Sistem Question Answering untuk Bahasa Bali menggunakan Metode Rule-Based dan String Similarity

Subali, Made Agus Putra; Wijaya, Puritan

doi:10.33633/tc.v20i2.4390

Cited by 3 publications

(3 citation statements)

References 3 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The cosine similarity method is used to measure the level of similarity between the keywords obtained and the document (Fauzi et al, 2014;Subali & Wijaya, 2021) in equation ( 3) is a way of measuring the level of similarity using the cosine similarity method. (3) Information: 𝑊 𝑖,𝑗 is the weight of word 𝑖 in document 𝑗. 𝑊 𝑖,𝑞 is the weight of the word 𝑖 in the question 𝑞.…”

Section: Cosine Similaritymentioning

confidence: 99%

Determining the Best Answers for Balinese Language Problems using Latent Semantic Analysis

Subali

Suniantara

2022

Jurnal Informatika dan Komputer

View full text Add to dashboard Cite

In Balinese, descriptions or essays are formed in an interrogative format using question words such as “akuda”, “apa”, “dija”, “kenken”, “kuda”, dan “nyen”. The assessment process on description questions tends to be more difficult and complex than multiple choice questions, this is because the description questions are described in sentence form. The solution to facilitate the assessment process on description questions can be done using automated essay scoring. Based on the results of previous studies, the Latent Semantic Analysis (LSA) method provides a better level of accuracy, because the LSA method uses the Singular Value Decomposition (SVD) method to obtain a new pattern of relationships between terms and reference terms. The data used in this study are five questions and their answer keys and there are five candidate answers for each question in Balinese. Based on the tests that have been carried out, the method used obtained an overall average accuracy of 70.26%, this shows that the LSA method can be used well in the assessment process or automatic essay assessment.

show abstract

Section: Cosine Similaritymentioning

confidence: 99%

Determining the Best Answers for Balinese Language Problems using Latent Semantic Analysis

Subali

Suniantara

2022

Jurnal Informatika dan Komputer

View full text Add to dashboard Cite

show abstract

“…Setelah jumlah data direduksi, selanjutnya dilakukan proses stemming untuk meluluhkan kata berafiks ke bentuk dasarnya, sebagai contoh: kata ngajeng diubah ke bentuk ajeng. Tujuan dari dilakukannya proses stemming adalah untuk meningkatkan nilai recall [10]. Untuk stemmer yang digunakan adalah Balinese Stemmer, dimana dalam metode stemmer tersebut dibangun menggunakan metode rule-based dan n-gram string similarity matching dalam proses meluluhkan kata berafiks.…”

Section: Gambar 2 Alur Proses Tahapan Praprosesunclassified

Clustering Balinese Language Documents using the Balinese Stemmer Method and Mini Batch K-Means with K-Means++

Subali,

Sugiartha,

Budiarta

et al. 2023

JAIC

View full text Add to dashboard Cite

Clustering aims to categorize data into n groups, where data within each group exhibits maximum similarity, while the similarity between groups is minimized. Among various clustering methods, k-means is widely employed due to its simplicity and ability to yield optimal clustering results. However, the k-means method is susceptible to slow processing in high-dimensional datasets and the clustering outcomes are sensitive to the initial selection of cluster center values. In addressing these limitations, this study employs the k-means mini-batch method to enhance processing speed for high-dimensional data and utilizes the k-means++ method to optimize the selection of initial cluster center values. The dataset for this research comprises 300 news articles in Balinese sourced from the https://balitv.tv/ website. Prior to the clustering process, a stemming procedure is applied using the Balinese stemmer method to enhance recall. The obtained results reveal that a majority of the 300 data instances exhibit a high degree of similarity, as indicated by the clustering results. If the number of clusters (n) exceeds two, the data fails to be distinctly separated due to the high structural similarity among the data instances. This can be attributed to the relatively small number of words or attributes produced. In future research, feature reduction will be implemented, and a clustering method capable of addressing data overlap will be explored.

show abstract

“…Pada sistem information retrieval selain menerima input dari pengguna yang disebut dengan query, dilakuan proses menentukan dokumen yang paling mirip (similar) dan selanjutnya memberikan respon ke pengguna [6] [7] Kunci dari information ratrival terletak pada bagaimana menemukan kemiripan / similaritas query dari pengguna dengan dokumen atau informasi pada basis data. Penerapan metode string similarity untuk menentukan kemiripan teks maupun dokumen telah banyak dilakukan untuk berbagai kebutuhan pengembangan sistem seperti yang dilakukan [8] menerapkan string similarity Dengan algoritma cosine similarity untuk sistem question answering, metode yang digunakan adalah mencari dokumen paling relevan berdasarkan pertanyaan yang diberikan dan memperoleh jawaban berdasarkan rules untuk setiap pertanyaan, hasil nya metode yang diusulkan memperoleh akurasi sebesar 40%. Penelitian lain dilakukan oleh [9] klasifikasi buku berdasarkan sinopsis dengan melalukan pembobotan TF/IDF dan cosine similarity pada model VSM untuk mengukur tingkat kemiripan dokumen, hasil nya sistem mampu memberikan 10 kategori berdasarkan 120 dokumen dengan nilai precision sebesar 90,91%.…”

Section: Pendahuluanunclassified

Information Retrieval Pada Frequently Asked Questions (FAQ) dengan metode String Similarity

Setiawan

Adnyana

2022

View full text Add to dashboard Cite

Information retrieval merupakan sebuah sarana untuk menemukan informasi berdasarkan kumpulan informasi pada data terstruktur maupun tidak terstruktur secara otomatis. implementasi information retrival seperti mesin pencari menggunakan query dari pengguna dengan bahasa alami manusia kemudian sistem dapat menemukan dokumen atau informasi yang berkaitan dengan query dari pengguna. Pada penelitian ini di usulkan sistem information retrieval pada Frequently Asked Questions atau FAQ dengan mencari pertanyaan yang mirip (similar) pada daftar pertanyaan di basis data terhadap pertanyaan yang diberikan oleh pengguna menggunakan algoritma Cosine similarity untuk mencari kesamaan kosinus tertinggi. Selanjutnya memberikan respon jawaban yang sebelum nya sudah di berikan label terhadap pertanyaan yang relevan dan memiliki similaritas paling tinggi. Telah dihasilkan dataset FAQ dan dilakukan preprocessing, penerapan algoritma Cosine Similarity terhadap input pertanyaan (query) dengan dataset dan menghasilkan bobot pada setiap pertanyaan (label) pada dataset. Melalui evaluasi akurasi pemberian bobot similaritas yang dilakukan dengan memberikan sembilan input pertanyaan dibagai pada tiga kategori berdasarkan tingkat kemiripan memiliki akurasi mencapai 100%, dengan demikian information retrieval dengan Cosine similarity telah mampu memberikan bobot sesuai dengan tingkat similaritas pertanyaan (query) dengan dataset pertanyaan pada FAQ

show abstract

Sistem Question Answering untuk Bahasa Bali menggunakan Metode Rule-Based dan String Similarity

Cited by 3 publications

References 3 publications

Determining the Best Answers for Balinese Language Problems using Latent Semantic Analysis

Determining the Best Answers for Balinese Language Problems using Latent Semantic Analysis

Clustering Balinese Language Documents using the Balinese Stemmer Method and Mini Batch K-Means with K-Means++

Information Retrieval Pada Frequently Asked Questions (FAQ) dengan metode String Similarity

Contact Info

Product

Resources

About