scholarly journals IMPLEMENTASI NATURAL LANGUAGE PROCESSING DALAM PENGUKURAN KETEPATAN EJAAN YANG DISEMPURNAKAN (EYD) PADA ABSTRAK SKRIPSI MENGGUNAKAN ALGORITMA FUZZY LOGIC

2015 ◽  
Vol 8 (2) ◽  
Author(s):  
Nisa Kurniasih Wangsanegara ◽  
Beki Subaeki
Keyword(s):  
Fuzzy Logic ◽  
Natural Language Processing ◽  
Natural Language ◽  
Language Processing ◽  
Bahasa Indonesia

Ejaan  yang Disempurnakan  merupakan salah satu aspek penting dalam penulisan suatu dokumen. Penggunaan ejaan harus sesuai dengan yang tertera pada aturan baku yang dikeluarkan oleh Kementerian Pendidikan Nasional. Kesalahan yang banyak terjadi yaitu dalam penulisan kata, tanda baca, dan huruf kapital. Aplikasi ini akan mengidentifikasi dan menghitung jumlah kesalahan penulisan huruf kapital/ kata dan tanda baca. Pengukur penggunaan ketepatan EYD ini dibuat menggunakan metode Fuzzy Logic Tsukamoto. Proses yang dilakukan dalam metode Tsukamoto yaitu: fuzzifikasi, pembentukan rule, mesin inferensi, dan defuzzifikasi. Jumlah kata yang saat ini tersedia dalam aplikasi ini yaitu 31.759 kata yang sebagian besar diambil dari Kamus Besar Bahasa Indonesia. Aplikasi ini dibangun menggunakan MySQL sebagai database dan menggunakan tools PHP yang berbasis website. Berdasarkan pengujian yang dilakukan terhadap 20 abstrak skripsi, presentase kesesuaian hasil identifikasi yaitu 70% sesuai dengan hasil identifikasi secara manual. Kata kunci: EYD, penulisan, Fuzzy Logic Tsukamoto, PHP.

scholarly journals Penerapan Convolutional Long Short-Term Memory untuk Klasifikasi Teks Berita Bahasa Indonesia

2021 ◽  
Vol 10 (4) ◽  
pp. 354-361
Author(s):  
Yudi Widhiyasana ◽  
Transmissia Semiawan ◽  
Ilham Gibran Achmad Mudzakir ◽  
Muhammad Randi Noor
Keyword(s):  
Deep Learning ◽  
Natural Language Processing ◽  
Natural Language ◽  
Language Processing ◽  
Short Term Memory ◽  
Learning Rate ◽  
Short Term ◽  
Term Memory ◽  
Long Short Term Memory ◽  
Bahasa Indonesia

Klasifikasi teks saat ini telah menjadi sebuah bidang yang banyak diteliti, khususnya terkait Natural Language Processing (NLP). Terdapat banyak metode yang dapat dimanfaatkan untuk melakukan klasifikasi teks, salah satunya adalah metode deep learning. RNN, CNN, dan LSTM merupakan beberapa metode deep learning yang umum digunakan untuk mengklasifikasikan teks. Makalah ini bertujuan menganalisis penerapan kombinasi dua buah metode deep learning, yaitu CNN dan LSTM (C-LSTM). Kombinasi kedua metode tersebut dimanfaatkan untuk melakukan klasifikasi teks berita bahasa Indonesia. Data yang digunakan adalah teks berita bahasa Indonesia yang dikumpulkan dari portal-portal berita berbahasa Indonesia. Data yang dikumpulkan dikelompokkan menjadi tiga kategori berita berdasarkan lingkupnya, yaitu “Nasional”, “Internasional”, dan “Regional”. Dalam makalah ini dilakukan eksperimen pada tiga buah variabel penelitian, yaitu jumlah dokumen, ukuran batch, dan nilai learning rate dari C-LSTM yang dibangun. Hasil eksperimen menunjukkan bahwa nilai F1-score yang diperoleh dari hasil klasifikasi menggunakan metode C-LSTM adalah sebesar 93,27%. Nilai F1-score yang dihasilkan oleh metode C-LSTM lebih besar dibandingkan dengan CNN, dengan nilai 89,85%, dan LSTM, dengan nilai 90,87%. Dengan demikian, dapat disimpulkan bahwa kombinasi dua metode deep learning, yaitu CNN dan LSTM (C-LSTM),memiliki kinerja yang lebih baik dibandingkan dengan CNN dan LSTM.

