BAB I PENDAHULUAN. Informasi yang terdapat dalam Laporan Hasil Pemeriksaan (LHP) BPK RI
|
|
- Leony Lie
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB I PENDAHULUAN I.1 Latar Belakang Informasi yang terdapat dalam Laporan Hasil Pemeriksaan (LHP) BPK RI saat ini belum di-manaje dengan baik secara digital. Informasi yang terdapat dalam LHP yang terdapat pada 33 provinsi sampai saat ini hanya terkumpul di satu tempat tanpa ada proses selanjutnya untuk mengambil informasi inti dalam laporan tersebut. Ketiadaan proses ekstraksi informasi ini mengakibatkan adanya kesulitan jika sewaktu waktu diperlukan informasi tertentu dari sejumlah besar dokumen LHP. Selain itu, tidak adanya aplikasi pencarian informasi menghambat adanya proses pembelajaran terhadap laporan-laporan yang ada sebelumnya, sehingga apabila terjadi kasus yang sama di masa sekarang, maka proses pembelajaran tidak dapt berjalan secara efektif. Oleh karena itu, diperlukan sebuah aplikasi yang mampu melakukan ekstraksi informasi dari sekumpulan dokumen LHP untuk dapat mengambil data inti dari dokumen tersebut. Berdasarkan Undang-Undang No. 15 Tahun 2006 pasal 6 ayat (3), pemeriksaan BPK mencakup pemeriksaan keuangan, pemeriksaan kinerja, dan pemeriksaan dengan tujuan tertentu. Laporan yang akan menjadi obyek dalam penelitian ini adalah laporan yang merupakan hasil dari pemeriksaan keuangan. Pemeriksaan keuangan adalah pemeriksaan atas laporan keuangan pemerintah (Pusat, Daerah, BUMN, dan BUMD) dengan tujuan pemeriksaan menilai kewajaran laporan keuangan dan memberikan pernyataan pendapat/opini tentang 1
2 tingkat kewajaran informasi yang disajikan dalam laporan keuangan pemerintah pusat/daerah. Tahapan yang harus dilalui dalam pemeriksaan adalah tahap persiapan, tahap pelaksanaan, dan tahap pelaporan. Penelitian ini akan berfokus pada salah satu proses dalam tahap pelaporan, yaitu penyusunan konsep laporan hasil pemeriksaan. Pemeriksaan yang menjadi obyek dalam penelitiaan ini adalah pemeriksaan Laporan Keuangan Pemerintah Daerah (LKPD). Laporan Hasil Pemeriksaan (LHP) LKPD, terbagi dalam beberapa bagian, yaitu: 1. Laporan Hasil Pemeriksaan atas Laporan Keuangan; 2. Laporan Hasil Pemeriksaan atas Sistem Pengedalian Intern (SPI); 3. Laporan Hasil Pemeriksaan atas Kepatuhan terhadap Peraturan Perundang-undangan. Penelitian ini akan berfokus pada Temuan Pemeriksaan (TP) LHP atas SPI dan TP LHP atas Keputuhan terhadap Peraturan Perundang-undangan. Temuan pemeriksaan muncul karena adanya kondisi yang tidak memenuhi kriteria pemeriksaan yang ditetapkan. Jika kondisi memenuhi atau melebih kriteria, hal ini mengindikasikan bahwa entitas telah melaksanakan praktik terbaik. Sebaliknya, jika kondisi tidak memenuhi kriteria, hal ini mengindikasikan perlunya tindakan perbaikan. Temuan pemeriksaan meliputi unsur-unsur kondisi, kriteria, akibat, sebab, tanggapan dari entitas terperiksa, dan saran atau rekomendasi. Kondisi yang ada di BPK saat ini, tidak ada aplikasi yang membantu pemeriksa dalam memetakan saran ataupun mengelompokkan saran berdasarkan kriteria, sebab, akibat, atau jenis temuan. Laporan Hasil Pemeriksaan (LHP) yang 2
