PART-OF-SPEECH TAGGING HIDDEN MARKOV MODEL DAN LALR PARSER UNTUK PENGECEKAN POLA KALIMAT BAHASA INDONESIA

Bahasa memiliki peranan sentral dalam setiap kehidupan yang dijalani oleh manusia, karena merupakan alat utama untuk berinteraksi dengan sesama. Penggunaan bahasa yang efektif dan sesuai dengan kaidah tata bahasa sangat penting dalam komunikasi tulisan maupun lisan. Pada penelitian ini, akan dikembangkan sebuah sistem untuk memeriksa pola kalimat teks berita dalam Bahasa Indonesia menggunakan teknik Part-of-Speech (POS) Tagging dengan metode Hidden Markov Model dan Look-Ahead Left-Right (LALR) Parser. POS Tagging dengan Hidden Markov Model memberikan penanda sintaksis untuk setiap kata dalam teks berdasarkan konteksnya, sementara LALR Parser membantu dalam memahami struktur sintaksis teks. Penelitian ini bertujuan untuk menguji keefektifan kombinasi POS Tagging dengan Metode Hidden Markov Model dan LALR Parser dalam memahami dan mengembangkan struktur kalimat bahasa Indonesia. Data yang digunakan berasal dari kalimat dalam teks berita yang dianalisis untuk melihat bagaimana kombinasi kedua teknik tersebut dapat meningkatkan kualitas dalam pengecekan pola kalimat. Hasil pengujian menggunakan 1030 data kalimat menunjukkan bahwa LALR Parser dapat mencapai akurasi sebesar 60,19%, yang mencerminkan potensi dari teknik ini dalam menghasilkan sistem pengecekan pola kalimat yang lebih akurat dan optimal sesuai dengan pola kalimat yang telah dipelajari.