scholarly journals Implementing WordNet Measures of Lexical Semantic Similarity in a Fuzzy Logic Programming System

2021 ◽  
pp. 1-19
Author(s):  
PASCUAL JULIÁN-IRANZO ◽  
FERNANDO SÁENZ-PÉREZ
Keyword(s):  
Fuzzy Logic ◽  
Natural Language Processing ◽  
Natural Language ◽  
Logic Programming ◽  
Programming Language ◽  
Language Processing ◽  
Similarity Measures ◽  
Programming System ◽  
Syntactic Structures ◽  
Unification Algorithm

Abstarct This paper introduces techniques to integrate WordNet into a Fuzzy Logic Programming system. Since WordNet relates words but does not give graded information on the relation between them, we have implemented standard similarity measures and new directives allowing the proximity equations linking two words to be generated with an approximation degree. Proximity equations are the key syntactic structures which, in addition to a weak unification algorithm, make a flexible query-answering process possible in this kind of programming language. This addition widens the scope of Fuzzy Logic Programming, allowing certain forms of lexical reasoning, and reinforcing Natural Language Processing (NLP) applications.

scholarly journals Supplemental materials for preprint: KONTROL PERILAKU AGEN MENGGUNAKAN FUZZY LOGIC BERBASIS SEMANTIK

2021 ◽  
Author(s):  
akuwan saleh
Keyword(s):  
Fuzzy Logic ◽  
Natural Language Processing ◽  
Natural Language ◽  
Language Processing ◽  
Semantic Mapping ◽  
World Knowledge

?atural language merupakan proses pembuatan model komputasi dari bahasa, sehingga dapat terjadi interaksi antara manusia dengan komputer dengan perantaraan bahasa alami. Model komputasi ini dapat berguna untuk keperluan ilmiah seperti meneliti sifat-sifat dari suatu bentuk bahasa alami maupun untuk keperluan sehari-hari. Bidang-bidang pengetahuan yang berhubungan dengan natural language processing meliputi : Fonetik dan fonologi, morfologi, sintaksis, semantik, pragmatik, discourse knowledge, dan world knowledge. Definisi dari semantik yaitu pemetaan bentuk struktur sintaksis dengan memanfaatkan tiap kata ke dalam bentuk yang lebih mendasar dan tidak tergantung struktur kalimat. Semantik mempelajari arti suatu kata dan bagaimana dari arti kata-arti kata tersebut membentuk suatu arti dari kalimat yang utuh. Proses analisa semantik digunakan untuk mengenali kata-kata yang mendahului dan berhubungan dengan kata yang ada dalam domain. Proses ini dilakukan dengan menghubungkan struktur sintak mulai dari kata, frasa, kalimat, hingga paragraf. Dalam penelitian sebelumnya berkaitan dengan semantic mapping, pemetaan semantik dilakukan berdasarkan pada tampilan fisik dan selanjutnya peran dari suatu model/karakter dalam suatu cerita. Inti dari obyek permainan tidak harus dimunculkan dari tampilan fisik dari suatu karakter saja, tetapi juga dapat dihubungkan dengan parameter penting lain seperti pakaian, alat, benda, senjata yang dibawa oleh masing-masing karakternya.

scholarly journals Lógica difusa para una descripción de la gramática de las lenguas naturales

Triangle ◽  
2020 ◽  
pp. 73
Author(s):  
Adrià Torrens Urrutia
Keyword(s):  
Fuzzy Logic ◽  
Natural Language Processing ◽  
Natural Language ◽  
Language Processing ◽  
Formal Models ◽  
Discrete Values

Defining the natural language and its gradient phenomena force us to look for formal tools that can represent the bases of a grammar with degrees of grammaticality. The mathematical and formal models are often used in linguistics. And yet, fuzzy logic has not received all the attention it deserves as a tool to explain the natural language processing. Here, we show the theoretical bases that have led us to treat the natural language (NL) inputs gradually. The basis of fuzzy logic for NL are explained here as a tool capable of defining non-discrete values, therefore gradual or fuzzy. A Property Grammar will give the rules of the fuzzy grammar.

