Hasil Pencarian  ::  Simpan CSV :: Kembali

"Upaya pengidentifikasian jumlah bahasa di Indonesia sudahcukup banyak dilakukan baik oleh lembaga/pakar linguistik Indonesiamaupun lembaga/pakar asing. Hasil yang diperoleh cukup beragam,sehingga tidak jarang kondisi ini menimbulkan kesimpangsiuraninformasi tentang jumlah bahasa yang tumbuh dan berkembang diIndonesia."

"Skripsi ini membahas persebaran bahasa dan dialek di Kepulauan Seribu. Pengambilan data dilakukan dengan metode wawancara terhadap sebelas informan di sebelas titik pengamatan. Pengolahan data dalam penelitian ini berdasarkan penghitungan dialektometri dan penyusunan berkasisoglos. Penelitian ini menunjukkan persebaran bahasa di Kepulauan Seribu melalui analisis pengelompokan jumlah etimon dan medan makna. Hasil penelitian menunjukkan bahwa secara leksikal terdapat dua bahasa di Kepulauan Seribu, yaitu bahasa Melayu dan bahasa Bugis. Secara fonologis,variasi yang muncul menunjukkan jarak yang tinggi.

---

This thesis discuss about language distribution at Kepulauan Seribu.To collect the required data the writer interviewed eleven informan with in eleven research areas. To analyze the data, the writer applied dialectometric and the bundels of isogloss. This study shows the languages distribution at Kepulauan Seribu which were based on the analysis of grouping the number of etymon and area of meaning. The result of study reveals that lexically, there is only two language at Kepulauan Seribu and phonologically the variants appear indicate high differents variants."

"Pengembangan NLP di Indonesia terbilang lambat, terutama penelitian terkait bahasa daerah Indonesia. Alasannya adalah sumber data bahasa daerah tidak terdokumentasikan dengan baik sehingga sumber daya NLP yang ditemukan juga sedikit. Penelitian ini membahas metode ekstraksi kamus-kamus bahasa daerah di Indonesia untuk menghasilkan suatu sumber daya NLP yang dapat dibaca oleh mesin. Tahap penelitian dimulai dari pengumpulan data kamus, perancangan dan eksperimen metode ekstraksi, serta evaluasi hasil ekstraksi. Hasil penelitian berupa korpus paralel, leksikon bilingual, dan pasangan kata dasar-kata berimbuhan dalam format CSV dari beberapa kamus dwibahasa di Indonesia. Beberapa bahasa di antaranya adalah bahasa Minangkabau, Sunda, Mooi, Jambi, Bugis, Bali, dan Aceh. Perancangan metode ekstraksi berfokus pada kamus Minangkabau yang kemudian dilakukan eksperimen pada kamus-kamus bahasa daerah lainnya. Evaluasi dilakukan terhadap hasil ekstraksi kamus Minangkabau dengan melakukan anotasi data. Perhitungan akurasi dilakukan terhadap penempatan kelompok kata dari hasil anotasi. Hasil perhitungan menunjukkan 99% hasil ekstraksi sudah tepat untuk penentuan kelompok kata pada leksikon bilingual dan 88% untuk korpus paralel. Tim peneliti menemukan bahwa struktur dalam kamus bahasa daerah Indonesia sangat beragam, sehingga menuntut perlakuan yang berbeda pada setiap kamus, seperti perihal penomoran halaman. Selain itu, tim peneliti menemukan banyak kamus bahasa daerah Indonesia dengan kualitas yang kurang baik. Kualitas yang kurang baik ditunjukan dengan banyaknya kesalahan baca akibat noise yang terdapat pada tampilan berkas kamus.

---

The development of NLP in Indonesia is relatively slow, especially for Indonesian local languages. Indonesian local language data sources are not well-documented so that there are only few NLP resources found. This study discusses the extraction method of Indonesian local language dictionaries to produce a machine-readable NLP resource. Starting from collecting dictionary data, designing and experimentation of the extraction method, and evaluating the extraction results. The extraction results are parallel corpus, bilingual lexicon, and words’ morphological form in CSV format from several Indonesian Local Language bilingual dictionaries that are Baso Minangkabau, Sundanese, Moi, Jambinese, Buginese, Balinese, and Acehnese. The designed method is also applied to some other local language dictionaries. Data annotation has been done to evaluate the extraction results so that we can calculate its accuracy of word classification for parallel corpus and bilingual lexicon. Extraction method design focuses on the Minangkabau dictionary which is then applied to other dictionaries. Data annotation has been done to evaluate the extraction results.The evaluation results show that 99% of the extraction results are correct for word classifying in the bilingual lexicon and 88% correct for parallel corpus. We found that the structure of dictionaries varies, so it requires different approaches for each dictionary, for example regarding page numbering. We also found many dictionaries with poor quality. The poor quality is indicated by the number of reading errors due to noise contained in the original dictionary file."