AI Parafrase Bahasa Indonesia Informal ke Formal dengan Sentence-BERT dan Gemini API

Maulana Farid Fatin; Muhamad Rian Hermawan; Anisa Nur Ramadhani; Hanif Sinaga Zaidan

doi:10.69693/ijmst.v4i3.13745

Authors

Maulana Farid Fatin Universitas Ibn Khaldun
Muhamad Rian Hermawan Universitas Ibn Khaldun
Anisa Nur Ramadhani Universitas Ibn Khaldun
Hanif Sinaga Zaidan Universitas Ibn Khaldun

DOI:

https://doi.org/10.69693/ijmst.v4i3.13745

Keywords:

Artificial Intelligence, Natural Language Processing, Sentence-BERT Similarity, Style Transfer, Gemini API

Abstract

Penggunaan bahasa informal dalam komunikasi digital sering menimbulkan kesulitan ketika pengguna perlu berkomunikasi secara formal, khususnya pada konteks akademik dan profesional. Penelitian ini mengembangkan sistem AI untuk melakukan parafrase bahasa Indonesia informal menjadi formal menggunakan pendekatan Retrieval Augmented Style Transfer (RAST) yang mengombinasikan Sentence-BERT Similarity dan Gemini API. Sentence-BERT Similarity digunakan untuk menemukan contoh kalimat dalam dataset yang memiliki kemiripan makna dengan input pengguna, sedangkan Gemini API digunakan untuk menghasilkan kalimat formal melalui proses style transfer. Dataset yang digunakan terdiri dari 1.110 pasangan kalimat informal dan formal yang mencakup empat konteks komunikasi, yaitu dosen, admin kampus, LinkedIn, dan email lamaran kerja. Pada proses retrieval, sistem menggunakan tiga contoh dengan nilai cosine similarity tertinggi sebagai referensi dalam penyusunan prompt. Evaluasi kualitas output dilakukan secara manual oleh tiga evaluator terhadap 12 keluaran sistem menggunakan empat aspek, yaitu kesesuaian makna, formalitas, kelancaran bahasa, dan kesesuaian konteks dengan skala Likert 1–5. Hasil evaluasi menunjukkan nilai rata-rata keseluruhan sebesar 4,54 dengan kategori sangat baik. Pengujian pembanding juga menunjukkan bahwa penggunaan Sentence-BERT sebagai metode retrieval menghasilkan keluaran yang lebih terarah terhadap konteks dibandingkan penggunaan Gemini API tanpa retrieval. Hasil penelitian menunjukkan bahwa kombinasi Sentence-BERT Similarity dan Gemini API dapat membantu menghasilkan kalimat formal yang tetap mempertahankan makna utama serta menyesuaikan gaya bahasa dengan konteks komunikasi pengguna.

References

1. Ardinata, P. S., Permana, A. A., & Wijaya, W. (2024). IDENTIFIKASI DAN NORMALISASI TEKS SLANG DENGAN FASTTEXT PADA TWITTER DALAM BAHASA INDONESIA. Jurnal Pendidikan Teknologi dan Kejuruan, 21(1), 33–44. https://doi.org/10.23887/jptkundiksha.v21i1.66381

2. Budi, I. S., Putrayasa, I. B., Wisudariani, N., & Sudiana, I. N. (2024). PERAN DAN TANTANGAN PENGGUNAAN ARTIFICIAL INTELLIGENCE DALAM INOVASI PENGEMBANGAN KURIKULUM PEMBELAJARAN BAHASA INDONESIA MASA DEPAN. LEARNING : Jurnal Inovasi Penelitian Pendidikan dan Pembelajaran, 4(4), 1188–1194. https://doi.org/10.51878/learning.v4i4.3767

3. Bujnowski, P., Ryzhova, K., Choi, H., Witkowska, K., Piersa, J., Krumholc, T., & Beksa, K. (2020). An Empirical Study on Multi-Task Learning for Text Style Transfer and Paraphrase Generation. Proceedings of the 28th International Conference on Computational Linguistics: Industry Track, 50–63. https://doi.org/10.18653/v1/2020.coling-industry.6

4. De Rivero, M., Tirado, C., & Ugarte, W. (2023). Formalstyler: GPT-Based Model for Formal Style Transfer with Meaning Preservation. SN Computer Science, 4(6), 739. https://doi.org/10.1007/s42979-023-02110-7

5. Eleison, K. C., Hutahaean, S. U. I., Tampubolon, S. C., Panggabean, T. M., & Fitriyaningsih, I. (2022). An empirical evaluation of phrase-based statistical machine translation for Indonesia slang-word translator. Indonesian Journal of Electrical Engineering and Computer Science, 25(3), 1803. https://doi.org/10.11591/ijeecs.v25.i3.pp1803-1813

