APLIKASI PERBAIKAN EJAAN PADA KARYA TULIS ILMIAH DIPROGRAM STUDI TEKNIK INFORMATIKA DENGAN MENERAPKAN ALGORITMA LEVENSHTEIN DISTANCE

APLIKASI PERBAIKAN EJAAN PADA KARYA TULIS ILMIAH

DIPROGRAM STUDI TEKNIK INFORMATIKA DENGAN MENERAPKAN ALGORITMA LEVENSHTEIN DISTANCE

Roby Nur Hamzah

Artikel Skripsi Universitas Nusantara PGRI Kediri

Di Publish 12 Agustus 2016

LATAR BELAKANG MASALAH

REVISI BERULANG-ULANG

KARENA TYPOGRAPHICAL

ERROR

SOLUSI EXPERT

TUJUAN PENELITIAN

Expert system

Kualitas karya tulis

jadi lebih baik Meperbaiki

kesalahan pengetikan Mempermudah

pengetikan karya tulis

METODE/TEKNIK YANG DITERAPKAN

Metode yang diterapkan menggunakan algoritma levenshtein distance.

CARA KERJA

Menghitung jarak terdekat dari string sumber (s) dengan String

target (t). Jika selisih String sumber (s) dengan String target (t) memiliki jarak terendah, maka akan dijadikan saran perbaikan berdasarkan urutan jarak String terendah hingga terbesar.

HASIL DAN PEMBAHASAN/DISKUSI

PEMBAHASAN

Untuk mengetahui proses perhitungan algoritma Levenshtein Distance dalam memperbaiki kesalahan ejaan. Maka akan dilakukan sebuah simulasi algoritma dengan contoh sebagai berikut :

Diketahui sebuah String sumber (s) = “teknuk” dan String target (t) = “teknik” untuk menyamakan

String maka akan dilakukan perhitungan: Rumus :

= d(t,t) + d(e,e) + d(k,k) + d(n,n) + d(u,i) + d(k,k)

= 0 + 0 + 0 + 0 + 1 + 0

= 1

HASIL DAN PEMBAHASAN/DISKUSI

KESIMPULAN

Berdasarkan hasil penelitian dan implementasi sistem, maka dapat diambil kesimpulan sebagai berikut :

1. Aplikasi ini dikhususkan pada karya tulis ilmiah yang berformat

*docx.

KAKAS BANTU PENDETEKSI KESALAHAN

TADA BACA PADA KARYA TULIS ILMIAH

Ratih Nur Esti Anggraini, Mohammad Ahmaluddin Zinni, dan Siti Rochimah

Abdullah Lubis 1441177004081

Jurusan Teknik Informatika

LATAR BELAKANG MASALAH

Dirjen DIKTI tahun 2012 :

“Karya ilmiah dijadikan sebagai syarat kelulusan mahasiswa S1, S2 dan S3.”

Namun demikian, tidak semua karya

ilmiah yang dihasilkan tersebut

memiliki kualitas yang baik.

Penulisan Kata

Tanda Baca

Tidak Sesuai Ejaan Yang Disempurnakan

TUJUAN PENELITIAN

Expert system Kualitas karya tulis

jadi lebih baik

Membantu dunia keilmiahan Indonesia dalam upaya meningkatkan kualitas tulisan

karya ilmiah Koreksi kesalahan

METODE/TEKNIK YANG DITERAPKAN

Metode yang diterapkan menggunakan Algoritma Boyer-Moore.

CARA KERJA

Heuristik looking-glass :

Perbandingkan suatu karakter akhir pada kata w dengan suatu karakter pada teks s. Jika karakter tersebut sama maka jendela karakter akan berjalan mundur pada kedua string dan memeriksa kembali kedua karakter.