scholarly journals IMPLEMENTASI NATURAL LANGUAGE PROCESSING (NLP) UNTUK APLIKASI PENCARIAN LOKASI

2021 ◽  
Vol 3 (2) ◽  
pp. 15
Author(s):  
Irkham Huda
Keyword(s):  
Natural Language Processing ◽  
Natural Language ◽  
Language Processing ◽  
Pos Tagging ◽  
Bahasa Indonesia

Pencarian lokasi menjadi salah satu kebutuhan masyarakat dewasa ini terbukti dengan banyaknya penyedia layanan pemetaan. Untuk mencari lokasi dengan referensi relasi spasial tertentu, pengguna mendeskripsikannya dengan bahasa natural. Maka untuk membuat sistem pencarian lokasi yang mampu memahami masukan pengguna diperlukan implementasi Natural Language Processing (NLP). Penelitian terkait implementasi NLP untuk aplikasi pencarian lokasi masih dirasa perlu terutama karena belum adanya implementasi penelitian tersebut yang mendukung Bahasa Indonesia, sedangkan penelitian terkait yang sudah ada hanya mendukung Bahasa Inggris dengan cakupan terbatas.Dalam penelitian ini dikembangkan Sistem NLP untuk Aplikasi Pencarian Lokasi dikenal dengan NaLaMap. Basis data lokasi yang dimanfaatkan adalah Open Street Map (OSM) dan digunakan aplikasi web sebagai client untuk studi kasus. Dalam mentransformasikan kalimat masukan pencarian lokasi menjadi query spasial, Sistem NLP yang dibangun melalui lima tahapan utama yaitu Tokenisasi, POS Tagging, NER Tagging, Normalisasi Entitas, dan Penyusunan Query. Kemudian query yang berhasil disusun dijalankan pada basis data lokasi berbasis OSM sehingga diperoleh hasil pencarian yang akan ditampilkan melalui peta pada aplikasi client.Hasil uji coba sistem secara keseluruhan menggunakan 45 kalimat masukan dari responden, diperoleh hasil yang cukup bagus dengan nilai precision 0,97 dan recall 0,91. 

scholarly journals A Study on Fuzzy Query with Weights Based on Fuzzy Logic

2021 ◽  
Vol 23 (10) ◽  
pp. 81-92
Author(s):  
Dr. ASHISH KUMAR TAMRAKAR ◽  
Keyword(s):  
Fuzzy Logic ◽  
Natural Language Processing ◽  
Natural Language ◽  
Language Processing ◽  
Fuzzy Logic System ◽  
Fuzzy Mathematics ◽  
Fuzzy Relations ◽  
Fuzzy Query ◽  
Language Analysis ◽  
Logic System

Natural Language Processing (NLP) is the electronic tactic to analyzing text that is depends on both a set of ideas and a set of technologies. Natural Language Processing (NLP) is a subfield of artificial intelligence and etymology it thinks about the issues of computerized era and comprehension of regular human dialects. Common dialect era frameworks change over data from PC databases into ordinary sounding human dialect, and normal dialect understanding frameworks change over specimens of human dialect into more formal representations that are less demanding for PC projects to control. The Fuzzy logic-based approach provides another alternative for effective natural language analysis. It is commonly recognized that many phenomena in natural language lend themselves to descriptions by Fuzzy mathematics, including Fuzzy sets, Fuzzy relations and Fuzzy logic. By defining a Fuzzy logic system and acquiring proper rules, we hope that difficulties in analysis of speech can be alleviated. The goal of NLP is to enable communication between people and computers without resorting to memorization of complex commands and procedures.

scholarly journals PEMBANGKIT ENTITY RELATIONSHIP DIAGRAM DARI SPESIFIKASI KEBUTUHAN MENGGUNAKAN NATURAL LANGUAGE PROCESSING UNTUK BAHASA INDONESIA

2021 ◽  
Vol 9 (2) ◽  
pp. 196-206
Author(s):  
Parmonangan R. Togatorop ◽  
Rezky Prayitno Simanjuntak ◽  
Siti Berliana Manurung ◽  
Mega Christy Silalahi
Keyword(s):  
Natural Language Processing ◽  
Natural Language ◽  
Language Processing ◽  
Rule Based ◽  
Pos Tagging ◽  
Sentence Segmentation ◽  
Primary Key ◽  
Entity Relationship ◽  
Entity Relationship Diagram ◽  
Bahasa Indonesia

