PENGEMBANGAN ALGORITMA PEMBENTUKAN KATA BERIMBUHAN DAN PENCARIAN BENTUK DASAR DARI KATA BERIMBUHAN PADA BAHASA INDONESIA
|
|
- Doddy Hadiman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PENGEMBANGAN ALGORITMA PEMBENTUKAN KATA BERIMBUHAN DAN PENCARIAN BENTUK DASAR DARI KATA BERIMBUHAN PADA BAHASA INDONESIA Andri Budiman Oktarino Dwi Taruna Winahyu Andrew Halim Derwin Suhartono BINUS University Jl. Syahdan No. 9 (021) andrioktarino@rocketmail.com neita.rfte@gmail.com cloudix1337@yahoo.co.id ABSTRAK Pada penelitian sebelumnya sudah berhasil dibuat morphological analyzer dan lemmatizer untuk bahasa Indonesia. Namun masih terdapat kekurangan, sehingga pada penelitian ini akan diperbaiki kekurangankekurangan tersebut. Maka daripada itu dikembangkan algoritma yang diberi nama BMAIL dengan tujuan untuk mengembangkan algoritma morphological analyzer dan lemmatization untuk pembentukan kata berimbuhan dan pencarian bentuk dasar dari kata berimbuhan menjadi bentuk dasar dalam bahasa Indonesia. Morphological analyzer dikembangkan memanfaatkan prinsip morfologi dua tingkat dan untuk lemmatizer menggunakan rule precedence dan pengecekan token. Metode pembuatan aturan-aturan pembentukan kata berimbuhan dan pencarian bentuk dasar dari kata berimbuhan didapat dari penelitianpenelitian sebelumnya dan konsultasi dengan pakar dalam bidang bahasa Indonesia. Hasil pengujian algoritma morphological analyzer menghasilkan persentase kata produktif sebesar 12.63%, kata tidak produktif sebesar 86.98%, dan 0.39% kata yang salah. Sementara itu untuk pengujian algoritma
2 lemmatizer mencapai tingkat akurasi yang cukup tinggi yaitu 96,11% berhasil, dan 3.89% gagal. Simpulan yang dapat diambil adalah morphological analyzer menghasilkan pembentukan kata yang valid, tidak produktif, dan kata yang salah, sementara untuk Lemmatizer sudah mampu menangani gabungan kata dan reduplikasi Kata kunci : Bahasa Indonesia, Morphological Analyzer, Morphotactic, Morphophonemic, Lemmatization PENDAHULUAN Banyak sekali penelitian yang telah dilakukan dalam bidang bahasa dan teknologi. Namun, tidak semua bahasa mampu diintegrasikan ke dalam semua teknologi yang telah diciptakan karena setiap bahasa memiliki karakteristik masing-masing. Maka dari itu, jika setiap bahasa yang ada di dunia hendak diintegrasikan ke dalam teknologi, diperlukan penelitian yang terfokus pada bahasa tersebut untuk menentukan algoritma dan aturan yang digunakan. Bahasa Indonesia merupakan bahasa yang penting di wilayah Asia Tenggara. Menurut Sneddon (2003:225), bahasa Indonesia menjadi bahasa nasional terpopuler ke- 4 di dunia dan negara tetangga lain. Hal tersebut menjadikan bahasa Indonesia sebagai tema yang signifikan untuk dijadikan bahan penelitian. Setiap bahasa mempunyai kaidah-kaidah tersendiri dan tidak lepas dari semua aturan yang berlaku. Sehingga setiap pengguna bahasa tidak boleh menggunakan bahasa yang salah karena hal tersebut akan merusak citra bahasa itu sendiri. Namun, sering ditemukan penggunaan kata yang salah oleh masyarakat, sebagai contoh kata dirubah yang seharusnya menggunakan kata diubah. Oleh karena itu, dengan mempelajari morfologi suatu bahasa dapat menambah pengetahuan dan memahami seluk-beluk pembentukan kata yang sesuai dengan kaidah bahasa yang baik dan benar secara gramatikal maupun semantik. Maka dari itu dalam penelitian ini akan dibuat sebuah morphological analyzer dan lemmatizer yang dalam penggunaannya dapat dimanfaatkan untuk melihat bagaimana suatu kata terbentuk, apa saja kata dasarnya, dan apa saja informasi linguistik yang dikandung kata tersebut. Dengan segala informasi yang didapat pada
3 morphological analyzer dan lemmatizer, diharapkan dapat membantu mempelajari suatu kata dan proses pembentukannya serta bentuk dasar dari suatu kata yang berimbuhan. Lebih jauh lagi morphological analyzer dan lemmatizer dapat dijadikan referensi yang cukup baik untuk pengembangan search engine dan machine translation, maupun perangkat-perangkat untuk pemrosesan bahasa alami lainnya. Untuk melanjutkan penelitian dalam bidang bahasa dan teknologi seperti search engine dan machine translation diperlukan sebuah morphological analyzer sebagai landasan utamanya. Morphological analyzer berguna untuk menentukan proses pembentukan kata-kata. Penelitian yang membahas tentang Morphological analyzer antara lain jurnal yang dipublikasikan oleh Pisceldo, Mahendra, Manurung dan Arka (2008), serta Larasati, Kuboň, dan Zeman (2011). Selain morphological analyzer yang berfungsi untuk mengetahui pembentukan kata, lemmatizer berfungsi untuk mengetahui bentuk dasar dari suatu kata berimbuhan. Penelitian mengenai lemmatizer ini sudah dilakukan oleh Asian, Williams, dan Tahaghoghi (2005) serta Suhartono, Christiandy, Rolando (2014). Berangkat dari latar belakang di atas, maka akan dikembangkan algoritma untuk morphological analyzer dan lemmatizer yang memiliki performa lebih baik dari hasil penelitian-penelitian sebelumnya dengan harapan dapat dicapai morphological analyzer dan lemmatizer yang memiliki tingkat persentase keberhasilan yang lebih tinggi, serta mampu menangani reduplikasi dan kata gabungan. Rumusan masalah dari penelitian kami adalah: Belum ada penelitian dalam bidang natural language processing untuk bahasa Indonesia yang menggabungkan morphological analyzer dengan lemmatizer sekaligus dalam satu aplikasi. Sampai saat ini, belum ada morphological analyzer yang mampu menganalisis kata yang terdiri dari dua kata namun bergabung ketika proses afiksasi, seperti kata warga negara ketika ditambahkan imbuhan menjadi kewarganegaraan yang merupakan satu kata saja. Sampai saat ini, belum ada lemmatizer yang mampu mencari bentuk kata dasar dari suatu kata gabung yang mengandung konfiks dan reduplikasi yang
4 mengandung afiks, seperti kata kewarganegaraan yang ketika dicari bentuk dasarnya harusnya menjadi warga negara, selain itu kata berlapis-lapis yang ketika dicari bentuk dasarnya harusnya menjadi lapis. Hipotesis dari penelitian kami adalah : H0 : Algoritma yang dikembangkan mampu menganalisa kata-kata dalam bahasa Indonesia dengan baik, sehingga algoritma morphological analyzer dapat membentuk kata produktif dan kata tidak produktif yang sesuai aturan sebesar 80%. Sementara itu, untuk algoritma lemmatizer dapat menemukan bentuk dasar dari kata berimbuhan sebesar 80%. H1 : Algoritma yang dikembangkan tidak mampu menganalisa kata-kata dalam bahasa Indonesia dengan baik, sehingga algoritma morphological analyzer dapat membentuk kata produktif dan kata tidak produktif yang sesuai aturan kurang dari 80%. Sementara itu, untuk algoritma lemmatizer dapat menemukan bentuk dasar dari kata berimbuhan kurang dari 80%. Tujuan yang ingin dicapai dalam penelitian kami adalah mengembangkan algoritma dalam morphological analyzer dan lemmatizer untuk bahasa Indonesia berbasis PHP. Manfaat dari penelitian kami : Edukasi Bahasa Penelitian ini akan memberikan keuntungan bagi dunia pendidikan. Tidak hanya bagi masyarakat Indonesia, tapi juga bagi orang asing yang ingin belajar bahasa Indonesia. Peningkatan Performa Search Engine dan Machine Translation Pembentukan kata dasar dari kata berimbuhan bisa meningkatkan performa dari search engine dan machine translation. Karena proses pengambilan data dari database lebih mudah jika telah diketahui kata dasarnya. Penelitian
5 Memberi kontribusi dalam dunia penelitian, khususnya dalam penelitian bidang lematisasi dan analisa morfologi untuk bahasa Indonesia. di Metode Penelitian yang akan kami gunakan : Analisis dan Peninjauan Literatur Peninjauan literatur untuk menganalisa dan mengembangkan algoritma dalam morphological analyzer dan lemmatizer. Solusi Alternatif Melakukan riset dan analisis mengenai state of the art dalam morphological analyzer dan lemmatizer bahasa Indonesia untuk membuat algoritma yang lebih efektif dan efisien dengan beberapa inovasi. Penulisan skripsi kami dibagi menjadi menjadi lima bab dan isi dari masing-masing bab diuraikan sebagai berikut : BAB 1 Pendahuluan Pada bab ini akan dibahas mengenai latar belakang pemilihan topik skripsi, rumusan masalah, hipotesis, ruang lingkup pembahasan, tujuan dan manfaat dari skripsi kami, metode penelitian yang digunakan serta sistematika penulisan yang diterapkan. BAB 2 Tinjauan Pustaka Pada bab ini akan dipaparkan mengenai teori-teori yang kami gunakan untuk menunjang dalam penyusunan skripsi kami, serta kami akan mengulas hasil penelitian atau produk sebelumnya yang menjadi batu pijakan kami dalam membuat skripsi kami. BAB 3 Metodologi Pada bab ini akan dibahas mengenai kerangka berpikir dalam penyusunan skripsi kami, metodologi untuk menyelesaikan masalah yang dipaparkan dalam kerangka berpikir. BAB 4 Hasil dan Pembahasan
6 Pada bab ini, kami akan memaparkan uji algoritma, serta evaluasi dari aplikasi yang kami buat. BAB 5 Simpulan dan Saran Pada bab ini penulis akan menarik kesimpulan dari hasil uji algoritma serta evaluasi dari bab-bab sebelumnya dan memberikan saran untuk pengembangan aplikasi sejenis yang telah dibuat sebelumnya maupun yang akan dibuat. METODE PENELITIAN Metode Penelitian yang akan kami gunakan : Analisis dan Peninjauan Literatur Peninjauan literatur untuk menganalisa dan mengembangkan algoritma dalam morphological analyzer dan lemmatizer. Solusi Alternatif Melakukan riset dan analisis mengenai state of the art dalam morphological analyzer dan lemmatizer bahasa Indonesia untuk membuat algoritma yang lebih efektif dan efisien dengan beberapa inovasi. Dalam penelitian ini, sampel diambil dari artikel pada web (Kompas, Detik, dan Tempo) dan artikel pada koran (Kompas). Jumlah kata yang diujikan sebanyak 1098 kata. Kata-kata terserbut dimasukkan kedalam algoritma untuk kemudian diproses dan menghasilkan output sesuai dengan aturan-aturan yang berlaku.