Heuristik character-jump :

HASIL DAN PEMBAHASAN/DISKUSI

PEMBAHASAN

Untuk dapat mengetahui tingkat performansi suatu sistem yang mampu mendapatkan kembali informasi-informasi tertentu dapat diketahui menggunakan perhitungan presisi dan recall. Presisi merupakan probabilitas informasi yang relevan dari semua informasi yang didapatkan kembali oleh sistem. Rumus untuk menghitung presisi dan recall :

rumus presisi (P) berdasarkan table

contingency

rumus recall (R) berdasarkan tabel

contingency

Rumus perhitungan akurasi berdasarkan

HASIL DAN PEMBAHASAN/DISKUSI

KESIMPULAN

Berdasarkan hasil penelitian dan implementasi sistem,maka dapat diambil kesimpulan sebagai berikut :

1. Sistem dapat membangkitkan telaah kesalahan tanda baca berdasarkan kesalahan yang dideteksi dari karya ilmiah serta penggunaan algoritma pencarian kata (dalam kasus ini menggunakan algoritma Boyer-Moore) dapat digunakan pada kasus-kasus pendeteksian kesalahan tanda baca yang berhubungan dengan penggunaan spasi atau tidak, serta penggunaan huruf kapital atau huruf normal.

APLIKASI KOREKSI KESALAHAN BERBASIS PADA TULISAN BERBAHASA INDONESIA UNTUK MENINGKATKAN KUALITAS PENULISAN KARYA ILMIAH

Andri, Sunda Ariana, Margareta Andriani

Fakultas Ilmu Komputer

Universitas Bina Darma Palembang

Prosiding Seminar Nasional Aplikasi Sains & Teknologi (SNAST) 2014 ISSN: 1979-911X

Yogyakarta, 15 November 2014

LATAR BELAKANG MASALAH

Indikasi penguasaan Bahasa Indonesia yang rendah dapat dilihat dari rendahnya nilai rata-rata Bahasa Indonesia dibandingkan dengan bahasa Inggris pada Ujian Nasional (Ariana, 2010).

Kebiasaan berbicara sehari-hari dengan Bahasa

daerah

Kurang menguasai Bahasa Indonesia yang

TUJUAN PENELITIAN

Membuat sebuah

program aplikasi

berbasis komputer

Mengkoreksi

kesalahan

penggunaan EYD

Memperbaiki

kesalahan

Metode/Teknik Yang Diterapkan

Analisis kebutuhan sistem

Perancangan aplikasi

Implementasi dan penerapan

algoritma

Kesimpulan

HASIL DAN PEMBAHASAN

Bentuk user interface aplikasi pada penelitian ini

Metode yang digunakan untuk penentuan solusi kata yang tidak sesuai dengan EYD dalam penelitian ini menggunakan metode N-Gram.

N-Gram merupakan sebuah metode yang diaplikasikan untuk pembangkitan kata atau karakter. Menurut (Gergely, 2005) N Gram adalah substring sepanjangn karakter dari sebuah string. Metode N-Gram digunakan untuk mengambil potongan-potongan karakter huruf sejumlah n dalam sebuah kata yang secara kontinu dibaca dari kata sumber hingga akhir dari dokumen. Contoh pada kata “TEXT” dapat dijelaskan ke dalam beberapa N-Gram sebagai berikut:

Uni-gram : T,E,X,T

Bi-gram : TE,EX,XT

Tri-gram : TEX,EXT

Quad-gram : TEXT,EXT

Salah satu keunggulan menggunakan N-Gram dan bukan suatu kata utuh secara keseluruhan adalah bahwa N-Gram tidak terlalu sensitif terhadap kesalahan penulisan yang terdapat pada suatu dokumen (Hanafi, 2009).

KESIMPULAN

Dari proses implementasi dan pengujian dapat diambil beberapa kesimpulan sebagai berikut:

1. Aplikasi koreksi yang dibuat dapat mendeteksi kesalahan-kesalahan yang terjadi pada dokumen-dokumen Bahasa Indonesia.

APLIKASI PREDICTIVE TEXT BERBAHASA INDONESIA

DENGAN METODE N-GRAM

Silvia Rostianingsih, Sendy Andrian Sugianto, Liliana.

Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Kristen Petra.

