ABSTRAKSI: Banyak layanan yang disediakan dalam telepon genggam, tetapi layanan pengiriman pesan singkat/SMS ( Short Message Service) merupakan layanan yang paling banyak digunakan. Dan seiring dengan meningkatnya penggunaan SMS, dibutuhkan juga metode/cara penulisan teks yang lebih efektif.
Selama ini hampir seluruh pengguna telepon genggam menggunakan cara manual (multi-tap) dalam menuliskan teks. Hal ini dikerenakan banyak diantara mereka yang tidak mengetahui fungsi prediksi kata atau Predictive Text Entry. Selain itu fungsi prediksi kata yang terdapat pada telepon genggam masih banyak yang menggunakan bahasa Ingris, karena versi bahasa Indonesia dikeluarkan tahun 2006.
Pada tugas akhir ini penulis mencoba mengimplementasikan model bigram dalam memprediksi kata. Sehingga diharapkan dalam menuliskan pesan, kata yang akan ditulis dapat diprediksi berdasarkan kata sebelumnya. Untuk mendapatkan prediksi kata, dilakukan training dahulu terhadap corpus SMS sehingga tiap kata memiliki probabilitas/kemungkinan yang berbeda-beda. Semakin sering suatu kata digunakan, maka semakin tinggi probabilitas atau kemungkinan kata tersebut muncul sebagai prediksi kata.
Analisa keefektifan metode ini dihitung dari nilai KSPC (Keystroker per Character) yang dihitung pada data uji. Jika metode ini menghasilkan nilai KSPC yang lebih kecil dibanding cara manual (multi-tap), maka dapat disimpulkan bahwa metode ini lebih efektif.Kata Kunci : SMS, Predictive Text Entry, Bigram, KSPC, Word Prediction.ABSTRACT: There are many services are available in cell phone, but Short Message Service or usually called SMS is the mostly used by many people. Since these service is moving rapidly, it also need an effective new method of writing text.
Along this time, almost cell phone users do the manual method (multitap) in writing text. This is because many of them do not know about Predictive Text Entry. Beside that, these function still using English version since the Indonesian version was launch in 2006.
In this final task, writer try to implement Biagram Model in words prediction. Hopely, in writing text message, we can predict the words according to the previous words. To get the prediction words, we make training to corpus SMS, so each word has different probability. More often a word used, so the probability of prediction word become higher.
The effectiveness analysis of this method is calculated from KSPC (Keystroker per Character) results which is calculated from testing data. If this method produces KSPC result which is smaller than manual method ( multi-tap), so can be concluded that this method more effective.Keyword: SMS, Predictive Text Entry, Bigram, KSPC, Word Prediction