Implementasi Deep Learning untuk Mengubah Kalimat Tidak Sopan Menjadi Sopan

Abstract

Menurut survei yang dilakukan oleh Microsoft pada tahun 2020, Indonesia menjadi negara dengan kesopanan digital paling buruk di Asia Pasifik. Hal tersebut dibuktikan dengan naiknya angka Digital Civility Index delapan poin dari tahun 2019 menjadi 76 poin. Hal tersebut mendorong penelitian ini untuk membangun model deep learning yang dapat mengubah kalimat tidak sopan menjadi sopan dengan strategi mempertahankan bentuk formal pada setiap katanya. Tujuan dari penelitian ini adalah membantu masyarakat Indonesia untuk tetap dapat berkomunikasi dengan sopan di dunia digital sehingga diharapkan dapat menjaga keharmonisan pada saat berkomunikasi dan memperbaiki citra masyarakat Indonesia di dunia digital. Metode yang digunakan penelitian ini adalah Tag and Generate Approach; model tagger untuk menggantikan token tag pada kata yang terdapat di kalimat tidak sopan dan model generator untuk menggantikan token tag tersebut dengan kata yang sesuai sehingga menjadi kalimat yang sopan. Sebelum melakukan pelatihan model tagger, setiap n-gram (penelitian ini menggunakan jangkauan unigram sampai bigram) dilakukan penghitungan rasio rerata tf-idf untuk mengetahui peringkat persentil dan relevansi n-gram pada masing-masing gaya teks. Dapat disimpulkan bahwa kata "mengapa" dan "kalo" menduduki peringkat persentil unigram tertinggi, sedangkan kata "bagaimana ini" dan "ya min" mendapatkan peringkat persentil tertinggi bigram pada masing-masing gaya teks. Hasil akhir evaluasi model mencapai nilai tertinggi pada BLEU 1 dengan nilai 0.605 dan disusul oleh METEOR sebesar 0.573. Sedangkan, untuk metrik BLEU 2, BLEU 3, dan BLEU 4 masih tertinggal jauh dibandingkan kedua metrik tersebut (BLEU 1 dan METEOR) dengan nilai masing-masing 0.475, 0.385, dan 0.318.