E-mail: silvia@petra.ac.id, lilian@petra.ac.id

LATAR BELAKANG MASALAH

PROSES PENGETIKAN LAMA

SERINGNYA TERJADI KESALAHAN KETIK (TYPO)

EXPERT SYSTEM

TUJUAN PENELITIAN

MEMPERCEPAT DALAM PENGETIKAN

SUATU KATA

KUALITAS KARYA TULIS JADI LEBIH

BAIK MEMPERMUDAH

PENGETIKAN KARYA TULIS ILMIAH

METODE/TEKNIK YANG DITERAPKAN

CARA KERJA

Metodologi penelitian dilakukan dengan mempelajari tentang metode N-Gram-Based, dilanjutkan dengan membuat perancangan sistem tentang pengolahan kata dan metode scoring kata. Pembuatan perangkat lunak yaitu dengan mengimplementasikan desain sistem yang telah dibuat ke dalam bahasa pemrograman, meliputi language model, frequency scoring, semantic scoring,

Ngram scoring. Selanjutnya dilakukan pengujian aplikasi dalam melakukan

DESAIN SISTEM

HASIL DAN PEMBAHASAN/DISKUSI

Pengujian dilakukan antara lain menguji

bobot dari tiap metode scoring-nya, yakni

Keystroke Saving (KS) dan Score Prediksi Efektif (SPE). Pengujian dengan menghitung keystroke saving adalah untuk menghitung seberapa banyak karakter yang dapat dihemat untuk menghasilkan sebuah teks tertentu. SPE didapat dari jumlah prediksi efektif yang terjadi dibandingkan dengan jumlah total prediksi yang terjadi. Hasil perhitungan yang didapat dari pengujian pada Bigram (Tabel 1) dan Trigram (Tabel 2) menunjukkan nilai yang hampir sama. Sedangkan untuk

KESIMPULAN

Dari hasil penelitian dapat disimpulkan:

1. Rata-rata keystroke saving yang dihasilkan pada pengujian ini adalah 15 hingga 25 persen bergantung pada data training.

2. Rata-rata prediksi efektif terjadi di atas 30% dari total prediksi yang terjadi. Hal ini dikarenakan oleh pengaruh dari language model yang dapat langsung memprediksi kata dengan lebih efektif dan akurat.

3. Frekuensi dari language model yang tinggi sangat mempengaruhi scoring

sistem, karena semakin tinggi frekuensi language model suatu kata, maka akan semakin tinggi pula bobot / nilai dari kata itu sendiri.

Koreksi Ejaan Istilah Komputer Berbasis Kombinasi Algoritma

Damerau Levenshtein dan Algoritma Soundex

Akhmad Pahdi

STMIK Banjarbaru

ahmadpahdi@gmail.com

Journal Speed – Sentra Penelitian Engineering dan Edukasi – Volume 8 No 2 - 2016 ISSN : 1979-9330 (Print) - 2088-0154 (Online)

LATAR BELAKANG MASALAH

TUJUAN PENELITIAN

METODE/TEKNIK YANG DITERAPKAN

Metode yang diterapkan menggunakan algoritma Damerau-Levenshtein dikombinasikan dengan algoritma Soundex..

CARA KERJA

Damerau-Levenshtein mencari jarak terpendak dalam

mentransformasi kata menjadi kata yang lain, selanjutnya

PEMBAHASAN

Algoritma Damerau-Levenshtein Algoritma Soundex

1.Inisialisasikan n sebagai panjang karakter dari s dan m sebagai panjang karakter dari t. Jika n = 0 atau m = 0, maka kembalikan nilai (return value) berupa jarak edit dengan rumusan:

jarak_edit = max(n, m) lalu lompat ke langkah 7.

2. Buat sebuah matriks d sebanyak m + 1 baris dan n + 1 kolom.

3. Isi baris pertama dengan 0..n dan isi kolom pertama dengan 0..m.

4. Periksa setiap karakter dari s terhadap t

Jika s[i] = t[j] maka cost = 0.

