AJRY, MUHAMMAD ALVIN (2025) PART-OF-SPEECH TAGGING PADA BAHASA JAWA MENGGUNAKAN MODEL PRE-TRAINED BIDIRECTIONAL ENCODER REPRESENTATION from TRANSFORMERS. Skripsi thesis, Universitas Panca Marga.
![[img]](http://repository.upm.ac.id/style/images/fileicons/text.png) |
Text
01.Halaman Sampul MUHAMMAD ALVIN AJRY.pdf Download (56kB) |
|
Text
09. Daftar IsiMUHAMMAD ALVIN AJRY.pdf Restricted to perpustakaan UPM Download (27kB) |
|
Text
07. Abstrak MUHAMMAD ALVIN AJRY.pdf Download (123kB) |
|
Text
12. BAB I MUHAMMAD ALVIN AJRY.pdf Restricted to perpustakaan UPM Download (22kB) |
|
Text
13. BAB II MUHAMMAD ALVIN AJRY.pdf Restricted to perpustakaan UPM Download (797kB) |
|
Text
14. BAB III MUHAMMAD ALVIN AJRY.pdf Restricted to perpustakaan UPM Download (313kB) |
|
Text
15. BAB IV MUHAMMAD ALVIN AJRY.pdf Restricted to perpustakaan UPM Download (208kB) |
|
Text
16. BAB V MUHAMMAD ALVIN AJRY.pdf Restricted to perpustakaan UPM Download (871kB) |
|
Text
17. BAB VI MUHAMMAD ALVIN AJRY.pdf Restricted to perpustakaan UPM Download (13kB) |
|
Text
18. Daftar Pustaka MUHAMMAD ALVIN AJRY.pdf Restricted to perpustakaan UPM Download (134kB) |
|
Text
20. Surat Keterangan Bebas Plagiasi MUHAMMAD ALVIN AJRY.pdf Restricted to perpustakaan UPM Download (617kB) |
Abstract
Part-of-Speech Tagging (POS tagging) merupakan proses penentuan kelas kata dalam suatu teks yang penting dalam pemrosesan bahasa alami (Natural Language Processing). Pada bahasa Jawa, POS tagging masih merupakan tantangan karena keterbatasan sumber daya linguistik dan kompleksitas bahasa tersebut. Dengan perkembangan teknologi deep learning, metode fine-tuning BERT (Bidirectional Encoder Representations from Transformers) telah diterapkan untuk melakukan POS tagging dalam bahasa Jawa, yang merupakan bahasa dengan sumber daya terbatas. Model javanese-bert-small dilatih menggunakan dataset UD_Javanese-CSUI, dan dievaluasi menggunakan metrik precision, recall, F1-score, dan accuracy. Hasil penelitian menunjukkan bahwa model mencapai performa mumpuni dengan akurasi tercapai 88,87%, serta menunjukkan kestabilan selama pelatihan tanpa overfitting signifikan. Temuan ini menunjukkan bahwa pendekatan berbasis BERT efektif untuk menangani ambiguitas kelas kata dalam bahasa Jawa dan dapat menjadi pijakan untuk pengembangan lebih lanjut dalam sistem NLP untuk bahasa daerah.
| Item Type: | Thesis ( Skripsi) |
|---|---|
| Uncontrolled Keywords: | bahasa Jawa, deep learning, BERT, Part-of-Speech tagging |
| Subjects: | Fakultas Teknik dan Informatika |
| Divisions: | S1 Teknik Elektro Fakultas dan Lembaga Layanan Universitas > Fakultas Teknik dan Informatika > S1 Teknik Elektro |
| Depositing User: | Admin Perpustakaan |
| Date Deposited: | 08 Jul 2026 02:38 |
| Last Modified: | 08 Jul 2026 02:38 |
| URI: | http://repository.upm.ac.id/id/eprint/6046 |
Actions (login required)
 |
View Item |