3 ada hanya dikumpulkan berdasarkan jenis pemeriksaan tanpa dikelompokkan lebih lanjut per kasus atau temuan pada masing-masing LHP. Hal ini berarti tidak adanya klasifikasi temuan pemeriksaan berdasarkan kondisi, kriteria, sebab, dan akibat dan tidak ada proses pengambilan informasi berdasarkan hasil pemeriksaan yang ada untuk menentukan arah kebijakan selanjutnya. Di samping itu, tidak ada data mengenai keterkaitan antara saran pemeriksaan dengan komponen lain dalam temuan pemeriksaan. I.1.1 Perumusan Masalah Penelitian ini akan melakukan klasifikasi bagian dalam temuan pemeriksaan berdasarkan kriteria, sebab, akibat, tanggapan, dan saran pemeriksaan dengan mengembangkan sebuah Sistem Informasi yang mampu mengambil informasi inti dari temuan pemeriksaan. Saat ini, Temuan Pemeriksaan (TP) yang merupakan bagian dari Laporan Hasil Pemeriksaan (LHP) hanya dikumpulkan secara elektronis berupa file pdf. Dari kumpulan file pdf tersebut, tidak ada proses yang dilakukan lebih lanjut untuk mendapatkan suatu informasi sebagai dasar pengambilan keputusan bagi top level management ataupun pengambilan keputusan untuk mempertimbangkan penyusunan LHP bagi kasus serupa di lokasi yang berbeda. Pengambilan informasi yang selama ini dilakukan hanya bersifat manual dan sepotong-sepotong, sehingga sangat memungkinkan terjadinya perbedaaan informasi yang diambil untuk kasus yang semestinya serupa. Oleh karena itu diperlukan suatu aplikasi yang mampu mengidentifikasi atau mengklasifikasi temuan temuan pemeriksaan yang telah ada pada tahun-tahun sebelumnya, 3
4 sehingga dengan adanya aplikasi ini diharapkan dapat membantu proses pengambilan keputusan. Penelitian ini akan menggunakan salah satu cabang dari Pemrosesan Bahasa Alami, yaitu Ekstraksi Informasi. Ekstraksi Informasi dapat diartikan sebagai sebuah proses untuk mendapatkan informasi inti dari dokumen tidak terstruktur ataupun dokumen semi terstruktur. Dalam penelitian ini, ekstraksi informasi dibagi dalam dua proses, yaitu preprocessing dan klasifikasi. Preprocessing dilakukan untuk menyiapkan dokumen agar dapat diproses pada tahap berikutnya, yaitu klasifikasi, serta untuk mendapatkan akurasi yang lebih tinggi dari hasil klasifikasi. Sedangkan klasifikasi merupakan proses inti dalam penelitian ini, yang bertujuan untuk mengelompokkan isi dokumen ke dalam beberapa klasifikasi. I.1.2. Keaslian Penelitian Penelitian mengenai Pemrosesan Bahasa Alami ataupun part of speech tagger untuk bahasa Indonesia pernah dilakukan oleh beberapa peneliti. Salah satu diantaranya menggunakan metode Conditional Random Fields dan Transformation Based Learning [1]. Penelitian ini menghasilkan suatu aplikasi part-of-speech tagger untuk Bahasa Indonesia dengan memanfaatkan tiga metode, yaitu Conditional Random Fields, Transformation Based Learning, dan kombinasi kedua metode tersebut. Hasil dari penelitian ini adalah, tagging tertinggi dengan metode Conditional Random Fields mencapai 80,21%, dengan metode Transformation Based Learning 90,08%, dan dengan kombinasi kedua metode 86,24%. Berdasarkan hasil penelitian, metode Transformation Based 4
5 Learning adalah metode yang paling cocok untuk diterapkan dalam pembuatan part-of-speech tagger untuk Bahasa Indonesia jika dibandingkan dengan kedua metode lain. Penelitian serupa memanfaatkan algoritma GLR (Generalized Left-to-right Rightmost) dengan kalimat yang dibangun bersifat rule-based untuk membangun pengurai kalimat Bahasa Indonesia [2]. Kelebihan dari penelitian ini dibandingkan penelitian sebelumnya adalah pengurai kalimat yang dinamai INAGP ini mampu menguraikan semua jenis kalimat majemuk. Sedangkan kendala dari penelitian ini adalah kurang sempurnanya grammar yang digunakan, yang hanya melingkupi kalimat deklaratif saja. Selain itu, kalimat uji yang digunakan masih terbatas. Penelitian lain mengenai PBA menggunakan metode Hidden Markov Model (HMM) untuk membangun POS Tagger Bahasa Indonesia (HMM Based Part-of- Speech Tagger for Bahasa