Aplikasi Predictive Text Berbahasa Indonesia Dengan Metode n-Gram
| Main Authors: | Rostianingsih, Silvia, Liliana, , Sugianto, Sendy Andrian |
|---|---|
| Format: | Proceeding PeerReviewed application/pdf |
| Terbitan: |
, 2014
|
| Subjects: | |
| Online Access: |
https://repository.petra.ac.id/16621/1/Publikasi1_01043_1332.pdf https://repository.petra.ac.id/16621/2/Publikasi2_01043_1332.pdf https://repository.petra.ac.id/16621/ |
Daftar Isi:
- Aplikasi untuk memproses kata dengan dibantu prediksi kemunculan sebuah kata membantu mempercepat proses pengetikkan. Predictive text banyak diaplikasikan pada perangkat komunikatif yang membutuhkan input text, seperti komputer, personal digital assistant (PDA), dan telepon selular. Metode lain yang dapat digunakan adalah n-gram. Metode n-gram digabung dengan fungsi scoring yang mendukung prediksi kata, yaitu language model dan semantic affinity. Language model didasarkan pada urutan kata dan kata yang paling sering digunakan dalam input-an teks, sedangkan semantic affinity didasarkan pada kemungkinan kata-kata tersebut muncul bersama dalam sebuah kalimat. Proses dimulai dengan memecah kata per kata dan mengelompokkannya sesuai dengan language model. Selanjutnya dilakukan proses scoring untuk menentukan kata mana yang sesuai untuk menjadi pilihan prediksi kata. Hasil pengujian menunjukkan bahwa metode bigram dan trigram dalam language model mempengaruhi sistem predictive text, karena setiap scoring yang dilakukan oleh sistem mengacu pada language model dari kata yang diprediksi. Keystroke saving yang dihasilkan dapat mencapai angka 25 bergantung pada data training. Rata-rata prediksi efektif terjadi di atas 30 dari total prediksi yang terjadi. Hal ini dikarenakan oleh pengaruh dari language model yang dapat memprediksi kata dengan lebih efektif dan akurat.