ANALISIS JURNAL INTERNASIONAL

Deep Arabic Question Answering System based on duplicate

question detection and machine reading comprehensif
Sistem penjawab pertanyaan bahasa arab mendalam berdasarkan duplikat
deteksi pertanyaan dan pemahaman membaca mesin

Diajukan untuk memenuhi salah satu tugas Mata Kuliah Metodologi penelitian
Dosen pengampu : Dr. H. Jamaudin Hidayat, S. Pd., M.Sc.

Disusun oleh:
Nama : Balgis Ahmad Difinubun
NIM : 20193006

SEMESTER VII
PRODI PENDIDIKAN BAHASA ARAB
SEKOLAH TINGGI AGAMA ISLAM (STAI) AL-MA’ARIF CIAMIS
TAHUN 2023 M/1445 H
Jalan Umar Soleh Imbanegara Raya Ciamis Jawa Barat
Telp/Fax. (0265)772589
1. Judul Jurnal
Sistem penjawab pertanyaan bahasa arab mendalam berdasarkan duplikat deteksi pertanyaan
dan pemahaman membaca mesin.
2. Latar Belakang
Didasarkan pada kebutuhan untuk mengembangkan sistem yang dapat menjawab
pertanyaan dalam bahasa Arab dengan akurasi yang tinggi. Hal ini penting karena bahasa Arab
merupakan bahasa yang kompleks dan memiliki banyak variasi kata-kata dan akar kata yang
berbeda-beda. Selain itu, terdapat juga masalah dalam memproses pertanyaan yang panjang dan
kompleks. Oleh karena itu, penulis menggunakan teknik-teknik pemrosesan bahasa alami dan
pembelajaran mesin untuk mengatasi masalah-masalah ini dan meningkatkan kinerja sistem.
3. Masalah Penelitian
Masalah penelitian adalah kompleksitas bahasa Arab, variasi kata-kata dan akar kata yang
berbeda-beda, serta masalah dalam memproses pertanyaan yang panjang dan kompleks. Selain
itu, penelitian QAS juga menghadapi tantangan dalam mengintegrasikan modul untuk
mengidentifikasi pertanyaan duplikat guna mempercepat waktu respons dan mengurangi biaya
komputasi. Oleh karena itu, penulis menggunakan teknik-teknik pemrosesan bahasa alami dan
pembelajaran mesin untuk mengatasi masalah-masalah ini dan meningkatkan kinerja sistem.
4. Landasan Teori
Pembelajaran mendalam (deep learning) yang merupakan salah satu cabang dari
pembelajaran mesin (machine learning) yang menggunakan arsitektur jaringan saraf tiruan
(artificial neural network) yang dalam beberapa kasus dapat menghasilkan kinerja yang lebih
baik daripada teknik pembelajaran mesin tradisional. Selain itu, penulis juga menggunakan
teknik pemrosesan bahasa alami (natural language processing) dan teknik pengambilan informasi
(information retrieval) untuk memproses pertanyaan dan mencari jawaban yang relevan dari
sumber informasi besar seperti Wikipedia. Penulis juga menggunakan teknik pengkodean bahasa
(language encoding) dan teknik pengembangan model bahasa (language modeling) untuk
membangun model yang dapat memahami bahasa Arab dengan lebih baik.
4. Metodologi Penelitian
Jurnal tidak secara eksplisit menyebutkan metodologi penelitian yang digunakan dalam
pengembangan sistem QAS berbahasa Arab. Namun, penulis menyebutkan bahwa mereka
menggunakan teknik-teknik pemrosesan bahasa alami dan pembelajaran mesin untuk mengatasi
 masalah-masalah dalam sistem QAS dan meningkatkan kinerjanya. Penulis menggunakan
kumpulan dokumen tidak terstruktur yang diambil dari surat kabar Al-RAYA (surat kabar
terbitan Qatar) sebagai sumber informasi untuk sistem QAS yang dikembangkan serta
menggunakan korpus yang berisi 150.000 dokumen yang diberi tag untuk mengevaluasi sistem
QAS.
5. Hasil Penelitian
Hasil penelitian menunjukkan bahwa penggunaan teknik pembelajaran mendalam
berbasis tranformator seperti BRT, GPT, T5 dapat meningkatkan kinerja system tanya jawab
berbahasa Arab.
6. Kesimpulan
Sistem QAS yang dikembangkan menggunakan teknik-teknik pemrosesan bahasa alami
dan pembelajaran mesin untuk mengatasi masalah-masalah dalam sistem QAS dan
meningkatkan kinerjanya. Komponen utama dari sistem OpenQAS berbahasa Arab yang
diusulkan dalam penelitian ini adalah: 1) Komponen deteksi pertanyaan duplikat, 2) Komponen
Retriever, dan 3) Komponen pembaca, Mengintegrasikan sistem deteksi pertanyaan duplikat
dalam saluran OpenQAS Arab dapat membantu mempercepat waktu respons dan mengurangi
biaya komputasi
8. Keunggulan Jurnal
Dapat membantu meningkatkan kinerja sistem dalam mengenali dan memahami bahasa
Arab yang kompleks dan bervariasi
9. Kekurangan Jurnal
Kurangnya sumber daya dan data yang tersedia untuk melatih model dan tidak ada
batasan yang disebutkan dalam penggunaan sistem deteksi pertanyaan duplikat dalam saluran
OpenQAS Arab.
10. Judul yang diajukan
1. Pengembangan system tanya jawab berbahasa arab menggunakan teknik pembelajaran
mendalam berbasis transformator
2. Analisis kinerja system Tanya jawab berbahasa arab dengan menggunakan teknik BERT dan
GPT
3. Penerapan teknik pembelajaran mendalam untuk meningkatkan akurasi system tanya jawab
berbahasa arab