Indonesia) [3]. Dari penelitian yang dilakukan terhadap model HMM yang dibangun pada 1500 token data corpus dan 15% out of vocabulary (OOV) corpus, akurasi yang dicapai adalah 96,50%, dimana 99,40% untuk kata-kata yang ada dalam kosakata bahasa Indonesia, dan 80,40% untuk kata-kata di luar kosakata bahasa Indonesia (OOV-out of vocabulary). Penelitian tentang ekstraksi informasi untuk bahasa Indonesia pernah dilakukan oleh Kurnia Muludi dengan judul Evaluasi Kinerja Algoritma Support Vector Machine dalam Ekstraksi Informasi Korpus Berbahasa Indonesia [4]. Penelitian ini melihat pengaruh beberapa parameter SVM pada kinerja ekstraksi informasi dengan menggunakan 60 teks yang diambil dari situs-situs surat kabar. Berita yang diambil berkaitan dengan perkembangan komoditi sayur mayur di 5
6 kota-kota di Indonesia. Hasil F-Measure terbaik SVM-GATE pada Korpus berbahasa Indonesia adalah 49,64% (Strict) dan 58,45% (Lenient). Kinerja terbaik SVM-GATE terbaik diperoleh pada margin tau = 0,3 dan window size = 4. Saran yang dalam penelitian ini adalah diperlukan pengayaan NLP features yag lain, misalnya penggunaan Part of Speech Tagger untuk Bahasa Indonesia untuk meningkatkan kinerja SVM-GATE. Penelitian yang akan dilakukan oleh penulis adalah bagaimana cara yang dapat dilakukan untuk mendapatkan hasil ekstraksi informasi dari Laporan Hasil Pemeriksaan (LHP) atas Laporan Keuangan Pemerintah Daerah (LKPD) dengan menggunakan output dari penelitian sebelumnya, yaitu HMM Based Part-of- Speech Tagger for Bahasa Indonesia. Penelitian ini akan memanfaatkan aplikasi IPOSTagger yang dibangun dengan metode HMM. Dokumen LHP akan menjadi input pada aplikasi IPOSTagger, dan selanjutnya proses klasifikasi akan dilakukan terhadap output dari aplikasi ini. Informasi yang diharapkan dari penelitian ini adalah berupa pengelompokkan komponen temuan pemeriksaan dalam LHP LKPD yang berupa kriteria, sebab, akibat, tanggapan, dan saran. I.1.3 Manfaat Penelitian Hasil dari penelitian ini diharapkan dapat diperoleh informasi digital dari data Temuan Pemeriksaan (TP) dalam Laporan Hasil Pemeriksaan (LHP) Laporan Keuangan Pemerintah Daerah (LKPD). Informasi tersebut dapat dikelompokkan dalam kategori kriteria, sebab, akibat, tanggapan, dan saran pemeriksaan. Informasi yang merupakan output dari aplikasi ini nantinya dapat dimanfaatkan 6
7 untuk mengelompokkan dan menghubungkan jenis pemeriksaan dengan setiap bagian dokumen, yaitu kriteria, akibat, sebab, tanggapan, dan saran pemeriksaan. I.2 Tujuan Penelitian Tujuan dari penelitian ini adalah membuat tools untuk dapat meng-ekstrak informasi yang terdapat dalam Laporan Hasil Pemeriksaan (LHP) Laporan Keuangan Pemerintah Daerah (LKPD). Informasi dalam Temuan Pemeriksaan (TP) LHP LKPD yang ingin diperoleh dari penelitian ini adalah kriteria, sebab, akibat, tanggapan, dan saran pemeriksaan. I.3 Tinjauan Pustaka Ekstraksi Informasi adalah proses pengubahan dokumen tidak terstruktur atau semi terstruktur dengan domain tertentu ke dalam sebuah struktur informasi yang relevan. Secara sederhana, ekstraksi informasi juga bisa diartikan sebagai sebuah proses untuk mendapatkan bagian-bagian penting atau intisari dari dokumen tidak terstruktur, yang kemudian informasi tersebut dapat diproses lebih lanjut secara otomatis, misalnya untuk menjawab pertanyaan [5]. Terdapat tiga metode yang dapat digunakan dalam ekstraksi informasi, yaitu : a. Rule-based methods Rule-based methods menggunakan pola tertentu (template) untuk menganalisa struktur teks, yang nantinya akan digunakan untuk mencari dan menafsirkan informasi inti dari dokumen. Pola yang digunakan dapat diinputkan secara manual atau didapat dari hasil pengolahan oleh mesin. 7