7 Flowchart Alur algoritma Dalam algoritma pada penelitian ini, terdapat dua alternatif jenis kata yang dapat dimasukkan ke dalam algoritma, yaitu kata dasar, dan kata berimbuhan. Adapun cara algoritma dapat membedakan kata input yang berupa kata dasar dengan kata input yang berupa kata berimbuhan adalah dengan membandingkan kata input dengan database. Database berisi semua kata dasar yang ada pada bahasa Indonesia. Dengan membandingkan kata input dengan database, maka akan diketahui apakah kata input berupa kata dasar atau bukan. Apabila yang dimasukkan ke dalam algoritma adalah kata dasar, maka aturan yang akan berjalan adalan aturan morphological analyzer dan proses penambahan imbuhan pada kata input akan dijalankan. Apabila kata yang dimasukkan ke dalam algoritma adalah kata berimbuhan, maka aturan yang akan dijalankan adalah aturan lematisasi dan proses pencarian kata dasar dari kata input akan dilakukan. Dalam aturan Morphological Analyzer, karena pencarian kata input pada database ditemukan, maka aturan morphotactic akan dijalankan. morphotactic berisikan aturan-aturan yang digunakan untuk menentukan imbuhan apa yang dapat ditambahkan pada kata input berdasarkan kelas katanya. Setelah proses morphotactic selesai dijalankan, maka berikutnya aturan morphophonemic dijalankan. Aturan
8 morphophonemic berisikan aturan-aturan yang merubah pelafalan pada prefiks sesuai dengan huruf awal dari kata input. Setelah aturan morphotactic dan aturan morphophonemic dijalankan, maka proses morphological analyzer selesai. Dalam aturan Lemmatizer, setelah pencarian kata input tidak ditemukan dalam database, maka akan dicari token - pada kata. Apabila pada kata input terdapat token -, maka akan dilakukan pemisahan kata pada kata tersebut. Kata sebelum token dan kata setelah token kemudian ditampung pada variabel yang berbeda. Kemudian apabila kedua variabel tersebut menampung kata yang sama, kata akan dicari pada database untuk ditentukan bentuk kamusnya. Apabila kedua variabel tidak menampung kata yang sama, maka akan dijalankan aturan pemotongan imbuhan pada masing-masing variabel. Variabel yang sudah menampung kata berupa kata dasar, tidak akan menjalankan aturan pemotongan imbuhan. Setelah pemotongan imbuhan selesai pada kedua variabel, akan dicocokkan sekali lagi pada database untuk dicari bentuk kamusnya. Apabila bentuk dasarnya masih tidak ditemukan, maka kata input dianggap salah, namun apabila benar, maka akan ditampilkan pada layar output. Apabila kata input tidak ada pada database dan kata input tidak memiliki token, maka rule precedence akan dijalankan.berdasarkan Suhartono, Christiandy, Rolando (2014), Rule precedence merupakan aturan-aturan yang mengijinkan pemotongan imbuhan diawali dari prefiks baru kemudian suffiks. Adapun syarat pada rule precedence adalah kombinasi-kombinasi imbuhan berikut : 1. be- dan -lah 2. be- dan -an 3. me- dan -i 4. di- dan -i 5. pe- dan -i 6. te- dan -i Bila kata input tidak memenuhi syarat rule precedence, maka pemotongan imbuhan akan dimulai dari suffiks. Dengan diterapkannya rule precedence, ada beberapa kasus kata-kata berimbuhan yang dapat lebih cepat terselesaikan dan menghasilkan hasil yang lebih akurat. Contoh, kata bermasalah, apabila yang dipotong lebih dulu adalah suffix
9 -lah baru prefiks ber-, maka akan memunculkan hasil yang tidak sesuai dengan yang diharapkan yaitu masa. HASIL DAN BAHASAN Dari 1098 kata yang diuji, 577 kata merupakan kata dasar sehingga masuk ke dalam algoritma morphological analyzer, 437 kata merupakan kata berimbuhan sehingga masuk ke dalam algoritma lemmatizer, dan 84 kata merupakan kata yang tidak valid karena masuk ke dalam kategori yang telah disebutkan sebelumnya. Tabel 1 Hasil Pengujian Algoritma Lemmatizer Kata yang diuji Output yang sesuai harapan Error 437 kata 420 kata 17 kata Adapun hasil dari pengujian algoritma lemmatizer dari 437 kata yang diuji terdapat 17 kesalahan dalam pemotongan imbuhan. Dari hasil tersebut, maka hasil uji algoritma terdapat 420 hasil output yang sesuai harapan. Maka, persentase dari keberhasilan dan kegagalan algoritma lemmatizer adalah : L(s)= = 96.11% L(e) = = 3.89% L(s) = Persentase keberhasilan lemmatizer L(e) = Persentase kegagalan lemmatizer Dari perhitungan yang telah dilakukan, persentase keberhasilan untuk lemmatizer sangat besar, yakni mencapai 96.11%. Persentase keberhasilan tersebut telah melampaui hipotesis yang telah disebutkan sebelumnya dimana ekspektasi untuk algoritma ini hanya sebesar 80%.
10 Tabel 2 Perbandingan Akurasi dengan Penelitian Sebelumnya Judul Penelitian Stemming Indonesian: A Confix-Stripping Approach Lemmatization Technique in Bahasa: Indonesian Language Pengembangan Algoritma Pembentukan Kata Berimbuhan dan Pencarian Bentuk Dasar dari Kata Berimbuhan pada Bahasa Indonesia Pendekatan Stemming Hasil Kerja Akurasi Berbasis Aturan penghapusan 95% Kamus dan prefiks, sufiks, dan Aturan konfiks dengan melihat kamus Berbasis Aturan penghapusan 99% Kamus dan prefiks, sufiks, dan Aturan konfiks dengan melihat kamus Berbasis Aturan penghapusan 96.11% Kamus dan prefiks, sufiks, dan Aturan konfiks dengan melihat kamus Berdasarkan tabel 4.14, persentase keberhasilan dalam algoritma lemmatizer lebih rendah dibandingkan dengan penelitian sebelumnya yang berjudul Lemmatization Technique in Bahasa: Indonesian Language (Suhartono, Christiandy, Rolando. 2014) yang mencapai akurasi 99%. Karena pada penelitian ini, apabila input merupakan kata dasar, maka algoritma yang akan dijalankan adalah algoritma morphological analyzer. Sedangkan, pada penelitian Lemmatization Technique in Bahasa: Indonesian Language jika input merupakan kata dasar maka algoritma akan berhenti dan input dianggap benar.
