Flexible affix classification for stemming Indonesian Language

Setiawan, Reina; Kurniawan, Aditya; Budiharto, Widodo; Kartowisastro, Iman Herwidiana; Prabowo, Harjanto

doi:10.1109/ecticon.2016.7561257

Cited by 27 publications

(20 citation statements)

References 4 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Kelebihan dari penelitian ini adalah cara mudah dalam menambahkan imbuhan dengan algoritma Flexibility Affix Classification dalam stemming bahasa indonesia. Kekurangan penelitian algoritma ini yaitu tidak bisa melakukan stemming kata reduplikasi bahasa Indonesia [5].…”

Section: Pendahuluanunclassified

See 1 more Smart Citation

Stemming Kata Berimbuhan Tidak Baku Bahasa Indonesia Menggunakan Algoritma Jaro-Winkler Distance

Qulub¹,

Utami²,

Sunyoto³

2020

citec

View full text Add to dashboard Cite

AbstrakBahasa merupakan media untuk mengekspresikan keinginan, gagasan, dan perasaan. Dalam kaitannya dengan bahasa indonesia, bahasa dapat mencerminkan prilaku dalam sebuah masyarakat. Bahasa indonesia dapat digunakan secara formal maupun non-formal. Bahasa nonformal berbentuk kata tidak baku yang biasanya digunakan dalam komentar atau posting dalam media sosial. Salah satu contoh kata tidak baku adalah "nemenin" yang kata formalnya "menemani" dan kata dasarnya adalah "teman". Dalam penelitian ini akan dilakukan pengujian akurasi algoritma Jaro-Winkler distance dalam mengubah kata imbuhan tidak baku menjadi bentuk dasarnya, proses ini disebut dengan stemming. Penelitian ini menggunakan data sebanyak 60 kata berimbuhan tidak baku. Hasil pengujian menunjukkan tingkat akurasi algoritma Jaro-Winkler sebesar 85% atau 51 kata berhasil di-stemming (3 overstemming, 6 unstemming, 0 understemming). AbstractLanguage that represents the media to attract interest, regulate, and feel. In reversing it with Indonesian, language can reflect behavior in a society. Indonesian can be used formally or informally. Non-formal language in the form of non-formal words used in comments or posts on social media. One example of a non-formal word is "accompanying" the formal word "accompany" and the basic word is "friend". In this research, the Jaro-Winkler algorithm will be tested the distance in changing non-formal affix words into a form of interaction, this process is called stemming. This research uses data as many as 60 words that are not standardized. The test results show the level of testing of the Jaro-Winkler algorithm is 85% or 51 words successfully stemmed (3 overstemming, 6 unstemming, 0 understemming).

show abstract

Section: Pendahuluanunclassified

“…Sementara itu, confix adalah kombinasi di awalan dan akhiran kata. Pada bahasa indonesia, imbuhan dapat ditambahkan pada kata kerja, kata sifat, atau kata benda [5]. Gambar [7].…”

Section: Struktur Imbuhan Bahasa Indonesiaunclassified

Stemming Kata Berimbuhan Tidak Baku Bahasa Indonesia Menggunakan Algoritma Jaro-Winkler Distance

Qulub¹,

Utami²,

Sunyoto³

2020

citec

View full text Add to dashboard Cite

show abstract

“…The stemming also used an algorithm for the Indonesian language. It used a flexible affix classification algorithm to remove affixes and determined the root word [28]. Pre-processing of the information that was retrieved was required to improve the accuracy of the results, [26], [29].…”

Section: Fig 3 Experimental Designmentioning

confidence: 99%

Enhancing Focus Topic Findings of Discussion Forum through Corpus Classifier Algorithm

Setiawan¹,

Budiharto²,

Kartowisastro³

et al. 2019

IJRTE

Self Cite

View full text Add to dashboard Cite

In learning management system, a discussion forum, in which the students and lecturers are involved actively as part of the learning method, enriches the context of communication, thereby enhancing the students' learning and performance. The aim of this paper was to determine the appropriate topics for a discussion forum for learning management systems through enhanced probabilistic latent semantic analysis (PLSA) with the corpus classifier algorithm. In preparing the paper, the methods used were PLSA and the classifying process, which classifies the documents to become a corpus based on the similarity word approach. The similarity word is influenced by the term-frequency of the word in the document. The novel concept in this paper is the corpus classifier algorithm. The experiment was conducted using three approaches to discover the topic, and it used 4,868 distinct words from 234 documents. The documents were contained in three threads subject. The post of the discussion forum is the text document. The performance of the result was measured by the f-measure, which was calculated for each thread subject. The corpus classifier algorithm was used in the second approach, and third approach increased the average f-measure values for the second and third thread subjects by approximately 24 and 17%, respectively.

