Application Programming Interface (API) Deteksi Bahasa Menggunakan Metode Naive Bayes

Arini, Shofa Imania (2025) Application Programming Interface (API) Deteksi Bahasa Menggunakan Metode Naive Bayes. Skripsi thesis, Universitas Tanjungpura.

	Text (Cover-Bab1) Cover-Bab1_D1041201055.pdf - Published Version Download (487kB)
	Text (D1041201055_ARINI SHOFA IMANIA) D1041201055_ARINI SHOFA IMANIA.pdf - Accepted Version Restricted to Repository staff only Download (1MB)

Abstract

Penelitian ini mengembangkan model deteksi bahasa daerah menggunakan pendekatan klasifikasi dengan algoritma Multinomial Naive Bayes (MNB) untuk mengenali bahasa Melayu Pontianak, Jawa, dan Dayak. Proses pelatihan dilakukan dengan menggunakan 10-Fold Cross Validation pada tiga skenario dataset yang berbeda: dataset tidak seimbang, dataset seimbang minimum, dan dataset seimbang maksimum (dengan teknik SMOTE). Hasil evaluasi model menunjukkan performa yang sangat baik, dengan precision, recall, dan F1-score yang mencapai lebih dari 97% pada semua skenario dataset yang diuji. Peningkatan signifikan terlihat pada deteksi bahasa minoritas, terutama pada skenario dataset seimbang, yang menunjukkan kemampuan model dalam mengenali kelas yang lebih jarang. Application Programming Interface (API) berbasis Flask dikembangkan untuk memproses input teks dan memberikan prediksi bahasa beserta probabilitasnya dalam format JSON, yang memudahkan integrasi dengan aplikasi eksternal. Pengujian black-box API menunjukkan bahwa API ini dapat mendeteksi bahasa daerah dengan akurasi yang tinggi, meskipun terdapat keterbatasan pada teks yang tidak termasuk dalam cakupan pelatihan, seperti bahasa yang tidak terdata dalam dataset yang digunakan. Hasil ini membuktikan fleksibilitas API dalam memberikan prediksi dan dapat menjadi dasar pengembangan lebih lanjut untuk mendeteksi bahasa daerah lainnya

Actions (login required)

View Item