11 Tabel 3 Hasil Pengujian Algoritma Morphological Analyzer Jumlah kata yang diuji Kata berimbuhan yang dihasilkan Kata produktif Kata tidak produktif Kata error 577 kata kata 1851 kata kata 55 kata Pengujian morphological analyzer yang terdiri dari 577 kata menghasilkan output sebanyak kata berimbuhan, namun tidak semuanya merupakan kata berimbuhan produktif. Maka dari itu, untuk morphological analyzer hasil output dibagi menjadi tiga, yaitu kata produktif, kata tidak produktif dan error. Dari kata berimbuhan tersebut, 1851 merupakan kata produktif, merupakan kata tidak produktif sedangkan 55 kata merupakan error. Maka, persentase masing-masing kategori untuk morphological analyzer adalah : M(p) = = 12.63% M(tp) = = 86.98% M(e) = = 0.39% M(p) = Persentase kata produktif yang dihasilkan morphological analyzer M(tp) = Persentase kata tidak produktif yang dihasilkan morphological analyzer M(e) = Persentase kata error yang dihasilkan morphological analyzer Persentase kata produktif yang dihasilkan oleh morphological analyzer sangatlah rendah hanya sebesar 12.63%. Hal ini dikarenakan walaupun kata tersebut sesuai rule, kata tersebut tidak digunakan oleh masyarakat pada umumnya. Namun, untuk hasil
12 gabungan kata produktif dan tidak produktif yang dihasilkan oleh algoritma sangatlah besar, yaitu 99.61% dimana hal ini telah melewati hipotesis pada bab I. Dari pengujian diatas, dari 17 kesalahan dalam algoritma lemmatizer, 7 kesalahan merupakan kesalahan karena pemotongan imbuhan yang berlebih. 4 kasus merupakan kesalahan karena pemotongan imbuhan yang kurang dan 6 kasus merupakan penerapan rule yang salah. Berikut merupakan tabel analisis dari kesalahan dalam pengujian algoritma : Tabel 4 Analisis Hasil Kasus Pemotongan imbuhan yang berlebihan Pemotongan imbuhan yang kurang Penerapan rule yang salah Contoh mengurangi urang pengamat kamat sesuai sua Dalam kasus pemotongan berlebihan, imbuhan yang dipotong lebih banyak dari yang seharusnya, namun karena pemotongan tersebut tetap menghasilkan kata yang ada di database, kata yang telah dipotong tersebut menjadi output-nya. Seperti pada tabel 4.2, kata mengurangi seharusnya dari kata dasar kurang. Namun, karena algoritma memotong huruf k dan kata urang yang berarti pohon terdapat di database, maka kata tersebut akan dikeluarkan sebagai outputnya. Pemotongan imbuhan dalam kasus pengamat, huruf ng seharusnya hilang dan menjadi kata amat sebagai kata dasar dari pengamat. Namun, karena ng tidak ikut dihapus dan kata ng diganti k sehingga kata amat menjadi kamat dan ada di database, maka kata kamat yang berarti kayu yang bisa digunakan untuk cap tersebut yang menjadi kata dasar dari kata pengamat. Kata sesuai seharusnya dari kata dasar suai, namun karena penerapan rule precedence kata sesuai dibaca algoritma tidak termasuk ke dalam rule precedence maka kata tersebut akan dihilangkan imbuhannya dari belakang terlebih dahulu, menghilangkan imbuhan -i padahal huruf -i dalam sesuai bukanlah imbuhan menjadi
13 sesua. Kemudian, algoritma akan menghilangkan se- sehingga didapat kata sua dan kata sua yang berarti berjumpa ada di dalam kamus dan kata tersebut dikeluarkan sebagai output. SIMPULAN DAN SARAN Dari pengujian dan analisis algoritma, dapat disimpulkan bahwa: Hasil pengujian algoritma morphological analyzer menghasilkan persentase kata produktif sebesar 12.63%, kata tidak produktif sebesar 86.98%, dan 0.39% kata yang salah. Sementara itu untuk pengujian algoritma lemmatizer mencapai tingkat akurasi yang cukup tinggi yaitu 96,11% berhasil, dan 3.89% gagal. Pada penelitian ini sudah berhasil mengembangkan penelitian sebelumnya, lemmatizer ini sudah mampu menangani reduplikasi dan pemisahan imbuhan yang terdapat pada gabungan kata maupun pada reduplikasi. Rancangan aturan-aturan morfofonemik dan morfotaktik sulit diterapkan dikarenakan dalam Bahasa Indonesia itu sendiri ditemukan banyak ketidakseragaman dan inkonsistensi dalam sistem tata bahasanya. Sehingga hasil penelitian ini menimbulkan ketidaktepatan. Karena selain berdasarkan aturan-aturan morfotaktik dan morfofonemik, pembentukan kata dalam bahasa Indonesia dibuat berdasarkan kesepakatan pengguna. Saran-saran yang dapat diberikan dari apa yang telah dilakukan dalam penelitian ini, untuk pengembangan dan penelitian selanjutnya dijabarkan sebagai berikut: Pengembangan rancangan aturan-aturan morfotaktik dan morfofonemik pada morphological analyzer yang mampu menangani permasalahan pembentukan kata berdasarkan semantik. Contoh: Pada aturan morfotaktik memper-kan tidak menerima penggabungan kelas kata verba, namun pada bahasa Indonesia terdapat beberapa kata verba yang bisa dibentuk dengan memper-kan, seperti mempermaklumkan. Pengembangan lemmatizer untuk menangani permasalahan kata ulang atau reduplikasi tidak tentu (berubah fonem) yang tidak tercakup pada penelitian ini.
14 Contoh kata ulang atau reduplikasi tidak tentu yaitu: sayur-mayur, laukpauk, bolak-balik, gerak-gerik, dan sebagainya. Pengembangan algoritma lemmatizer untuk menangani permasalahan pencarian bentuk dasar yang memerlukan penentuan suku kata untuk peluruhan huruf pertama dengan imbuhan. Memperbaiki algoritma agar mampu membedakan bagian dari kata dasar yang menyerupai imbuhan dengan imbuhan. Contoh: belahan (output yang diharapkan belah, namun output yang dihasilkan lahan). Mengembangkan algoritma yang mampu menerima input tidak dalam bentuk kata dasar dalam Kamus Besar Bahasa Indonesia saja, melainkan dalam bentuk kalimat juga. REFERENSI [1] Adriani, M., Asian, J., Nazief, B., Tahaghoghi, S.M.M., Williams, H.E. (2007). Stemming Indonesian: A Confix-Stripping Approach. ACM Transactions on Asian Language Information Processing, 6(4), [2] Alwi, H. (2003). Tata Bahasa Baku Bahasa Indonesia. Jakarta: Departemen Pendidikan dan Kebudayaan Indonesia. [3] Atallah, M. J., & Blanton, M. (2010). Algorithms and Theory of Computation Handbook: General Concepts and Techniques. (2nd edition). Boca Raton: Chapman & Hall/CRC. [4] Baryadi, I.P. (2011). Morfologi dalam Bahasa Indonesia. Yogyakarta: Universitas Sanata Dharma [5] Clark, R., Studholme, O., Murphy, C., Manian, D. (2012). Beginning HTML5 and CSS3. New York: Springer.
15 [6] Connolly, T.M. & Begg, C.E. (2005). Database Systems A Practical Approach to Design, Implementation, and Management. (4th edition). Boston: Pearson. [7] Cormen, T. H., Leiserson, C. E., Rivest, R. L., Stein, C. (2009). Introductions to Algorithms. (3rd edition). London: The MIT Press. [8] Coronel, C., Morris, S., Rob, P. (2012). Database Systems: Design, Implementation, and Management. Boston: Cengage Learning. [9] Edmonds, J. (2008). How to Think about Algorithms. New York: Cambridge University Press. [10] Ingason, A.K., Helgadóttir. S., Loftsson. H., Rögnvaldsson. E., (2008). A Mixed Method Lemmatization Algorithm Using a Hierarchy of Linguistic Identities (HOLI). Advances in Natural Language Processing, [11] Jurafsky, D., & Martin J.H. (2000). Speech and Language Processing. New Jersey: Prentice-Hall, Inc. [12] Jones, M. (2008). Artificial Intelligence : A System Approach. Hingham: Infinite Science Press LLC. [13] Kadir, A. (2013). Pemrograman Database MySQL untuk Pemula. Yogyakarta: MediaKom. [14] Kowalski, M. (2011). Information Retrieval Architecture and Algorithms. New York: Springer. [15] Kridalaksana, H. (1994). Kelas Kata dalam Bahasa Indonesia. (2nd edition), Jakarta: Gramedia Pustaka Utama.