Jika s[i] ≠ t[j] maka cost = 1.

5. Isikan nilai dari setiap sel d[i, j] baris per baris dengan:

d[i, j] = min(x, y, z)

1. Ubah semua huruf menjadi huruf besar atau

uppercase, buang semua huruf vokal, tanda baca yang tidak ada hubungan dengan kata, konsonan H,W, dan Y, serta urutan huruf yang sama (misalnya. sss). Huruf pertama selalu dibiarkan seperti semula. 2. Gabung huruf pertama dengan angka pengganti

yang sesuai dengan kode numerik yang ditunjukkan pada Tabel 2.1.

PROSES PENCOCOKAN KATA

Pencarian kata yang sesuai

Kata kunci : getwey Jumlah karakter : 6

1. Inisialisasi n sebagai panjang karakter kata kunci, dan m sebagai panjang karakter kata-kata yang akan diukur jarak kedekatannya

(asumsi, kata “activity”), sehingga mendapatkan penghitungan jumlah n=6 dan jumlah m=8

2. Buat matrix d sebanyak m+1 dan n+1 kolom.

3. Pada matriks yang telah dibuat, isi baris pertama dengan 0..n dan isi kolom pertamadengan 0..m.

4. Periksa setiap karakter dari s terhadap t.

5. Isikan nilai dari setiap sel d[i, j] baris per baris. Langkah ini akan selalu berulang sampai semua matriks terisi.

d[1,1] = min((d[1-1,1]+1),(d[1,1-1]+1),(d[1-1,1-1]+cost)) = min((d[0,1]+1),(d[1,0]+1),(d[0,0] +1))

= min(2,2,1) = 1

d[1,2] = min((d[1-1,2]+1),(d[1,2-1]+1),(d[1-1,2-1]+cost)) = min((d[0,2]+1),(d[1,1]+1),(d[0,1]+1))

= min(3,2,2) = 2

6. Setelah langkah iterasi di atas selesai, maka jarak edit akan ditemukan pada sel d[n, m] yaitu sel pada pojok kanan baris terakhir.

KESIMPULAN

ARSITEKTUR UNTUK APLIKASI DETEKSI KESAMAAN DOKUMEN

BAHASA INDONESIA

Anna Kurniawati, Kemal Ade Sekarwati, I wayan Simri Wicaksana

Fakultas Ilmu komputer dan Teknologi Informasi Universitas Gunadarma

Konferensi Nasional Sistem Informasi 2012,STMIK - STIKOM

Bali , 23-25 Pebruari 2012

Latar Belakang

kata pada judul

Mencari kesamaan pada gabungan kata dan kalimat

Mencari kesamaan pada arti dari keseluruhan kata

paragraf dan dokumen

Aplikasi Tessy

Plagiat masih bisa

dilakukan dan ditemukan pada hasil karya tulis mahasiswa.

Belum mempertimbangan struktur kalimat dan

sinonim untuk

membandingkan kalimat.

Menggunakan Metode Keyword Similarity dengan teknik DOT. Objek Penelitian yang digunakan adalah

dokumen berbahasa Inggris. Dokumen yang digunakan sebanyak 20 data.

Menggunakan Metode Dokumen fingerprinting dengan algoritma

Winnowing.

Peneliti :

Saul Schleimer 2003, Noorzima 2005

Peneliti :

Parvati Iyer, 2005

Peneliti :

Sinta Agustina 2008, Hari Bagus, 2003.

Menggunakan metode String matching

dengan algoritma Karp Rabin. Objek Penelitian yang digunakan

adalah dokumen berbahasa Indonesia.

• Kemiripan kalimat

• Rata-rata kemiripan kalimat

• Rata-rata maksimum kemiripan dokumen

Dalam membangun arsitektur untuk aplikasi

kesamaan dokumen terdiri dari 3 bagian penting,

yaitu :

1. Penentuan Struktur Kalimat atau SPOK,

2. Kesamaan Dokumen

3. Analisis Sinonim Kata.