chatbot Telegram Terintegrasi dengan E-layanan

Cited by 8 publications

References 0 publications

Klasifikasi Emosi Pengguna Twitter Terhadap Bakal Calon Presiden Pada Pemilu 2024 Menggunakan Algoritma Naïve Bayes

Klasifikasi Emosi Pengguna Twitter Terhadap Bakal Calon Presiden Pada Pemilu 2024 Menggunakan Algoritma Naïve Bayes

Application of the Finite State Automata (FSA) Method in Indonesian Stemming using the Nazief & Adriani Algorithm

Peringkas teks otomatis pada artikel berbahasa indonesia menggunakan metode maximum marginal relevance

Contact Info

Product

Resources

About