16 [16] Larasati, S.P., Kuboˇn, V., Zeman, D. (2011). Indonesian Morphology Tool (MorphInd): Towards an Indonesian Corpus. Springer CCIS Proceedings of the Workshop on Systems and Frameworks for Computational Morphology, [17] Levitin, A. (2012). Introduction to Design and Analysis of Algorithms. New Jersey: Pearson Education, Inc. [18] Luger, G.F. (2002). Artificial Intelligence: Structures and Strategies for Complex Problem Solving. Harlow: Pierson Education Limited. [19] Manning, C. D., Raghavan, P., Schütze, H. (2009). An Introduction to Information Retrieval. Cambridge: Cambridge University Press. [20] Meyer, E.A. (2006). CSS: The Definitive Guide. Sebastopol: O Reilly Media, Inc. [21] Narang, R. (2011). Database Management Systems, (2nd edition). New Delhi: PHI Learning Private Limited. [22] Nirenburg, S. (2009). Language Engineering for Lesser-Studied Languages. Amsterdam: IOS Press. [23] Pratt, P.J. & Adamski, J.J. (2011). Concepts of Database Management. Boston : Cengage Learning. [24] Russell, S., & Norvig, P. (2010). Artificial Intelligence A Modern Approach. New Jersey: Pearson Education Inc. [25] Pisceldo, F., Mahendra, R., Manurung, R., Arka, I.W. (2008). A Two-Level Morphological Analyzer for the Indonesian Language. Abstract submitted to the Australasian Language Technology (ALTA) Workshop, 1-9.
17 [26] Poole, D. L., Mackworth A. K. (2010). Artificial Intelligence Foundations of Computational Agents. Cambridge: Cambridge University Press. [27] Pustejovsky, J., & Stubbs A. (2012). Natural Language Annotation for Machine Learning. Beijing: O Reilly. [28] Sneddon, J.N. (2003). The Indonesian Language: Its History and Role in Modern Society. Australia: University of New South Wales Press. [29] Suhartono, D., Christiandy, D., Rolando. (2014). Lemmatization Technique in Bahasa: Indonesian Language. Journal of Software, 9(5), 1-8. [30] Tucker, T.G. (2010). Introduction to the Natural History of Language (1908). USA: Kessinger Publishing. [31] Welling, L. & Thomson, L. (2008). PHP and MySQL Web Development. Indianapolis: Sams Publishing. RIWAYAT PENULIS Andri Budiman Oktarino lahir di kota Jakarta pada 10 Oktober Penulis menamatkan pendidikan S1 di Binus University dalam bidang Teknik Informatika pada tahun Saat ini bekerja sebagai instruktur di sekolah mengemudi PT. Mentari Prima Persada. Dwi Taruna Winahyu lahir di kota Jakarta pada tanggal 24 Februari Penulis menyelesaikan pendidikan S1 di Binus University dalam bidang Teknik Informatika pada tahun Saat ini bekerja sebagai host di Baidu Inc. Indonesia untuk program live stream broadcasting pertama di Indonesia, Cliponyu. Andrew Halim lahir di Jakarta pada tanggal 26 Agustus Penulis menamatkan pendidikan S1 di Binus University dalam bidang Teknik Informatika pada tahun 2014.
BAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Banyak sekali penelitian yang telah dilakukan dalam bidang bahasa dan teknologi, namun tidak semua bahasa mampu diintegrasikan ke dalam semua teknologi yang telah diciptakan
Lebih terperinciBAB 3 METODOLOGI 3.1 Analisis Kebutuhan dan Masalah Analisis Kebutuhan Analisis Masalah
BAB 3 METODOLOGI 3.1 Analisis Kebutuhan dan Masalah 3.1.1 Analisis Kebutuhan Ada banyak hal yang berhubungan dengan sastra atau ilmu bahasa yang dapat diterapkan di dalam teknologi, seperti penerjemahan
Lebih terperinciSTEMMING KATA KERJA BAHASA INDONESIA PADA FILE TEKS MENGGUNAKAN ALGORITMA LOVINS DAN ALGORITMA PAICE/HUSK. Proposal Tugas Akhir. Logo kampus.
Disiapkan Oleh: Sunaryo, S.Kom Email: sunaryo.online@gmail.com STEMMING KATA KERJA BAHASA INDONESIA PADA FILE TEKS MENGGUNAKAN ALGORITMA LOVINS DAN ALGORITMA PAICE/HUSK Proposal Tugas Akhir Logo kampus
Lebih terperinciNur Indah Pratiwi, Widodo Universitas Negeri Jakarta ABSTRAK
Klasifikasi Dokumen Karya Akhir Mahasiswa Menggunakan Naïve Bayes Classifier (NBC) Berdasarkan Abstrak Karya Akhir Di Jurusan Teknik Elektro Universitas Negeri Jakarta Nur Indah Pratiwi, Widodo Universitas
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Teori-Teori yang Digunakan 2.1.1 Bahasa Indonesia Bahasa Indonesia merupakan bahasa yang penting di wilayah Asia Tenggara. Menurut Sneddon (2003:225), meskipun bahasa Indonesia
Lebih terperinciAnalisa dan Evaluasi Afiks Stemming untuk Bahasa Indonesia
ISSN : 088-9984 Seminar Nasional dan ExpoTeknik Elektro 0 Analisa dan Evaluasi Afiks Stemming untuk Bahasa Indonesia Jiwa Malem Marsya ) dan Taufik Fuadi Abidin ) ) Data Mining and IR Research Group FMIPA
Lebih terperinciBAB 2 LANDASAN TEORI. Dalam bab ini akan dipaparkan landasan-landasan teori yang telah ada dan menjadi pijakan dalam pelaksanaan penelitian ini.
BAB 2 LANDASAN TEORI Dalam bab ini akan dipaparkan landasan-landasan teori yang telah ada dan menjadi pijakan dalam pelaksanaan penelitian ini. 2.1 Morfologi Sebelum melihat lebih jauh tentang pengurai
Lebih terperinciImplementasi Stemmer Tala pada Aplikasi Berbasis Web
Mardi Siswo Utomo Program Studi Teknik Informatika, Universitas Stikubank email : mardiutomo@gmail.com Abstrak Stemming adalah proses untuk mencari kata dasar pada suatu kata. Pada analisa temu kembali
Lebih terperinciPreprocessing Text Mining Pada Box Berbahasa Indonesia
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Preprocessing Text Mining Pada Email Box Berbahasa Indonesia Gusti Ngurah Mega Nata 1), Putu Pande Yudiastra 2) STMIK STIKOM
Lebih terperinciANALISIS DAN PERANCANGAN SISTEM BASIS DATA UNTUK PEMESANAN HOTEL PEONY BERBASIS WEB
ANALISIS DAN PERANCANGAN SISTEM BASIS DATA UNTUK PEMESANAN HOTEL PEONY BERBASIS WEB Nama Penulis : Febby Utamy Ronny Pembimbing : Djauharry Noor, Ir, M. Sc Hotel Peony, Jl. Gajahmada No. 80 86A, Pontianak,
Lebih terperinciBAB 8 KESIMPULAN DAN SARAN