show abstract

“…Salah satu penelitian terbaru yang melakukan pendekatan klasikal dengan memanfaatkan aturan morfologi adalah metode Flexible Affix Classification [5]. Namun demikian, penelitian tentang stemming pada Bahasa Indonesia yang menjadi banyak rujukan bagi penelitian lain adalah [6].…”

Section: Pendahuluanunclassified

Untitled

Hidayat

2017

INFOTEL

View full text Add to dashboard Cite

Abstrak -Ekstraksi kata dasar atau stemming pada Bahasa Indonesia adalah proses yang kompleks di mana beberapa partikel awal dan beberapa partikel akhiran dari 13 awalan, 3 sisipan, dan 19 akhiran yang dikenal dapat digunakan secara sekaligus pada sebuah kata. Selain itu, proses stemming tidak terlalu menghasilkan 1 kata dasar (non-deterministik) karena terdapat beberapa kata dalam Bahasa Indonesia yang memiliki 2 kemungkinan, yaitu sebagai kata dasar maupun kata berimbuhan, misalnya pada kata "beruang". Penelitian yang telah ada sebelumnya menggunakan kombinasi awalan dan akhiran yang tidak mungkin dan menerapkan heuristik untuk memilih kata dasar. Dalam penelitian ini diusulkan sebuah metode stemming secara berjenjang di mana berdasarkan urutan tertentu, secara bergantian partikel akhiran dan awalan dilepaskan dari sebuah kata sehingga dihasilkan sebuah kata dasar. Jika ditemukan beberapa kandidat kata dasar maka salah satu kata dasar akan dipilih. Metode ini diuji pada 6464 dokumen Al-Quran Terjemahan Indonesia dengan menggunakan kamus berukuran 5000 kata yang dipilih secara acak dari Kamus Besar Bahasa Indonesia. Dari 3432 kata unik yang diproses, diperoleh 94,7% kata dasar yang dapat diekstrak secara langsung dan hanya 5,3% yang perlu diproses lebih lanjut karena kandidat kata dasar yang ditemukan lebih dari satu. Dibandingkan dengan melakukan pemilihan kata dasar secara manual, metode ini dapat memilih kata dasar yang tepat hingga 79,12%.Kata kunci -ekstraksi kata dasar, morfologi, non-deterministik, akurasi Abstract-Stemming in Indonesian Language is a complex process where few particles among 13 known prefixes, 3 known infixes, and 19 known suffixes can be used simultaneously in a single word. Moreover, stemming process does not guarantee a single word result (hence, non-deterministic), because there are few words in Indonesian Language that has 2 possibilities, either it is a morpheme itself or it is an affixed word, e.g. the word "beruang". Previous researches have tried to deal with this issue by listing impossible prefix and suffix combination while at the same time implementing heuristic to identify final stem. In this paper, we present an incremental stemming method, where based on particular order, suffixes and prefixes are alternatingly stripped until a single morpheme (stem) is found. In case there are several stem candidates were found, then one stem will be chosen. This method is tested against 6464 text files from Holy Quran Indonesian Translation using 5000-word dictionary randomly chosen from Kamus Besar Bahasa Indonesia. From 3432 unique words, 94.7% single stem can be identified immediately and only 5.3% that need to be processed further since there are more than one candidate stem were found. Compared to manually stem selection, this method is able to accurately choose 79.12% correct stem.

show abstract

Flexible affix classification for stemming Indonesian Language

Cited by 27 publications

References 4 publications

Stemming Kata Berimbuhan Tidak Baku Bahasa Indonesia Menggunakan Algoritma Jaro-Winkler Distance

Stemming Kata Berimbuhan Tidak Baku Bahasa Indonesia Menggunakan Algoritma Jaro-Winkler Distance

Enhancing Focus Topic Findings of Discussion Forum through Corpus Classifier Algorithm

Untitled

Contact Info

Product

Resources

About