Neural Probabilistic Language Model (NPLM) modern pada korpus terjemahan dan tafsir Al-Qur'an bahasa Indonesia

Kusmiati, Isma (2026) Neural Probabilistic Language Model (NPLM) modern pada korpus terjemahan dan tafsir Al-Qur'an bahasa Indonesia. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text 1_cover.pdf Download (93kB) | Preview
Preview	Text 2_abstrak.pdf Download (110kB) | Preview
Preview	Text 3_skbebasplagiarism.pdf Download (210kB) | Preview
Preview	Text 4_daftarisi.pdf Download (99kB) | Preview
Preview	Text 5_bab1.pdf Download (156kB) | Preview
	Text 6_bab2.pdf Restricted to Registered users only Download (390kB) | Request a copy
	Text 7_bab3.pdf Restricted to Registered users only Download (249kB) | Request a copy
	Text 8_bab4.pdf Restricted to Registered users only Download (880kB) | Request a copy
	Text 9_bab5.pdf Restricted to Registered users only Download (131kB) | Request a copy
	Text 10_daftarpustaka.pdf Restricted to Registered users only Download (100kB) | Request a copy
	Text 11_lampiran.pdf Restricted to Repository staff only Download (339kB) | Request a copy

Abstract

Model bahasa statistik berbasis n-gram memiliki keterbatasan berupa curse of dimensionality dan data sparsity, sedangkan Neural Probabilistic Language Model (NPLM) awal masih menggunakan jaringan dangkal dan konteks lokal. Penelitian ini menerapkan dan mengevaluasi NPLM modern berdasarkan gagasan revisiting NPLM dari Sun dan Iyyer (2021). Model yang digunakan mencakup jaringan feed-forward residual, layer normalization, adaptive softmax, dan agregasi konteks global. Eksperimen dilakukan pada korpus terjemahan dan tafsir Al-Qur’an berbahasa Indonesia yang terdiri atas 6.236 data dan kosakata sebanyak 12.184 kata. Konfigurasi pelatihan ditetapkan melalui analisis sensitivitas One Factor-at-a-Time (OFAT) dan eksperimen kombinasi naif. Studi ablasi membandingkan tiga arsitektur, yaitu NPLM tanpa konteks global, NPLM dengan average pooling, dan NPLM dengan kernel aggregator. Konfigurasi Global Context Kernel menghasilkan validation perplexity terendah, yaitu 81,81, dibandingkan dengan Average Pooling sebesar 83,39 dan model dasar sebesar 91,10. Hasil tersebut menunjukkan penurunan sekitar 9,29. Analisis probabilitas menunjukkan entropi lebih rendah pada konteks dengan frasa yang lebih tetap dan lebih tinggi pada konteks naratif terbuka. Representasi dengan cosine similarity dan nearest neighbor menunjukkan pola kedekatan distribusional pada sejumlah kata yang saling berkaitan. Hasil penelitian menunjukkan bahwa NPLM modern, khususnya dengan kernel aggregator, meningkatkan kinerja pemodelan teks keagamaan berbahasa Indonesia.

Actions (login required)

View Item