BAB 8 KESIMPULAN DAN SARAN 8.1. Kesimpulan Kesimpulan yang diperoleh penulis dalam proses penelitian dan perancangan sistem informasi persediaan Apotek X ini adalah: 1. Solusi yang diperoleh dalam penelitian
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Natural Language Processing Natural language processing (NLP), merupakan salah satu pendekatan terkomputerisasi untuk menganalisa teks berdasarkan aspek teori dan teknologi. Menurut
Lebih terperinciIMPLEMENTASI INVERTED INDEX DENGAN SISTEM MANAJEMEN BASISDATA UNTUK MENDUKUNG MODEL PEMEROLEHAN BOOLEAN
IMPLEMENTASI INVERTED INDEX DENGAN SISTEM MANAJEMEN BASISDATA UNTUK MENDUKUNG MODEL PEMEROLEHAN BOOLEAN JB Budi Darmawan Jurusan Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Sanata Dharma
Lebih terperinciANALISIS PENGGUNAAN ALGORITMA STEMMING VEGA PADA INFORMATION RETRIEVAL SYSTEM
ANALISIS PENGGUNAAN ALGORITMA STEMMING VEGA PADA INFORMATION RETRIEVAL SYSTEM Lusianto Marga Nugraha¹, Arie Ardiyanti Suryani², Warih Maharani³ ¹Teknik Informatika,, Universitas Telkom Abstrak Stemming
Lebih terperinciTRANSLASI KALIMAT BAHASA INGGRIS KE BAHASA INDONESIA MENGGUNAKAN METODE AUGMENTED TRANSITION NETWORK
TRANSLASI KALIMAT BAHASA INGGRIS KE BAHASA INDONESIA MENGGUNAKAN METODE AUGMENTED TRANSITION NETWORK Nurhalimah Harahap¹, Eddy Muntina Dharma², Andrian Rakhmatsyah³ ¹Teknik Informatika,, Universitas Telkom
Lebih terperinciPERBANDINGAN ALGORITMA STEMMING PADATEKS BAHASA INDONESIA
PERBANDINGAN ALGORITMA STEMMING PADATEKS BAHASA INDONESIA Sigit Prasetyo Karisma Utomo 1, Ema Utami 2, Andi Sunyoto 3 1,2,3 Magister Teknik Informatika STMIK AmikomYogyakarta e-mail: 1 aku@sigitt.com,
Lebih terperinciPERBANDINGAN ALGORITMA STEMMING PORTER DENGAN ALGORITMA NAZIEF & ADRIANI UNTUK STEMMING DOKUMEN TEKS BAHASA INDONESIA
PERBANDINGAN ALGORITMA STEMMING PORTER DENGAN ALGORITMA NAZIEF & ADRIANI UNTUK STEMMING DOKUMEN TEKS BAHASA INDONESIA Ledy Agusta Fakultas Teknologi Informasi Universitas Kristen Satya Wacana ledyagusta@gmail.com
Lebih terperinciPENERAPAN ALGORITMA STEMMING NAZIEF & ADRIANI DAN SIMILARITY PADA PENERIMAAN JUDUL THESIS
PENERAPAN ALGORITMA STEMMING NAZIEF & ADRIANI DAN SIMILARITY PADA PENERIMAAN JUDUL THESIS Hafiz Ridha Pramudita Magister Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur, Sleman,
Lebih terperinciPERANCANGAN SISTEM INFORMASI PENYEWAAN MOBIL PADA RENTAL BERBASIS WEB
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2016, pp. 308~312 308 PERANCANGAN SISTEM INFORMASI PENYEWAAN MOBIL PADA RENTAL BERBASIS WEB Mari Rahmawati AMIK BSI Karawang e-mail: mari.mrw@bsi.ac.id
Lebih terperinciIMPLEMENTASI ALGORITMA NAÏVE BAYES CLASSIFIER DALAM KLASIFIKASI USER BERDASARKAN TWEET
IMPLEMENTASI ALGORITMA NAÏVE BAYES CLASSIFIER DALAM KLASIFIKASI USER BERDASARKAN TWEET TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang
Lebih terperinciBAB I PENDAHULUAN. Kata-kata Bahasa Indonesia kaya akan imbuhan. Kurang lebih ada sekitar
BAB I PENDAHULUAN 1.1. LATAR BELAKANG Kata-kata Bahasa Indonesia kaya akan imbuhan. Kurang lebih ada sekitar 35 imbuhan resmi yang disebutkan dalam Kamus Besar Bahasa Indonesia. Imbuhan-imbuhan ini dapat
Lebih terperinciANALISIS DAN PERANCANGAN SISTEM BASIS DATA PADA APLIKASI IT HELP DESK BERBASIS WEB DI PT. PANEN LESTARI INTERNUSA (SOGO)
ANALISIS DAN PERANCANGAN SISTEM BASIS DATA PADA APLIKASI IT HELP DESK BERBASIS WEB DI PT. PANEN LESTARI INTERNUSA (SOGO) Marsha Hafiamsa Wasisto Universitas Bina Nusantara Jl. Kebon Jeruk Raya No. 27,
Lebih terperinciANALISIS DAN PERANCANGAN SISTEM BASIS DATA UNTUK PENJUALAN PADA PT.TETSIN MOCHI INDONESIA BERBASIS WEB
ANALISIS DAN PERANCANGAN SISTEM BASIS DATA UNTUK PENJUALAN PADA PT.TETSIN MOCHI INDONESIA BERBASIS WEB Agus Hendri Susanto Valentino Adi Setyo Dosen Pembimbing : Dr. Ir. Taslim Rochmadi, Dipl. Ing BINUS
Lebih terperinciANALISIS DAN PERANCANGAN SISTEM BASIS DATA UNTUK PROSES PEMBELIAN,PERSEDIAAN, DAN PENJUALAN PADA UD KARTIKA LANGGENG
ANALISIS DAN PERANCANGAN SISTEM BASIS DATA UNTUK PROSES PEMBELIAN,PERSEDIAAN, DAN PENJUALAN PADA UD KARTIKA LANGGENG RUDY HARTATO Binus University, Jakarta, DKI Jakarta, Indonesia RICKHEND HANDI WIJAYA
Lebih terperinciUKDW BAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dengan perkembangan teknologi yang semakin pesat, setiap orang dituntut untuk bisa memanfaatkan dengan baik perkembangan teknologi dan dapat menggunakan di dalam kehidupan
Lebih terperinciBAB I PENDAHULUAN. Information retrieval (IR) adalah ilmu yang mempelajari pencarian
BAB I PENDAHULUAN 1.1 Latar Belakang Information retrieval (IR) adalah ilmu yang mempelajari pencarian dokumen untuk memenuhi kebutuhan informasi dari dalam koleksi besar media penyimpanan komputer (Manning,
Lebih terperinciKecerdasan Buatan B Artificial Inttelligent CEH3I3 PRODI SISTEM KOMPUTER UNIVERSITAS TELKOM BANDUNG 2017
Kecerdasan Buatan B Artificial Inttelligent CEH3I3 PRODI SISTEM KOMPUTER UNIVERSITAS TELKOM BANDUNG 2017 PENDAHULUAN (Pengenalan Silabus dan Kontrak Belajar) Pengenalan Matakuliah Matakuliah Bobot : Kecerdasan
Lebih terperinciAPLIKASI E-LEARNING BERBASIS WEB PADA SMK TELKOM JAKARTA
APLIKASI E-LEARNING BERBASIS WEB PADA SMK TELKOM JAKARTA Mohamad Heru Prayogo Universitas Bina Nusantara, Jl. Kebon Jeruk Raya No. 27, Kebon Jeruk, Jakarta Barat, 021-53696969, heruprayogo15@gmail.com
Lebih terperinciDAFTAR PUSTAKA.
DAFTAR PUSTAKA Aditya, Alan Nur. 2010. Jago PHP dan MySQL. Jakarta: Dunia Komputer. Al-Bahra Bin Ladjamudin. 2005. Analisis dan Desain Sistem Informasi. Yogyakarta: Graha Ilmu. Alexander F.K., Sibero.
Lebih terperinciSTEMMING DOKUMEN TEKS BAHASA INDONESIA MENGGUNAKAN ALGORITMA PORTER ABSTRAK
STEMMING DOKUMEN TEKS BAHASA INDONESIA MENGGUNAKAN ALGORITMA PORTER Oleh : Lasmedi Afuan Prodi Teknik Informatika, Fakultas Sains dan Teknik, Universitas Jenderal Soedirman Jl. Mayjen Sungkono Blater Km
Lebih terperinciBAB 1 PENDAHULUAN. kegiatan belajar mengajar yang efektif.
