PERBANDINGAN TRANSLATION LIBRARY PADA PYTHON (STUDI KASUS: ANALISIS SENTIMEN PENYAKIT MENULAR DI INDONESIA)

  • Ni Kadek Ratna Sari Universitas Udayana
  • I Made Agus Dwi Suarjaya
  • Putu Wira Buana

Abstract

Era saat ini pengelolaan data dalam jumlah besar dan kompleks ini perlu adanya penguraian data dengan fitur terjemahan bahasa agar lebih efisien. Penggunaan machine translation dapat menerjemahkan data secara otomatis dari satu bahasa ke bahasa lainnya. Pendekatan machine translation yang diusulkan yaitu penggunaan library pada Python seperti deep-translator, textblob, dan goslate. Pada penelitian analisis sentiment penyakit menular terdapat tahapan pengolahan analisa yang di dalamnya terdapat proses translate data tweet. Hasilnya mengungkapkan bahwa ketiga library yang dibandingkan dapat digunakan untuk melakukan translation data, tetapi dapat dipilih dan disesuaikan dengan keperluan. Penggunaan library yang paling baik dihasilkan library deep-translator yang memiliki access free dengan unlimited translation dan support features yang lengkap serta dapat mendeteksi kata typo lalu diterjemahkan merujuk pada arti yang sesungguhnya, maka pada studi kasus analisis sentiment penyakit menular menggunakan library deep-translator untuk mengolah jumlah data tweet yang didapat saat crawling data.

References

[1] K. Alnavar, R. U. Kumar, and C. N. Babu, “Document Parsing Tool for Language Translation and Web Crawling using Django REST Framework,” Journal of Physics: Conference Series, 2021.
[2] X. Zhang, “An Improved English to Chinese Translation Search Engine of Technical Text,” 2017.
[3] J. Eka Sembodo, E. Budi Setiawan, and Z. Abdurahman Baizal, “Data Crawling Otomatis pada Twitter,” Sep. 2016, pp. 11–16. doi: 10.21108/indosc.2016.111.
[4] S. Miftah, “Library Python Kenali Perbedaan Module, Package, dan Library Pada Python,” DQLab, 2021.
[5] A. A. Septarina, F. Rahutomo, and M. Sarosa, “COMMUNICATIONS IN SCIENCE AND TECHNOLOGY Machine translation of Indonesian: A review,” 2019.
[6] A. Esan et al., “Development of a recurrent neural network model for english to yoruba machine translation,” International Journal of Advanced Computer Science and Applications, vol. 11, no. 5, pp. 602–609, 2020, doi: 10.14569/IJACSA.2020.0110574.
[7] G. Dino, “3 Reasons Why Neural Machine Translation is a Breakthrough,” https://slator.com/3-reasons-why-neural-machine-translation-is-a-breakthrough/, 2017.
[8] N. Baccouri, “Deep-translator,” https://pypi.org/project/deep-translator, 2020.
[9] S. Loria, “Textblob,” https://pypi.org/project/textblob, 2021.
[10] A. R. Calingo, A. M. Sison, and B. T. Tanguilig, “Prediction Model of the Stock Market Index Using Twitter Sentiment Analysis,” I.J. Information Technology and Computer Science, vol. 10, pp. 11–21, 2016.
[11] Z. Qiang, “Goslate 1.5.2,” https://pypi.org/project/goslate/.
Published
2021-11-21
How to Cite
SARI, Ni Kadek Ratna; AGUS DWI SUARJAYA, I Made; WIRA BUANA, Putu. PERBANDINGAN TRANSLATION LIBRARY PADA PYTHON (STUDI KASUS: ANALISIS SENTIMEN PENYAKIT MENULAR DI INDONESIA). JITTER : Jurnal Ilmiah Teknologi dan Komputer, [S.l.], v. 2, n. 3, p. 618-624, nov. 2021. ISSN 2747-1233. Available at: <https://ojs.unud.ac.id/index.php/jitter/article/view/79859>. Date accessed: 22 nov. 2024. doi: https://doi.org/10.24843/JTRTI.2021.v02.i03.p21.

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.