Perbandingan Metode Peter Norvig, Lstm, dan N- Gram untuk Spell Correction Bahasa Indonesia

Abstract

Kesalahan penulisan telah menjadi sebuah fenomena yang dianggap lumrah yang terjadi di era kemajuan teknologi saat ini, dimana kualitas akurasi data sering kali mengalami variasi yang signifikan. Oleh karena itu, diperlukan suatu bentuk pengolahan data yang lebih cermat dan hati-hati guna memastikan integritas serta ketepatan informasi yang disajikan. Keakuratan penulisan menjadi aspek yang sangat krusial, terutama ketika berbicara dalam konteks akademis di mana setiap kata dan frasa merepresentasikan arti atau maksud yang ingin disampaikan. Dalam upaya mereduksi kesalahan penulisan, terdapat salah satu implementasi Natural Language Processing (NLP) yaitu spell correction. Berbagai pendekatan dapat diambil dalam konteks ini, termasuk memanfaatkan metode yang telah dikembangkan oleh Peter Norvig, yang sering kali melibatkan penggunaan statistik dan probabilitas untuk menangani kesalahan penulisan. Selain itu, teknik deep learning seperti Long Short-Term Memory (LSTM) juga menjadi pilihan yang menjanjikan dalam mengenali pola kesalahan dan meresponnya dengan tepat. Namun, tidak hanya itu, konsep N-gram juga dapat diimplementasikan sebagai alat bantu dalam spell correction ini. Penggunaan fitur spell correction dalam penelitian ini bukan hanya sekadar untuk mengidentifikasi kesalahan penulisan semata, namun juga memberikan sugesti pembenaran kata yang salah tulis. Penelitian ini bertujuan untuk memberikan rekomendasi metode bagi peneliti di bidang NLP. Akurasi yang didapat untuk metode Peter Norvig ini menghasilkan 73% akurasi tertinggi dengan kecepatan waktu latih sebesar 31 detik, diikuti dengan N-gram 79% dengan kecepatan waktu latih sebesar 32 detik, dan LSTM (Long Short Term Memory) dengan akurasi 90,8% dengan kecepatan waktu latih sebesar 3 detik 451 milidetik