Hasil Pencarian  ::  Simpan CSV :: Kembali

"Structure of paragraphs of Indonesian language"

"Paragraf hortatori dalam bahasa jawa merupakan salah satu jenis paragraf yang berisi nasihat. Paragraf ini, dalam wujudnya, merupakan sebuah struktur yang dibentuk bleh unsur-unsur yang berupa kalimat-kalimat, baik kalimat topik yang berisi gagasan pokok, maupun kalimat pengembang yang berupa kalimat penjelas dan kalimat penegas. Susunan unsur itu membentuk struktur yang bervariasi. Untuk menganalisis paragraf itu digunakan teori struktural dengan metode dan teknik menurut Sudaryanto (2004). Pada pembahasan ditemukan struktur paragraf hortatori yang terdiri atas kalimat topik- kalimat penjelas; kalimat topik- kalimat penjelas- kalimat penegasi transisi kalimat topik - kalimat penjelas; transisi-kalimat topik - kalimat penjelas - kalimat penegas; kalimat penjelas- kalimat penegas- kalimat topik. Dilihat dari satuan-satuan lingual tertentu yang mengisi kalimat-kalimatnya dapat diketahui berbagai ciri paragraf hortatori."

"Arus globalisasi ekonomi dan perdagangan bebas yang terjadi sekarang ini sangat sulit untuk ditolak kehadirannya dan harus diikuti mengingat kepentingan ekonomi negara masing-masing. Implikasi globalisasi ekonomi terhadap hukum tidak bisa dihindarkan.Penggunaan Bahasa Indonesia sebagai Bahasa Negara wajib digunakan dalam perjanjian tetapi tidak memiliki akibat hukum. Dalam artian jika perjanjian antara para pihak tidak menggunakan bahasa Indonesia, apakah masuk kedalam kategori batal demi hukum karena tidak memenuhi unsur formalitas. Undang-Undang bahasa memuat pernyataan bahwa ketentuan lebih lanjut tentang kewajiban penggunaan bahasa Indonesia dalam kontrak diatur dalam Peraturan Presiden.Dalam Putusan Pengadilan Negeri, Pengadilan Tinggi dan Mahkamah Agung, ditemukan bahwa perjanjian, Loan Agreement antara PT Bangun Karya Pratama (selanjutnya disebut PT BKP) dengan Nine AM Ltd melanggar Pasal 31 ayat (1) UU No.24 Tahun 2009. Hal ini dikarenakan perjanjian tersebut dibuat hanya menggunakan bahasa Inggris, tanpa menggunakan bahasa Indonesia. Ada beberapa permasalahan yang timbul yaitu : penggunaan bahasa indonesia merupakan syarat pembatalan perjanjian dan akibat hukum apabila perjanjian tidak menggunakan bahasa Indonesia.Kewajiban menggunakan Bahasa Indonesia dalam Perjanjian adalah mengikat sejalan dengan Pasal 1337 KUHPerdata. Apabila perjanjian tidak menggunakan Bahasa Indonesia, maka tidak terpenuhinya persyaratan yang ditetapkan oleh undang-undang, yang berakibat perjanjian batal demi hukum.

---

The current economic globalization and free trade that is happening now it is very hard sell its presence and must be followed considering the interests of masing-masing countries. Globalization economic implications of the law is inevitable. The use of Indonesian as language country must be used in agreement but did not have the law .In the sense if agreement between parties not use indonesian, is entering the void by law that did not meet a formality. The Legislation language contain a statement that more about the use of language Indonesia in a contract to be regulated by president.In district court decision , the high court and supreme court , found that the agreement, loan agreement between PT Bangun Karya Pratama Lestari (hereinafter called PT BKP ) with Nine Am Ltd violating article 31 paragraph 1 law no.24 2009 .It was because the treaty made only use the English language , without using Indonesian language .There were several problems arising namely: the use of language indonesia is a requirement and the cancellation of the agreement due to testament law if not using Indonesian language.Obligation in using Indonesian language in the agreement is binding in line with article 1337 KUHPerdata .If not using testament Indonesian language , hence non-compliance the requirements set by statute , that result void agreement for the sake of law."

"

Salah satu permasalahan yang terdapat pada sistem Automatic Speech Recognition (ASR) yang sudah ada adalah kurangnya transparansi dalam penanganan data suara, yang tentunya membuat adanya keraguan terhadap privasi data tersebut. Di sisi lainnya, untuk mengembangkan sebuah sistem ASR yang memiliki akurasi memadai dan dapat bekerja secara luring membutuhkan jumlah data yang banyak, khususnya data suara yang sudah diiringi dengan transkripnya. Hal ini menjadi salah satu hambatan utama pengembangan sistem pengenalan suara, terutama pada yang memiliki sumber daya minim seperti Bahasa Indonesia. Oleh karena itu, dalam penelitian ini dilakukan perancangan sistem pengenalan suara otomatis berbasis model wav2vec 2.0, sebuah model kecerdasan buatan yang dapat mengenal sinyal suara dan mengubahnya menjadi teks dengan akurasi yang baik, meskipun hanya dilatih data dengan label yang berjumlah sedikit. Dari pengujian yang dilakukan dengan dataset Common Voice 8.0, model wav2vec 2.0 menghasilkan WER sebesar 25,96%, dua kali lebih baik dibandingkan dengan model Bidirectional LSTM biasa yang menghasilkan 50% namun membutuhkan jumlah data dengan label 5 kali lipat lebih banyak dalam proses pelatihan. Namun, model wav2vec membutuhkan sumber daya komputasi menggunakan 2 kali lebih banyak RAM dan 10 kali lebih banyak memori dibandingkan model LSTM

---

One of the main problems that have plagued ready-to-use Automatic Speech Recognition (ASR) Systems is that there is less transparency in handling the user’s voice data, that has raised concerns regarding the privacy of said data. On the other hand, developing an ASR system from scratch with good accuracy and can work offline requires a large amount of data, more specifically labeled voice data that has been transcribed. This becomes one of the main obstacles in speech recognition system development, especially in low-resourced languages where there is minimal data, such as Bahasa Indonesia. Based on that fact, this research conducts development of an automatic speech recognition system that is based on wav2vec 2.0, an Artificial Model that is known to recognize speech signals and convert it to text with great accuracy, even though it has only been trained with small amounts of labeled data. From the testing that was done using the Common Voice 8.0 dataset, the wav2vec 2.0 model produced a WER of 25,96%, which is twice as low as a traditional Bidirectional LSTM model that gave 50% WER, but required 5 times more labeled data in the training process. However, the wav2vec model requires more computational resource, which are 2 times more RAM and 10 times more storage than the LSTM model.

"