Memodelkan Entity Relationship Diagram (ERD) dapat dilakukan secara manual, namun umumnya memperoleh pemodelan ERD secara manual membutuhkan waktu yang lama. Maka, dibutuhkan pembangkit ERD dari spesifikasi kebutuhan untuk mempermudah dalam melakukan pemodelan ERD. Penelitian ini bertujuan untuk mengembangkan sebuah sistem pembangkit ERD dari spesifikasi kebutuhan dalam Bahasa Indonesia dengan menerapkan beberapa tahapan-tahapan dari Natural Language Processing (NLP) sesuai kebutuhan penelitian. Spesifikasi kebutuhan yang digunakan tim peneliti menggunakan teknik document analysis. Untuk tahapan-tahapan dari NLP yang digunakan oleh peneliti yaitu: case folding, sentence segmentation, tokenization, POS tagging, chunking dan parsing. Kemudian peneliti melakukan identifikasi terhadap kata-kata dari teks yang sudah diproses pada tahapan-tahapan dari NLP dengan metode rule-based untuk menemukan daftar kata-kata yang memenuhi dalam komponen ERD seperti: entitas, atribut, primary key dan relasi. ERD kemudian digambarkan menggunakan Graphviz berdasarkan komponen ERD yang telah diperoleh Evaluasi hasil ERD yang berhasil dibangkitkan kemudian di evaluasi  menggunakan metode evaluasi expert judgement. Dari hasil evaluasi berdasarkan beberapa studi kasus diperoleh hasil rata-rata precision, recall, F1 score berturut-turut dari tiap ahli yaitu: pada ahli 1 diperoleh 91%, 90%, 90%; pada ahli 2 diperoleh 90%, 90%, 90%; pada ahli 3 diperoleh 98%, 94%, 96%; pada ahli 4 diperoleh 93%, 93%, 93%; dan pada ahli 5 diperoleh 98%, 83%, 90%.

scholarly journals Text Messaging-Based Medical Diagnosis Using Natural Language Processing and Fuzzy Logic

2020 ◽  
Vol 2020 ◽  
pp. 1-14
Author(s):  
Nicholas A. I. Omoregbe ◽  
Israel O. Ndaman ◽  
Sanjay Misra ◽  
Olusola O. Abayomi-Alli ◽  
Robertas Damaševičius
Keyword(s):  
Fuzzy Logic ◽  
Natural Language Processing ◽  
Natural Language ◽  
Language Processing ◽  
Medical Diagnosis ◽  
Text Messaging ◽  
Fuzzy Inference ◽  
Support Vector ◽  
Fuzzy Support Vector Machine ◽  
System Usability Scale

The use of natural language processing (NLP) methods and their application to developing conversational systems for health diagnosis increases patients’ access to medical knowledge. In this study, a chatbot service was developed for the Covenant University Doctor (CUDoctor) telehealth system based on fuzzy logic rules and fuzzy inference. The service focuses on assessing the symptoms of tropical diseases in Nigeria. Telegram Bot Application Programming Interface (API) was used to create the interconnection between the chatbot and the system, while Twilio API was used for interconnectivity between the system and a short messaging service (SMS) subscriber. The service uses the knowledge base consisting of known facts on diseases and symptoms acquired from medical ontologies. A fuzzy support vector machine (SVM) is used to effectively predict the disease based on the symptoms inputted. The inputs of the users are recognized by NLP and are forwarded to the CUDoctor for decision support. Finally, a notification message displaying the end of the diagnosis process is sent to the user. The result is a medical diagnosis system which provides a personalized diagnosis utilizing self-input from users to effectively diagnose diseases. The usability of the developed system was evaluated using the system usability scale (SUS), yielding a mean SUS score of 80.4, which indicates the overall positive evaluation.

scholarly journals Fuzzy Logic in Natural Language Processing – A Closer View

2018 ◽  
Vol 132 ◽  
pp. 1375-1384 ◽  
Author(s):  
Charu Gupta ◽  
Amita Jain ◽  
Nisheeth Joshi
Keyword(s):  
Fuzzy Logic ◽  
Natural Language Processing ◽  
Natural Language ◽  
Language Processing
Sign in / Sign up

Export Citation Format

Share Document