8 b. Statistical methods Statistical methods menggunakan perhitungan matematika untuk memprediksi kemiripan dari informasi yang diharapkan dengan dokumen yang ada, dengan membandingkan informasi dan konteks kalimat. c. Knowledge-based methods Pendekatan ini memanfaatkan informasi eksternal untuk membantu proses kategorisasi dan klasifikasi teks sehingga informasi inti dari dokumen dapat lebih mudah ditemukan. Ekstraksi informasi merupakan salah satu bagian dari Pemrosesan Bahasa Alami (Natural Language Processing). Pemrosesan Bahasa Alami (PBA) adalah salah satu tujuan jangka panjang dari Artificial Intelligence (AI) yang memiliki kemampuan untuk memahami bahasa manusia. Inti dari pemrosesan bahasa alami adalah penguraian kalimat atau parser. Parser berfungsi untuk membaca kalimat, kata demi kata dan menentukan jenis kata apa saja yang termasuk dalam kelompok kata tersebut. Pemrosesan Bahasa Alami terdiri dari beberapa bagian, yaitu : a. Information Retrieval (IR) Information Retrieval (IR) diartikan sebagai tindakan, metode, dan prosedur untuk menemukan kembali data yang tersimpan, kemudian menyediakan informasi mengenai subyek yang dibutuhkan. IR mencakup teks, table, gambar, ucapan, dan video. Informasi termasuk pengetahuan terkait yang dibutuhkan untuk mendukung penyelesaian masalah dan akuisisi pengetahuan. 8
9 b. Passage Retrieval Bidang ini bertujuan untuk mencari dan menghasilkan salah satu bagian dalam dokumen sesuai dengan query yang diinputkan. c. Information Extraction IE bisa dimanfaatkan untuk meng-ekstrak informasi secara otomatis dari teks berbahasa alami. IE juga bisa digunakan untuk mengumpulkan informasi terstruktur yang berasal dari dokumen tidak terstruktur ataupun semi terstruktur. d. Question/Answering Tasks Question/Answering Tasks merupakan gabungan dari IR dan IE, yang bisa digunakan untuk menjawab pertanyaan-pertanyaan umum dengan menggunakan teks sebagai dasar pengambilan informasi (fact retrieval). e. Text Understanding Text Understanding berfungsi untuk memahami teks sebagaimana manusia dapat memahaminya, dengan memanfaatkan Artificial Intelligence. Terdapat beberapa metode yang dapat digunakan untuk melakukan ekstraksi informasi, di antaranya adalah dengan Hidden Markov Model, Support Vector Machine, Collin s Parser. HMM merupakan metode yang banyak digunakan untuk ekstraksi informasi, akan tetapi tidak dapat digunakan utnuk menangani token dengan multiple attribute. Sedangkan Support Vector Machine (SVM) adalah bagian dari Support machine learning, dan telah mencapai kinerja state-of-the-art pada 9
10 berbagai classification task, termasuk named entity recognition.klassifier SVM dapat menduga dimana suatu jenis tag berawal dan berakhir dalam suatu teks. Pengurai Collin (Collin s Parser) adalah pengurai dengan metode statistik yang memiliki kecepatan pemrosesan dan akurasi yang lebih baik jika dibandingkan dengan metode statistik lainnya. Penelitian ini akan menggunakan output yang dihasilkan oleh POS Tagging dengan metode HMM karena tingkat akurasinya yang tinggi, yaitu 96,5% dan 99,4% untuk kata-kata yang terdapat dalam kamus, serta 80,4% untuk kata-kata yang tidak tercantum dalam kamus. 10
1. PENDAHULUAN 1.1 Latar belakang Masalah
1. PENDAHULUAN 1.1 Latar belakang Masalah Bahasa Indonesia adalah alat yang mampu menjembatani penduduk Indonesia yang terdiri dari berbagai suku dan bahasa untuk dapat berkomunikasi satu sama lainnya.