2 BAB 1 PENDAHULUAN 1.1. Latar Belakang Seiring dengan perkembangan teknologi yang semakin pesat, Binus University sebagai salah satu perguruan tinggi di Indonesia dituntut untuk mengikuti perkembangan
Lebih terperinciPeningkatan Algoritma Porter Stemmer
JNTETI, Vol. 2, No. 2, Mei 2013 1 Peningkatan Algoritma Porter Stemmer Bahasa Indonesia berdasarkan Metode Morfologi dengan Mengaplikasikan 2 Tingkat Morfologi dan Aturan Kombinasi Awalan dan Akhiran Putu
Lebih terperinciPENGENALAN KOMPUTER DAN SOFTWARE II. Semester: 2 Pengenalan Komputer dan Software II. Introduction to Computer and Software II
PENGENALAN KOMPUTER DAN SOFTWARE II I. SILABUS RINGKAS Kode Matakuliah: KU1202 Nama Mata Kuliah Bobot SKS: 2 Semester: 2 Pengenalan Komputer dan Software II Bidang Pengutamaan: TPB Introduction to Computer
Lebih terperinciPERANCANGAN APLIKASI DATABASE PERPUSTAKAAN BERBASIS WEBSITE DI SEKOLAH TUNAS BANGSA
PERANCANGAN APLIKASI DATABASE PERPUSTAKAAN BERBASIS WEBSITE DI SEKOLAH TUNAS BANGSA Christian Teknologi Informatika, Universitas Bina Nusantara, DKI Jakarta, Indonesia, 0818858668, ChristianYusuf92@gmail.com
Lebih terperinciPERANCANGAN SISTEM BASIS DATA OPERASIONAL PADA SMP STRADA SANTO FRANSISKUS XAVERIUS 2
PERANCANGAN SISTEM BASIS DATA OPERASIONAL PADA SMP STRADA SANTO FRANSISKUS XAVERIUS 2 Swandy Binus University, Jakarta, DKI Jakarta, Indonesia David Binus University, Jakarta, DKI Jakarta, Indonesia Mario
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Bahasa merupakan mediator utama dalam mengekspresikan segala bentuk gagasan, ide, visi, misi, maupun pemikiran seseorang. Bagai sepasang dua mata koin yang selalu beriringan,
Lebih terperinciStemming pada Preprocessing Twit Berbahasa Indonesia dengan Mengimplementasikan Algoritma Fonetik Soundex untuk Proses Klasifikasi
Stemming pada Preprocessing Twit Berbahasa Indonesia dengan Mengimplementasikan Algoritma Fonetik Soundex untuk Proses Klasifikasi Stemming in Indonesian Language Twit Preprocessing Implementing Phonetic
Lebih terperinciPenerapan Algoritma Genetika pada Peringkasan Teks Dokumen Bahasa Indonesia
Penerapan Algoritma Genetika pada Peringkasan Teks Dokumen Bahasa Indonesia Aristoteles Jurusan Ilmu Komputer FMIPA Universitas Lampung aristoteles@unila.ac.id Abstrak.Tujuan penelitian ini adalah meringkas
Lebih terperinciANALISIS DAN PERANCANGAN SISTEM MANAJEMEN ANGGOTA KLUB SENI FOTOGRAFI BINA NUSANTARA BERBASIS WEB
ANALISIS DAN PERANCANGAN SISTEM MANAJEMEN ANGGOTA KLUB SENI FOTOGRAFI BINA NUSANTARA BERBASIS WEB Aditya Permana; Frederick L. Musa Kaban; Septiadi Mahardika; Gintoro, S.Kom., MM Jurusan Teknik Informatika,
Lebih terperinciPenentuan Pola Kalimat Bahasa Inggris Pada Simple Present Tense Menggunakan Metode Bottom Up Parsing
Meilani, Penentuan Pola Kalimat Bahasa Inggris Pada Simple Present Tense. 9 Penentuan Pola Kalimat Bahasa Inggris Pada Simple Present Tense Menggunakan Metode Bottom Up Parsing Budanis Dwi Meilani 1, Muhamad
Lebih terperinciANALISIS DAN PERANCANGAN SISTEM INFORMASI GEOGRAFIS BERBASIS WEB UNTUK SEBARAN RUMAH SAKIT DI WILAYAH JAKARTA BARAT
ANALISIS DAN PERANCANGAN SISTEM INFORMASI GEOGRAFIS BERBASIS WEB UNTUK SEBARAN RUMAH SAKIT DI WILAYAH JAKARTA BARAT Eva Ayustina Binus University, Jakarta, DKI Jakarta, Indonesia Wendra Binus University,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Bahasa Indonesia adalah bahasa resmi dari negara Indonesia. Bahasa Indonesia memiliki sekitar 23 juta penutur asli pada tahun 2010, dan lebih dari 140.000.000 penutur
Lebih terperinciSISTEM INFORMASI MANAJEMEN KEGIATAN ADMINISTRASI SERTIFIKASI PADA PT. PLN (PERSERO) PUSDIKLAT UNIT SERTIFIKASI
SISTEM INFORMASI MANAJEMEN KEGIATAN ADMINISTRASI SERTIFIKASI PADA PT. PLN (PERSERO) PUSDIKLAT UNIT SERTIFIKASI Nugroho Sihraharja Handoko Jurusan Sistem Informasi dan Manajemen, Binus University, Jl. K.
Lebih terperinciAzhar Susanto Sistem Informasi Akuntansi. Bandung: Lingga Jaya.
Daftar Pustaka Arief M Rudianto. 2011. Pemrograman Web Dinamis menggunakan PHP dan MySQL. C.V ANDI OFFSET. Yogyakarta. Assauri, Sofjan. (2008). Manajemen Produksi dan Operasi. Jakarta : Fakultas Ekonomi
Lebih terperinciBAB 11 KONSEP, LANDASAN TEORI, DAN TINJAUAN PUSTAKA. bahasa yang digunakan akal budi memahami hal-hal lain ( KBBI,2007:588).
BAB 11 KONSEP, LANDASAN TEORI, DAN TINJAUAN PUSTAKA 2.1 Konsep Konsep merupakan gambaran mental dari objek, proses, atau apapun yang ada di luar bahasa yang digunakan akal budi memahami hal-hal lain (
Lebih terperinciAPLIKASI PENERJEMAH KALIMAT BAHASA INDONESIA KE BAHASA SIMALUNGUN DENGAN ALGORITMA BERRY - RAVINDRAN
APLIKASI PENERJEMAH KALIMAT BAHASA INDONESIA KE BAHASA SIMALUNGUN DENGAN ALGORITMA BERRY - RAVINDRAN Saut Dohot Siregar 1*, Mawaddah Harahap 2, Yohana Marbun 3 1,2,3 Program Studi Teknik Informatika, Fakultas
Lebih terperinciAPLIKASI PENENTUAN KATA DASAR DARI KATA BERIMBUHAN PADA KALIMAT BAHASA INDONESIA DENGAN ALGORITMA STEMMING
APLIKASI PENENTUAN KATA DASAR DARI KATA BERIMBUHAN PADA KALIMAT BAHASA INDONESIA DENGAN ALGORITMA STEMMING Julianto Wibowo Mahasiswa Program Studi Teknik Informatika, STMIK Budi Darma Medan Jl. Sisimangaraja
Lebih terperinciEvaluasi dan Usaha Optimalisasi Algoritma Depth First Search dan Breadth First Search dengan Penerapan pada Aplikasi Rat Race dan Web Peta
Evaluasi dan Usaha Optimalisasi Algoritma Depth First Search dan Breadth First Search Tjatur Kandaga, Alvin Hapendi Jurusan Teknik Informatika, Fakultas Teknologi informasi, Universitas Kristen Maranatha
Lebih terperinciJurnal String Vol.1 No.2 Tahun 2016 ISSN :
PERBANDINGAN ALGORITMA STEMMING PORTER DENGANARIFIN SETIONO UNTUK MENENTUKAN TINGKAT KETEPATAN KATA DASAR Dian Novitasari Program Studi Teknik Informatika, Universitas Indraprasta PGRI Emai : diannovita.unindra@gmail.com
Lebih terperinciIMPLEMENTASI DAN ANALISIS ALGORITMA STEMMING NAZIEF & ADRIANI DAN PORTER PADA DOKUMEN BERBAHASA INDONESIA
ISSN (Print) : 1693-1173 ISSN (Online) : 2548-4028 IMPLEMENTASI DAN ANALISIS ALGORITMA STEMMING NAZIEF & ADRIANI DAN PORTER PADA DOKUMEN BERBAHASA INDONESIA Dwi Wahyudi 1), Teguh Susyanto 2), Didik Nugroho
Lebih terperinciANALISA DAN PERANCANGAN E-COMMERCE PADA PT. TOTALINDO SOLUSI ANDALAN
ANALISA DAN PERANCANGAN E-COMMERCE PADA PT. TOTALINDO SOLUSI ANDALAN RUDI SUMARNO 1 ; ADY PERMANA 2 ; JANUAR AWALUDDIN 3 ; PRASETYA CAHYA SAPUTRA 4 1,2,3,4 Information Systems Department, School of Information
Lebih terperinciIMPLEMENTASI ALGORITMA ENHANCED CONFIX STRIPPING STEMMER PADA KAMUS SISTEM BAHASA ISYARAT INDONESIA SKRIPSI ANNIFA IQRAMITHA
IMPLEMENTASI ALGORITMA ENHANCED CONFIX STRIPPING STEMMER PADA KAMUS SISTEM BAHASA ISYARAT INDONESIA SKRIPSI ANNIFA IQRAMITHA 091402028 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI
Lebih terperinciANALISIS DAN PERANCANGAN BASIS DATA PEMBELIAN, PENJUALAN, DAN PERSEDIAAN PADA CV. DEWI BERSAUDARA
ANALISIS DAN PERANCANGAN BASIS DATA PEMBELIAN, PENJUALAN, DAN PERSEDIAAN PADA CV. DEWI BERSAUDARA Tito Sahril Bachir Binus University, Jakarta, DKI Jakarta, Indonesia Dimas Sovereino Binus University,
Lebih terperinciIMPLEMENTASI ALGORITMA GENERATE AND TEST PADA PENCARIAN RUTE TERPENDEK
IMPLEMENTASI ALGORITMA GENERATE AND TEST PADA PENCARIAN RUTE TERPENDEK Selvy Welianto (1) R. Gunawan Santosa (2) Antonius Rachmat C. (3) selvywelianto@yahoo.com gunawan@ukdw.ac.id anton@ukdw.ac.id Abstraksi
Lebih terperinciPENGEMBANGAN SISTEM BASIS DATA UNTUK APLIKASI PEMBUATAN DAN MONITORING TARGET LETTER (Studi Kasus PT. ASURANSI ALLIANZ UTAMA INDONESIA)
PENGEMBANGAN SISTEM BASIS DATA UNTUK APLIKASI PEMBUATAN DAN MONITORING TARGET LETTER (Studi Kasus PT. ASURANSI ALLIANZ UTAMA INDONESIA) Ayuliana 1, Rusdianto 2, Steven Daniel 3, Steffen 4 Pogram Studi
Lebih terperinciBAB1 PENDAHULUAN. Perkembangan ilmu pengetahuan berpengaruh terhadap sistem atau kaidah
BAB1 PENDAHULUAN 1.1 Latar Belakang Perkembangan ilmu pengetahuan berpengaruh terhadap sistem atau kaidah suatu bahasa. Sesuai dengan sifat bahasa yang dinamis, ketika pengetahuan pengguna bahasa meningkat,
Lebih terperinciANALISIS DAN PERANCANGAN SISTEM ABSENSI DAN PENGGAJIAN PADA PT. ASKES (PERSERO) KANTOR CABANG ENDE NUSA TENGGARA TIMUR
ANALISIS DAN PERANCANGAN SISTEM ABSENSI DAN PENGGAJIAN PADA PT. ASKES (PERSERO) KANTOR CABANG ENDE NUSA TENGGARA TIMUR Stella Maria The Bina Nusantara University, Jl. Kebon Jeruk Raya No. 27, Kebon Jeruk,
Lebih terperinciSISTEM BASIS DATA APLIKASI PEREKRUTAN KARYAWAN BERBASIS WEB PADA PT. ASTRA INTERNATIONAL, Tbk
SISTEM BASIS DATA APLIKASI PEREKRUTAN KARYAWAN BERBASIS WEB PADA PT. ASTRA INTERNATIONAL, Tbk Vany Ricat Edwin Marcel Lengkei 1401073732 1401101010 1401122715 vaaaannnyy@gmail.com ricat.shing@yahoo.com
Lebih terperinciBAB I PENDAHULUAN. A. Latar Belakang Masalah
BAB I PENDAHULUAN A. Latar Belakang Masalah Manusia diberikan akal dan pikiran yang sempurna oleh Tuhan. Dalam berbagai hal manusia mampu melahirkan ide-ide kreatif dengan memanfaatkan akal dan pikiran
Lebih terperinciSISTEM TEMU BALIK INFORMASI
SISTEM TEMU BALIK INFORMASI Algoritma Nazief dan Adriani Disusun Oleh: Dyan Keke Rian Chikita Agus Dwi Prayogo 11/323494/PA/14356 11/323813/PA/14362 11/323856/PA/14367 PRODI S1 ILMU KOMPUTER JURUSAN ILMU
Lebih terperinciEXERCISE WORKBOOK MI /2012#07
XRCIS WORKBOOK 1 IDNTITAS Kajian Perulangan Topik Dasar Logika Perulangan Referensi [1] Sedgewick, Robert. Algorithms. Marly-le-Roi: Addison-Wesley Publishing Company, 1983 [2] Cormen, Thomas H., Charles.
