KLASIFIKASI TINGKAT TUTUR BAHASA SASAK BERBASIS TEKS MENGGUNAKAN NAIVE BAYES
DOI:
https://doi.org/10.23960/jitet.v12i3S1.5149Abstract Views: 208 File Views: 218
Abstract
Abstrak. Tujuan dari penelitian ini adalah untuk menilai efektivitas klasifikasi tingkat tutur bahasa Sasak berbasis teks menggunakan algoritma Naive Bayes dalam mengidentifikasi dan mengkategorikan tingkat tutur bahasa Sasak. Penurunan kesadaran kaum muda mengenai penggunaan "tatakrama" atau tingkat tutur dalam percakapan sehari-hari di Lombok menunjukkan perlunya melestarikan aspek budaya yang penting ini. Tingkat tutur, yang melibatkan sistem kode untuk menyampaikan kesopanan, mencakup kosakata dan aturan leksikal tertentu. Metode yang digunakan dalam penelitian ini adalah Naive Bayes, yang memanfaatkan probabilitas dan statistik untuk klasifikasi teks. Ada dua tahap utama dalam studi ini: pelatihan dan pengujian, dengan pembagian data 70:30. Temuan menunjukkan bahwa model Naive Bayes mencapai F1-score sebesar 84,99%, akurasi 85,08%, presisi 85,12%, dan recall 85,08%. Hasil ini menunjukkan bahwa Naive Bayes adalah metode yang efektif untuk mengklasifikasikan tingkat tutur bahasa Sasak, meskipun hasilnya tidak setinggi beberapa studi sebelumnya. Penelitian ini memberikan kontribusi terhadap pengembangan metode yang lebih efisien dan akurat untuk klasifikasi teks tingkat tutur bahasa Sasak dan menunjukkan perlunya perbaikan dalam pemilihan fitur serta perluasan dataset untuk studi-studi mendatang.
Downloads
References
L. C. U. Buana, “Tingkat Tutur dalam Bahasa Sasak Desa Pagutan Kabupaten Lombok Tengah,” J. Bastrindo, 2023.
M. D. B. Akastangga, “Dialek Sebagai Identitas Masyarakat Bahasa di Pulau Lombok,” Int. Semin. Austronesian Lang. Lit. IX, no. September, pp. 139–146, 2021.
L. Hakim, “Sapaan Kekerabatan Bahasa Sasak Di Desa Beraim, Kecamatan Praya Tengah, Lombok Tengah,”,” MABASAN, vol. 14, no. 2, pp. 329–340, Dec. 2020, doi: 10.26499/mab.v14i2.426.
H. D. Ikawati and Z. Anwar, “Pengembangan Sumber Belajar Muatan Lokal Bahasa Sasak Halus,” J. Sci. …, vol. 2, no. 11, pp. 582–590, 2021.
S. Hadi Wijoyo and A. Dwi Herlambang, “Algoritma Naïve Bayes Untuk Klasifikasi Sumber Belajar Naïve Bayes Algorithm for Text Based Learning Resources Classification in Productive Subject At Information,” J. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 4, pp. 431–436, 2019, doi: 10.25126/jtiik.201961323.
E. Wahyudi, “Text Classification With Naïve Bayes,” Teknologipintar.org, vol. 2, no. 4, 2022.
G. Angeline, A. P. Wibawa, and U. Pujianto, “Klasifikasi Dialek Bahasa Jawa Menggunakan Metode Naive Bayes,” J. Mnemon., vol. 5, no. 2, pp. 103–110, 2022, doi: 10.36040/mnemonic.v5i2.4748.
S. Supriyatna and E. Fahrudin, “Pemanfaatan Algoritma Text Mining Dalam Menemukan Pola Risiko Bencana Sebagai Pengetahuan Kebencanaan Dari Dokumen Kajian Risiko Bencana (Krb) 1*,” J. Inform. Utama, vol. 2, no. 1, pp. 35–42, 2024, [Online]. Available: https://doi.org/10.55903/jitu.v2i1.xx
R. Rahayu, “Algoritma Naive Bayes,” Res. Artic. · December 2023, Dec. 2023.
N. Pittaras, G. Giannakopoulos, G. Papadakis, and V. Karkaletsis, Text classification with semantically enriched word embeddings, vol. 27, no. 4. 2021. doi: 10.1017/S1351324920000170.
S. Qaiser and R. Ali, “Text Mining: Use of TF-IDF to Examine the Relevance of Words to Documents,” Int. J. Comput. Appl., vol. 181, no. 1, pp. 25–29, Jul. 2018, doi: 10.5120/ijca2018917395.
E. Indrayuni, S. Sistem, I. A. Kampus, and K. Bogor, “Klasifikasi Text Mining Review Produk Kosmetik Untuk Teks Bahasa Indonesia Menggunakan Algoritma Naive Bayes,” J. KHATULISTIWA Inform., vol. VII, no. 1, 2019.
L. Nursinggah, T. Mufizar, and U. Perjuangan, “Analisis Sentimen Pengguna Aplikasi X Terhadap Program Makan Siang Gratis Dengan Metode Naïve Bayes Classifier,” J. Inform. dan Tek. Elektro Ter., vol. 12, no. 3, 2024.
Yudi Widhiyasana, Transmissia Semiawan, Ilham Gibran Achmad Mudzakir, and Muhammad Randi Noor, “Penerapan Convolutional Long Short-Term Memory untuk Klasifikasi Teks Berita Bahasa Indonesia,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 10, no. 4, pp. 354–361, 2021, doi: 10.22146/jnteti.v10i4.2438.
D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” J. Sains Komput. Inform., vol. 5, no. 2, pp. 697–711, 2021.