Lebih terperinciAlgoritma Ekstraksi Informasi Berbasis Aturan
242 JNTETI, Vol. 03, No. 04, November 2014 Algoritma Ekstraksi Informasi Berbasis Aturan Agny Ismaya 1 Abstract The information in in the audit report of local government financial statement (LHP LKPD)
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. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang pesat mempermudah akses terhadap informasi tekstual yang sangat besar jumlahnya, baik yang terdapat pada Internet maupun pada koleksi dokumen
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 II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Data Mining adalah proses yang mempekerjakan satu atau lebih teknik pembelajaran komputer (machine learning) untuk menganalisis dan mengekstraksi pengetahuan (knowledge)
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Memasuki era big data, pertumbuhan data berbentuk dokumen teks semakin tinggi. Sehingga diperlukan text processing untuk pengolahan data yang sangat besar. Dokumen
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi informasi sudah semakin maju. Beberapa aplikasi text mining awal menggunakan penyajian sederhana yang disebut dengan bag-ofwords' ketika
Lebih terperinciBABI PENDAHULUAN. 1.1 Latar Belakang
BABI PENDAHULUAN 1.1 Latar Belakang Named entity recognition(ner) merupakan salah satu bagian domain Information Extraction(IE) pada sistem Natural Language Processing(NLP). Sistem NER bertujuan untuk
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN Bab ini berisi tentang latar belakang (subbab 1.1), tujuan penelitian (subbab 1.2), perumusan dan pembatasan masalah (subbab 1.3), metodologi penelitian (subbab 1.4), serta penjelasan
Lebih terperinciBAB I PENDAHULUAN! 1.1 Latar Belakang
1.1 Latar Belakang BAB I PENDAHULUAN Untuk dapat tetap bisa menjalankan proses bisnisnya dengan baik, suatu instansi harus memenuhi suatu standar dalam melayani keinginan konsumen atau yang biasa dikenal
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pertumbuhan jumlah situs web (website) di Internet berdasarkan hasil survey dari Netcraft (2013) menunjukkan peningkatan pesat dari 18 juta website pada tahun 2000
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Meningkatnya perkembangan teknologi juga diikuti dengan berkembangnya penggunaan berbagai situs jejaring sosial. Salah satu jejaring sosial yang sangat marak digunakan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan media dan teknologi informasi, terutama pada perkembangan internet dan media sosial, menjadikan fungsi internet dari suatu media informasi biasa, bertambah
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 I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kemajuan dibidang teknologi informasi dan telekomunikasi berdampak pada munculnya berbagai media sosial, seperti Twitter. Twitter didirikan oleh Jack Dorsey, Biz Stone,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1. BAB I PENDAHULUAN 1.1 Latar Belakang website adalah salah satu layanan yang bisa digunakan untuk melakukan pencarian berbagai informasi, sehingga sangat dibutuhkan untuk keperluan pengguna dalam pencarian
Lebih terperinciBab 1 Pendahuluan 1.1 Latar Belakang