Lebih terperinciBAB I PENDAHULUAN. informasi pada ruang lingkup besar (biasanya disimpan di komputer). Di era
BAB I PENDAHULUAN 1.1 Latar Belakang Information retrieval atau disingkat dengan IR adalah menemukan bahan (dokumen) dari dokumen terstruktur (biasanya teks) yang memenuhi kebutuhan informasi pada ruang
Lebih terperinciPENANGANAN OOV ( OUT OF VOCABULARY ) PADA POS TAGGING HIDDEN MARKOV MODEL
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2013 PENANGANAN OOV ( OUT OF VOCABULARY ) PADA POS TAGGING HIDDEN MARKOV MODEL I Wayan Hendra Maha Putra¹, Imelda Atastina², Alfian Akbar Gozali³ ¹Teknik
Lebih terperinciBAB V SIMPULAN DAN SARAN
BAB V SIMPULAN DAN SARAN A. Simpulan Setiap bahasa di dunia memiliki sistem kebahasaan yang berbeda. Perbedaan sistem bahasa itulah yang menyebabkan setiap bahasa memiliki ciri khas dan keunikan, baik
Lebih terperinciSISTEM APLIKASI POINT OF SALES BERBASIS WEB PADA PT. DIGITAL SYSTEM TECHNOLOGY
SISTEM APLIKASI POINT OF SALES BERBASIS WEB PADA PT. DIGITAL SYSTEM TECHNOLOGY Louis Surya Putra Salim Binus University, Jakarta, (62-21) 534 5830, Lwsssk@gmail.com Rendy Binus University, Jakarta, (62-21)
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Plagiarisme atau sering disebut plagiat adalah penjiplakan atau pengambilan karangan, pendapat, dan sebagainya dari orang lain dan menjadikannya seolah-olah karangan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan berkembangnya Internet, banyak informasi tersedia dalam World Wide Web yang dapat diakses di seluruh negara. Pada saat pencarian informasi menggunakan search
Lebih terperinciFrendy Budiman Suherli. Binus University, Sukabumi, Indonesia, , Hendry Ciunardy
ANALISIS DAN PERANCANGAN SISTEM APLIKASI BASIS DATA E-COMMERCE DAN ENQUIRIES POTENSI BISNIS DI INDONESIA BERBASIS WEB PADA EUROPEAN INDONESIAN BUSINESS NETWORK Frendy Budiman Suherli Binus University,
Lebih terperinciEkstraksi Kata Dasar Secara Berjenjang (Incremental Stemming) Berbasis Aturan Morfologi untuk Teks Berbahasa Indonesia
JURNAL INFOTEL Informatika - Telekomunikasi - Elektronika Website Jurnal : http://ejournal.st3telkom.ac.id/index.php/infotel ISSN : 2085-3688; e-issn : 2460-0997 Ekstraksi Secara Berjenjang (Incremental
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Bahasa Indonesia adalah bahasa resmi dari Negara Indonesia. Berdasarkan ketentuan UU Nomor 24 tahun 2009 (Pasal 3) tujuan dari penggunaan Bahasa Indonesia sebagai bahasa
Lebih terperinciBAB 1 PENDAHULUAN. A. Latar Belakang
BAB 1 PENDAHULUAN A. Latar Belakang Bahasa merupakan salah satu alat komunikasi manusia dalam berinteraksi di lingkungan sekitar. Bahasa memegang peranan penting dalam kehidupan kita. Hal ini harus benar-benar
Lebih terperinciINDEXING AND RETRIEVAL ENGINE UNTUK DOKUMEN BERBAHASA INDONESIA DENGAN MENGGUNAKAN INVERTED INDEX
INDEXING AND RETRIEVAL ENGINE UNTUK DOKUMEN BERBAHASA INDONESIA DENGAN MENGGUNAKAN INVERTED INDEX Wahyu Hidayat 1 1 Departemen Teknologi Informasi, Fakultas Ilmu Terapan, Telkom University 1 wahyuhidayat@telkomuniversity.ac.id
Lebih terperinciAnalisis dan Strategi Algoritma
Analisis dan Strategi Algoritma Deskripsi Mata Kuliah Konsep dasar analisis algoritma Beberapa jenis algoritma 28/02/2011 2 Standar Kompetensi Mahasiswa mampu membandingkan beberapa algoritma dan menentukan
Lebih terperinciBAB I PENDAHULUAN. Bahasa memiliki peran yang amat penting dalam kehidupan sehari-hari. Bahasa
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Bahasa memiliki peran yang amat penting dalam kehidupan sehari-hari. Bahasa digunakan sebagai alat komunikasi dalam berinteraksi sesama manusia. Dengan bahasa,
Lebih terperinciIMPLEMENTASI INVERTED INDEX DENGAN SISTEM ORDBMS MENGGUNAKAN COLLECTION UNTUK MENDUKUNG MODEL PEMEROLEHAN BOOLEAN
IMPLEMENTASI INVERTED INDEX DENGAN SISTEM ORDBMS MENGGUNAKAN COLLECTION UNTUK MENDUKUNG MODEL PEMEROLEHAN BOOLEAN JB Budi Darmawan Jurusan Teknik Informatika, Fakultas Sains dan Teknologi, Universitas
Lebih terperinciBAB VI PENUTUP. Pada bab penutup akan dijabarkan kesimpulan dan saran yang didapatkan selama proses pembangunan aplikasi tugas akhir ini.
