Call Number | SK- 2405 (Softcopy SK-1887) Source code- 854 |
Collection Type | Skripsi |
Title | Transliterasi Pegon-Latin dengan Pendekatan Data-Driven Menggunakan Metode Sequence-to-Sequence |
Author | Fitri ‘Aliyah / Mutiara Azzahra / Devina Fitri Handayani; |
Publisher | Depok: Fasilkom UI, 2024 |
Subject | Transliterasi Pegon-Latin |
Location | FASILKOM-UI; |
Nomor Panggil | ID Koleksi | Status |
---|---|---|
SK- 2405 (Softcopy SK-1887) Source code- 854 | TERSEDIA |
ABSTRAK Nama Penulis 1 / Program Studi : Fitri ‘Aliyah / Sistem Informasi Nama Penulis 2 / Program Studi : Mutiara Azzahra / Ilmu Komputer Nama Penulis 3 / Program Studi : Devina Fitri Handayani / Sistem Informasi Program Studi : Sistem Informasi Judul : Transliterasi Pegon-Latin dengan Pendekatan Data-Driven Menggunakan Metode Sequence-to-Sequence Pembimbing : Yova Ruldeviyani, S.Kom., M.Kom. Indonesia kaya akan warisan budaya, salah satunya adalah Aksara Pegon. Aksara ini merupakan sistem penulisan yang berkembang selama penyebaran Islam di nusantara. Aksara ini adalah adaptasi dari aksara Arab yang digunakan oleh para ulama Islam dalam penulisan manuskrip di masa lalu. Namun, seiring dominasi aksara Latin di Indonesia, penggunaan aksara Pegon semakin berkurang, hanya di kalangan tertentu, sehingga menyebabkan sedikitnya individu yang mampu membaca aksara Pegon. Oleh karena itu, transliterasi antara aksara Pegon ke Latin diperlukan. Penelitian ini berfokus pada pengembangan transliterasi menggunakan pendekatan berbasis data dengan model sequence-to-sequence, mengikuti pedoman transliterasi Arab-Latin dari Kementerian Agama tahun 1987, hasil Kongres Aksara Pegon 2022, dan SNI 9047:2023. Hasil penelitian menunjukkan bahwa pendekatan ini mencapai akurasi 99.31% dan CER 0.029255 untuk dataset bahasa Jawa dengan model terbaik BiGRU-Att, akurasi 99.76% dan CER 0.010624 untuk dataset bahasa Sunda dengan model terbaik BiLSTM-Att, dan akurasi 99.58% dan CER 0.008470 untuk dataset gabungan bahasa dengan model terbaik BiLSTM-Att. Hasil ini menunjukkan bahwa model yang dikembangkan mampu melakukan transliterasi Pegon ke Latin dengan sangat baik karena memiliki nilai akurasi di atas 70%, nilai loss mendekati 0, dan nilai Character Error Rate (CER) mendekati 0 untuk semua dataset. Kata kunci: Attention, Bidirectional, fastText, Pegon, Sequence-to-Sequence, Transliterasi