DETEKSI KALIMAT BAHASA LAMPUNG DIALEK NYO DENGAN PENDEKATAN NEURAL NETWORK

ALAMSYAH, RAHMAT (2023) DETEKSI KALIMAT BAHASA LAMPUNG DIALEK NYO DENGAN PENDEKATAN NEURAL NETWORK. Strata 1 thesis, Universitas Teknokrat Indonesia.

	Text (Full Skripsi) skripsi17312224.pdf - Published Version Download (2MB)
	Text (Abstrak) abstrak17312224.pdf - Published Version Download (184kB)
	Text (Bab I Pendahuluan) b117312224.pdf - Published Version Download (303kB)
	Text (Bab II Landasan Teori) b217312224.pdf - Published Version Download (565kB)
	Text (Daftar Pustaka) daftar_pustaka17312224.pdf - Bibliography Download (305kB)

Abstract

Bahasa Lampung adalah bahasa asli yang digunakan masyarakat Lampung itu sendiri. Namun seiring dengan perkembangan zaman, penggunaannya didaerah perkotaan sangatlah minim dikarenakan keberagaman dan perkembangannya lebih dominan menggunakan bahasa Indonesia sehingga bahasa Lampung terancam punah. Oleh karena itu perlu dilakukan pelestarian, salah satu upaya tersebut adalah membuat mesin penerjemah bahasa Lampung ke bahasa Indonesia dengan meningkatkan akurasi menggunakan Direct Machine Translation (DMT) dan Bilingual Evaluation Understudy (BLEU). Tetapi pada penelitian sebelumnya belum ada yang menerapkan algoritma Neural network untuk mendeteksi bahasa Lampung sebagai pendukung Machine Translation (MT). Pada penelitian ini penulis ingin melihat bagaimana cara kerja algoritma Back-Propagation Neural network dalam mendeteksi bahasa Lampung dan bahasa Indonesia, yang akan diterapkan melalui bahasa pemrograman python sehingga menghasilkan suatu engine deteksi. Dimana engine tersebut akan diuji menggunakan Performance Evaluation Measure (PEM) untuk melihat Accuracy, Precision, Recall dalam bentuk persentase.

Item Type:	Thesis (Strata 1)
Uncontrolled Keywords:	Bahasa Lampung, Back-Propagation Neural Network, Python, Performance Evaluation Measure, Accuracy, Precision, Recall
Subjects:	INFORMATIKA
Divisions:	Fakultas Teknik dan Ilmu Komputer > S1 Informatika
Depositing User:	Asep Haikal Kurniawan S.IP., M.A
Date Deposited:	02 Aug 2023 09:29
Last Modified:	02 Aug 2023 09:29
URI:	http://repository.teknokrat.ac.id/id/eprint/4825

Actions (login required)

View Item