Praktek Praproses Korpus Berita
Completion requirements
Opened: Monday, 7 September 2026, 5:00 PM
Due: Monday, 14 September 2026, 12:00 AM
Melakukan praproses dari minimal 50 artikel berita berbahasa Indonesia. Soal:
- Siapkan korpus: kumpulkan. minimum 50 artikel berita berbahasa Indonesia dalam format CSV atau JSON
- Bangun fungsi praproses: Satu fungsi yang menerima teks mentah dan mengembalikan daftar term
- Terapkan tiap tahap: Case folding, tokenisasi, pembuangan stopword, stemming dengan Sastrawi
- Ukur dampak: Catat jumlah token dan tipe sebelum dan sesudah setiap tahap
- Buat grafik Zipf: Plot frekuensi terhadap peringkat untuk korpus Anda sendiri
- Tulis analisis singkat: Tahap mana yang paling banyak memangkas kosakata, dan apa risikonya?
Langkah pengerjaan:
- Kerjakan soal no. 1 s.d. 5 di Notebook Google Colab dan no 6 di teks tugas yang Anda kumpulkan di Ilmu
- Lampirkan juga link ke Google Colab Anda pada teks tugas yang Anda kumpulkan di Ilmu