Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Narasi: Jurnal Kajian Bahasa, Sastra Indonesia, dan Pengajarannya
Ahsan Arrizqi
Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung, Indonesia
Education Languange, Linguistic, Communication & Media Social Sciences Other

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Akurasi Artificial Intelligence Berbasis NLP dalam Mendeteksi Kesalahan Sintaksis Bahasa Indonesia pada Makalah Akademik Bustomi; Moh. Azhar; Ahsan Arrizqi; Akhmad Darul Qutni; Azmi Fadilah; Dheriel Elbazariel
Narasi: Jurnal Kajian Bahasa, Sastra Indonesia, dan Pengajarannya Vol. 4 No. 2 (2026): Oktober
Publisher : Universitas Islam Negeri (UIN) Syekh Wasil Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30762/narasi.v4i2.9900

Abstract

Kesalahan sintaksis dalam makalah akademik mahasiswa merupakan permasalahan yang berulang dan berdampak signifikan terhadap kualitas karya tulis ilmiah. Kehadiran teknologi Artificial Intelligence (AI) berbasis Natural Language Processing (NLP) membuka peluang untuk mendeteksi dan mengoreksi kesalahan tersebut secara otomatis. Penelitian ini bertujuan untuk menganalisis secara sistematis tingkat akurasi sistem AI berbasis NLP dalam mendeteksi kesalahan sintaksis pada makalah akademik berbahasa Indonesia berdasarkan kajian literatur yang komprehensif. Metode yang digunakan dalam penelitian ini ialah analisis isi dan evaluasi komparatif terhadap metrik kinerja berbagai model AI. Hasil penelitian menunjukkan bahwa profil kesalahan sintaksis mahasiswa didominasi oleh tataran kalimat (67,02%), khususnya kalimat tanpa subjek dan predikat serta ketidaklogisan struktur. Model Large Language Model (LLM), seperti GPT-4, mencapai F1-Score sebesar 89,79% dalam deteksi koreksi, sementara model Grammatical Error Correction (GEC) khusus, yaitu SAN-GEC dengan fine-tuning, meraih F1-Score sebesar 71,94% dan BLEU-Score sebesar 78,13%. Secara diagnostik, AI paling andal dalam mendeteksi kesalahan morfologi, dengan tingkat akurasi sebesar 84,4%, tetapi menunjukkan kinerja paling rendah dalam penalaran numerik, yaitu 45,0%. Penelitian ini menyimpulkan bahwa AI berbasis NLP berpotensi besar sebagai asisten penyuntingan akademik, tetapi masih memerlukan pengembangan lebih lanjut, khususnya untuk menangani kompleksitas semantik dan penalaran kontekstual dalam bahasa Indonesia.
Co-Authors Akhmad Darul Qutni Azmi Fadilah Bustomi Dheriel Elbazariel Moh. Azhar