6. Febriyanti, B. D., & Pitasari, M. A. R. (2023). ETIKA MAHASISWA DALAM MENGHUBUNGI DOSEN. FAJAR Jurnal Pendidikan Islam, 2(2), 186–197. https://doi.org/10.56013/fj.v2i2.1721

7. Hariyadi, H., Irawan, J., Pranatawijaya, V. H., & Sari, N. N. K. (2024). Implementasi Gemini API untuk Generatif Teks Deskripsi Karya Otomatis dalam Aplikasi Pameran Berbasis Web dengan Metode Waterfall. Jurnal Teknologi Informasi dan Terapan (J-TIT), 11(1). https://doi.org/10.25047/jtit.v11i1.356

8. Holis, R. M., Utomo, P. E. P., & Hutabarat, B. F. (2025). Semantic FAQ Chatbot Using SBERT (Sentence-BERT) and Cosine Similarity for Academic Services. Brilliance: Research of Artificial Intelligence, 5(2), 915–922. https://doi.org/10.47709/brilliance.v5i2.7027

9. Khairul, M. F. R., & Perdana, R. S. (2024). Arsitektur Sistem Percakapan Otomatis Berbahasa Indonesia dengan Normalisasi Bahasa Informal Menjadi Baku. Jurnal Teknologi Informasi dan Ilmu Komputer, 11(5), 1009–1016. https://doi.org/10.25126/jtiik.1077984

10. Lai, H., Mao, J., Toral, A., & Nissim, M. (2022). Human Judgement as a Compass to Navigate Automatic Metrics for Formality Transfer. Proceedings of the 2nd Workshop on Human Evaluation of NLP Systems (HumEval), 102–115. https://doi.org/10.18653/v1/2022.humeval-1.9

11. Liu, A., Wang, A., & Okazaki, N. (2022). Semi-Supervised Formality Style Transfer with Consistency Training. Proceedings of the 60th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), 4689–4701. https://doi.org/10.18653/v1/2022.acl-long.321

12. Murtiyoso, M., Tahyudin, I., & Berlilana, B. (2025). A Systematic Review of Retrieval-Augmented Generation for Enhancing Domain-Specific Knowledge in Large Language Models. Sinkron, 9(2), 969–977. https://doi.org/10.33395/sinkron.v9i2.14824

13. Nouri, N. (2022). Text Style Transfer via Optimal Transport. Proceedings of the 2022 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, 2532–2541. https://doi.org/10.18653/v1/2022.naacl-main.182

14. Prawiro, I. Y., Yuliasri, I., Pratama, H., & Yuliati, Y. (2025). Integrating AI and Technology in Project-Based Learning for Academic Writing: Student Teachers’ Experiences from Indonesia. Educational Process International Journal, 19(1). https://doi.org/10.22521/edupij.2025.19.580

15. Reif, E., Ippolito, D., Yuan, A., Coenen, A., Callison-Burch, C., & Wei, J. (2022). A Recipe for Arbitrary Text Style Transfer with Large Language Models. Proceedings of the 60th Annual Meeting of the Association for Computational Linguistics (Volume 2: Short Papers), 837–848. https://doi.org/10.18653/v1/2022.acl-short.94

16. Sari, Y., & Al Faridzi, F. P. (2023). Unsupervised Text Style Transfer for Authorship Obfuscation in Bahasa Indonesia. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 17(1), 23. https://doi.org/10.22146/ijccs.79623

17. Syahnaz, M., & Fithriani, R. (2023). Utilizing Artificial Intelligence-based Paraphrasing Tool in EFL Writing Class: A Focus on Indonesian University Students’ Perceptions. Scope : Journal of English Language Teaching, 7(2), 210. https://doi.org/10.30998/scope.v7i2.14882

18. Tresna, I. C., Usman, I., Rachmah, N., & Siswono, T. (2026). Leveraging AI-Based Paraphrasing Tools to Enhance Academic Writing Skills in Higher Education: A Comparative Experimental Study. Online Learning, 30(1), 78–113. https://doi.org/10.24059/olj.v30i1.4856

19. Wang, Y., Wu, Y., Mou, L., Li, Z., & Chao, W. (2020). Formality Style Transfer with Shared Latent Space. Proceedings of the 28th International Conference on Computational Linguistics, 2236–2249. https://doi.org/10.18653/v1/2020.coling-main.203

20. Wibowo, H. A., Prawiro, T. A., Ihsan, M., Aji, A. F., Prasojo, R. E., Mahendra, R., & Fitriany, S. (2020). Semi-Supervised Low-Resource Style Transfer of Indonesian Informal to Formal Language with Iterative Forward-Translation. 2020 International Conference on Asian Language Processing (IALP), 310–315. https://doi.org/10.1109/IALP51396.2020.9310459