Text

Studi Perbandingan Word2vec, Fasttext, Dan Glove Embedding Untuk Identifikasi Sinonim Dalam Bahasa Bugis

---

Penelitian ini bertujuan untuk menganalisis kinerja vektor kata yang dihasilkan oleh tiga model word embedding yang telah dilatih sebelumnya, yaitu Word2Vec, FastText, dan Glove, untuk mendeteksi sinonim pada tingkat kata dalam bahasa Bugis.
Vektor kata dari masing-masing model diintegrasikan dengan dataset bahasa Bugis yang berisi 12.060 teks monolingual, dan kemudian dilatih dengan menggunakan model Long Short-Term Memory (LSTM).
Hasilnya menunjukkan bahwa Word2Vec memiliki akurasi tertinggi yaitu 0.9412, diikuti oleh Glove dengan 0.9353 dan FastText dengan 0.9262. Percobaan tambahan dengan cosine similarity mengungkapkan bahwa Glove memiliki performa terbaik untuk memprediksi sinonim di semua kategori frekuensi kemunculan kata, sementara FastText dan Word2Vec memiliki hasil yang lebih rendah. Temuan ini menunjukkan bahwa meskipun akurasi pelatihan yang tinggi tercapai, tidak selalu berarti bahwa model akan unggul dalam memprediksi sinonim.

---

Ketersediaan

S250261

LKI-2025 WAH c

Perpustakaan Universitas Handayani Makassar

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

LKI-2025 WAH c

Penerbit

Universitas Handayani Makassar : Universitas Handayani Makassar., 2025

Deskripsi Fisik

i + 50 hlm; 29 x 21 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

LKI-2025 WAH c

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

Ed. 1, Cet. 1

Subjek

LSTM
bugis language
word embedding
Word2Vec
Fasttext
, low-resource languages

Info Detail Spesifik

Laporan Karya Ilmiah Teknik Informatika

Pernyataan Tanggungjawab

Wahyu Ramadhan Arianto

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus login sebelum memberikan komentar