BAB VI PENUTUP Pada bab penutup akan dijabarkan kesimpulan dan saran yang didapatkan selama proses pembangunan aplikasi tugas akhir ini. 6.1. Kesimpulan Berdasarkan pembahasan yang telah dilakukan dari
Lebih terperinciANALISIS DAN PERANCANGAN BASIS DATA SISTEM E-LEARNING PADA SMA PGRI CIKAMPEK
ANALISIS DAN PERANCANGAN BASIS DATA SISTEM E-LEARNING PADA SMA PGRI CIKAMPEK Victor Nikko Chialendra Binus University, Jakarta, DKI Jakarta, Indonesia Dan Johan Binus University, Jakarta, DKI Jakarta,
Lebih terperinciALGORITMA STEMMING UNTUK KATA SERAPAN BAHASA INDONESIA
ALGORITMA STEMMING UNTUK KATA SERAPAN BAHASA INDONESIA Nurul Hilal Ayyidar, Abdul Syukur, Hendro Subagyo Pascasarjana Teknik Informatika Universitas Dian Nuswantoro ABSTRACT Stemming algorithm is indispensable
Lebih terperinciBAB 1 PENDAHULUAN. 1 Universitas Indonesia. Pengembangan lanjut pengurai..., Pemphy Pisceldo
BAB 1 PENDAHULUAN Pada bab ini, penulis akan membahas beberapa hal yaitu latar belakang dari permasalahan, perumusan masalah, tujuan penelitian, ruang lingkup dan batasan penelitian, metode penelitian,
Lebih terperinciDATABASE DESIGN UNTUK MENGELOLA MUTASI PEGAWAI PADA BADAN KEPEGAWAIAN DAERAH BERBASIS WEB
DATABASE DESIGN UNTUK MENGELOLA MUTASI PEGAWAI PADA BADAN KEPEGAWAIAN DAERAH BERBASIS WEB Setyo Adi Nugroho Binus University, Jakarta, DKI Jakarta, Indonesia Arief Rahmansyah Binus Univeristy, Jakarta,
Lebih terperinciBAB 5 SIMPULAN DAN SARAN
BAB 5 SIMPULAN DAN SARAN 5.1 Simpulan Setelah diterapkan e-marketing strategy berbasis metode SOSTAC pada PT. Jasa Andalas Perkasa maka dapat disimpulkan : 1. Metode SOSTAC adalah metode yang cocok digunakan
Lebih terperinciPERANCANGAN SISTEM BASIS DATA TERINTEGRASI LAYANAN KESEHATAN PADA PUSKESMAS KECAMATAN TEBET
PERANCANGAN SISTEM BASIS DATA TERINTEGRASI LAYANAN KESEHATAN PADA PUSKESMAS KECAMATAN TEBET Andronov Dwi Wibowo Binus University, Jakarta, DKI Jakarta, Indonesia Adrianus Radityo Binus University, Jakarta,
Lebih terperinciArtificial intelligence
Artificial intelligence Team teaching: Sri Winiarti, Andri Pranolo, dan Anna Hendri SJ Andri Pranolo W : apranolo.tif.uad.ac.id M : 081392554050 E : andri.pranolo@tif.uad.ac.id Informatics Engineering,
Lebih terperinciSTEMMING BAHASA INDONESIA SEBAGAI MEDIA BELAJAR SISWA SEKOLAH MENGGUNAKAN ALGORITMA PORTER
STEMMING BAHASA INDONESIA SEBAGAI MEDIA BELAJAR SISWA SEKOLAH MENGGUNAKAN ALGORITMA PORTER Dony Yudha Lestiyanto, A12.2009.03537 Sistem Informasi S1 Universitas Dian Nuswantoro Semarang 2014 Abstrak Stemming
Lebih terperinciANALISIS DAN PERANCANGAN SISTEM BASIS DATA PEMASARAN DAN PENJUALAN BERBASIS WEB PADA PT.TRIMITRA SUKSES INDONESIA (TRISENDO)
ANALISIS DAN PERANCANGAN SISTEM BASIS DATA PEMASARAN DAN PENJUALAN BERBASIS WEB PADA PT.TRIMITRA SUKSES INDONESIA (TRISENDO) Sugiarto Salim Bina Nusantara University, Jakarta, sugiartosalim91@yahoo.com
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Information Retrieval (pencarian Informasi) adalah proses pemisahan dokumen-dokumen dari sekumpulan dokumen yang ada untuk memenuhi kebutuhan pengguna. Jumlah
Lebih terperinciSISTEM PAKAR PENDETEKSI PENYAKIT PADA BURUNG MURAI MENGGUNAKAN METODE FORWARD CHAINING
SISTEM PAKAR PENDETEKSI PENYAKIT PADA BURUNG MURAI MENGGUNAKAN METODE FORWARD CHAINING SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom.)
Lebih terperinciVersi Online tersedia di : JURNAL TECH-E (Online)
JURNAL TECH-E - VOL. 1 NO. 1 (2017) Versi Online tersedia di : http://bsti.ubd.ac.id/e-jurnal JURNAL TECH-E 2581-116 (Online) Artikel Perancangan Aplikasi Prediksi Kelulusan Mahasiswa Tepat Waktu Pada
Lebih terperinciAnalisa dan Perancangan Sistem Informasi Penggajian
Analisa dan Perancangan Sistem Informasi Penggajian Hendri STMIK TIME Jl. Merbabu no. 32 AA-BB Medan Telp. (061)-4561931 Fax. (061)-4533681 h4ndr7@hotmail.com Abstrak Perkembangan teknologi informasi dan
Lebih terperinciAPLIKASI PENJUALAN, PEMBELIAN DAN RETUR PADA PT GLORIA CIPTA KARYA
APLIKASI PENJUALAN, PEMBELIAN DAN RETUR PADA PT GLORIA CIPTA KARYA Ivan Alexander, David Presly Cornelius, Fredick Soputra, Abdul Aziz Program Studi Teknik Informatika, Universitas Bina Nusantara Email
Lebih terperinciBAB I PENDAHULUAN. pengetahuan yang sangat populer saat ini. Dengan ilmu pengetahuan ini, teknologi di
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Teknologi Informasi dan Komunikasi (TIK) merupakan suatu cabang ilmu pengetahuan yang sangat populer saat ini. Dengan ilmu pengetahuan ini, teknologi di dunia
Lebih terperinciSISTEM INFORMASI PRODUCTION PLANNING AND INVENTORY CONTROL BERBASIS MULTI USER PADA PT. SAI GARMENT INDUSTRIES SEMARANG.
SISTEM INFORMASI PRODUCTION PLANNING AND INVENTORY CONTROL BERBASIS MULTI USER PADA PT. SAI GARMENT INDUSTRIES SEMARANG Mu tazilah Sekolah Tinggi Elektronika Dan Komputer STEKOM - Semarang Abstrak PT.
Lebih terperinciParsing dan Konversi Kalimat Tanya Konfirmatif Menjadi Query Sparql Menggunakan Pendekatan Top-Down Parsing
Volume 9 Nomor 2, Oktober 2016 Hlm. 91-98 ISSN 0216-9495 (Print) ISSN 2502-5325 (Online) Parsing dan Konversi Kalimat Tanya Konfirmatif Menjadi Query Sparql Menggunakan Pendekatan Top-Down Parsing Mohammad
Lebih terperinciANALISIS DAN PERANCANGAN SISTEM BASIS DATA UNTUK APLIKASI BANK SOAL PADA BINUS SCHOOL SERPONG
ANALISIS DAN PERANCANGAN SISTEM BASIS DATA UNTUK APLIKASI BANK SOAL PADA BINUS SCHOOL SERPONG Oleh Hari Wijaya 1301057564 Sevira Alvini Thomas 1301059891 Djauharry Noor D1348 ABSTRAK Tujuan penelitian
Lebih terperinciKESIMPULAN DAN SARAN
BAB 5. BAB 5 Kesimpulan Dan Saran KESIMPULAN DAN SARAN 5.1 Kesimpulan Kesimpulan yang didapatkan dari penelitian ini adalah sebagai berikut: 1. Mengacu kepada tujuan awal dari penelitian ini yakni membuat
Lebih terperinciAnalisis Dan Perancangan Sistem Informasi Pelaporan Proyek Pada PT Icon Indonesia
Analisis Dan Perancangan Sistem Informasi Pelaporan Proyek Pada PT Icon Indonesia Jati Putra 1) STMIK IBBI Jalan Sei Deli No. 18 Medan Email: h4t4k4@gmail.com Abstrak Pada perusahaan kontraktor seperti
Lebih terperinciBAB V KESIMPULAN. Wajah pada Subruang Orthogonal dengan Menggunakan Laplacianfaces
BAB V KESIMPULAN Berdasarkan uji coba dan analisis hasil pengujian terhadap Sistem Pengenalan Wajah pada Subruang Orthogonal dengan Menggunakan Laplacianfaces Terdekomposisi QR dapat disimpulkan sebagai
Lebih terperinciLaudon, K. C., & Laudon, J. P. (2010). Management Information Systems : Managing the Digital Firm, 11th Edition. New Jersey: Prentice Hall.
REFERENSI Badan Ketahanan Pangan Kementerian Pertanian. (2013). Panduan Pengelolaan Cadangan Pangan Pemerintah Provinsi dan Kabupaten/Kota. Jakarta: Badan Ketahanan Pangan Kementerian Pertanian. Badan
Lebih terperinciIMPLEMENTASI ALGORITMA STOCHASTIC HILL CLIMBING PADA PERMAINAN MASTERMIND
IMPLEMENTASI ALGORITMA STOCHASTIC HILL CLIMBING PADA PERMAINAN MASTERMIND Ruby Vidian Hartanto, Joko Purwadi, Gunawan Santosa Program Studi Teknik Informatika Fakultas Teknik Universitas Kristen Duta Wacana
Lebih terperinciPERANCANGAN SISTEM INFORMASI WIDYAISWARA DIVISI LEARNING CENTER PT. POS INDONESIA
PERANCANGAN SISTEM INFORMASI WIDYAISWARA DIVISI LEARNING CENTER PT. POS INDONESIA Uro Abdulrohim 1, M. Syarkawi 2 STMIK BANDUNG Sekolah Tinggi Manajemen dan Informatika Bandung JL. Cikutra No. 113, Bandung
Lebih terperinci