Penandaan Bahasa Indonesia-Inggris dari Data Code-Switching dan Code-Mixing dengan Metode MNN dan Context Capture

Abstract

Media sosial telah memberikan dampak yang cukup signifikan dalam perkembangan sebuah bahasa dewasa ini. Percakapan menggunakan multibahasa merupakan hal yang sangat sering kita temui di berbagai media sosial, bahkan di berbagai macam platform yang berada pada internet. Pengguna seringkali beralih dari satu bahasa ke bahasa yang lain, mencampurkan berbagai macam bahasa ke dalam sebuah kalimat secara sadar maupun tidak sadar. Fenomena ini dikenal dengan istilah code-mixing dan code-switching. Dengan adanya fenomena tersebut, maka menjadi tugas yang sulit untuk melakukan identifikasi pada kalimat tersebut. Oleh karena itu, pada penelitian ini dilakukan proses identifikasi bahasa pada data code-mixing dan codeswitching. Pada penelitian ini, penulis melakukan pelatihan model dengan menggunakan algoritma MNN (CNN dan LSTM) dan Bi-LSTM-CRF. MNN digunakan untuk melakukan pelatihan model pada level kata, yang memperoleh hasil akurasi sebesar 95.2% dan 81.59% nilai f1 score untuk Bi-LSTM-CRF yang digunakan untuk melakukan pelatihan model pada level kalimat.