Bab 1 Pendahuluan 1.1 Latar Belakang Bahasa merupakan salah satu aspek penting dalam kehidupan manusia karena bahasa adalah alat untuk berkomunikasi dengan manusia lain. Bahasa dapat disajikan dalam bentuk
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 terperinciPERBANDINGAN DECISION TREE, MAXIMUM ENTROPY, DAN ASSOCIATION RULES PADA RESOLUSI KOREFERENSI UNTUK BAHASA INDONESIA
PERBANDINGAN DECISION TREE, MAXIMUM ENTROPY, DAN ASSOCIATION RULES PADA RESOLUSI KOREFERENSI UNTUK BAHASA INDONESIA Astria Kurniawan Sumantri 1, Indra Budi 2, Heri Kurniawan 2 1,2,3 Fakultas Ilmu Komputer,Universitas
Lebih terperinciSKRIPSI. Triastuti Chandrawati
Pengembangan Part of Speech Tagger untuk Bahasa Indonesia Berdasarkan Metode Conditional Random Fields dan Transformation Based Learning SKRIPSI Triastuti Chandrawati 1204000866 UNIVERSITAS INDONESIA FAKULTAS
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Fiqih berarti paham atau mengerti, merupakan salah satu bagian dari domain agama. Hukum mempelajarinya adalah fardu ain bagi setiap kaum muslimin (Rasjid, 2013). Pemanfaatan
Lebih terperinciPREDIKSI JEDA DALAM UCAPAN KALIMAT BAHASA INDONESIA DENGAN HIDDEN MARKOV MODEL. Adhitya Teguh Nugraha
PREDIKSI JEDA DALAM UCAPAN KALIMAT BAHASA INDONESIA DENGAN HIDDEN MARKOV MODEL Adhitya Teguh Nugraha Program Studi Teknik Informatika Jurusan Teknik Elektro Fakultas Teknik Universitas Tanjungpura ituteguh@gmail.com
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi komputer khususnya di jaringan Internet telah berkembang dengan sangat cepat. Semua orang dapat saling bertukar dan mendapatkan informasi
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Penelitian Terkait 2.1.1. Implementasi Opinion Mining Pernah dilakukan penelitian tentang opinion mining membahas tentang ekstraksi data opini publik pada perguruan tinggi.
Lebih terperinciPenerapan Support Vector Machine untuk Ekstraksi Informasi dari Dokumen Teks
Penerapan Support Vector Machine untuk Ekstraksi Informasi dari Dokumen Teks LAPORAN TUGAS AKHIR Disusun sebagai syarat kelulusan tingkat sarjana oleh : Paramita / 13504040 PROGRAM STUDI TEKNIK INFORMATIKA
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Kata kunci (keyword) merupakan kata-kata singkat yang dapat menggambarkan isi suatu artikel ataupun dokumen (Figueroa,et al. 2014). Kata kunci memberikan kemudahan
Lebih terperinciBAB I PENDAHULUAN. untuk bisa mengeluarkan pendapat dan ekspresi secara bebas. Itu artinya perusahaan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Pesatnya perkembangan media sosial menawarkan pengguna kesempatan untuk bisa mengeluarkan pendapat dan ekspresi secara bebas. Itu artinya perusahaan tidak lagi memiliki
Lebih terperinciBAB I. Pendahuluan. 1. Latar Belakang Masalah
BAB I Pendahuluan 1. Latar Belakang Masalah Semakin canggihnya teknologi di bidang komputasi dan telekomunikasi pada masa kini, membuat informasi dapat dengan mudah didapatkan oleh banyak orang. Kemudahan
Lebih terperinciPENYESUAIAN PENGURAI COLLINS UNTUK BAHASA INDONESIA
BAB III PENYESUAIAN PENGURAI COLLINS UNTUK BAHASA INDONESIA Pada Bab III ini akan dijelaskan mengenai proses-proses yang diperlukan dalam proses awal (preprocessing) membentuk file masukan untuk pengurai
Lebih terperinciEKSTRAKSI OPINION HOLDER MENGGUNAKAN METODE MAXIMUM ENTROPY PADA KALIMAT OPINI BERBAHASA INDONESIA
EKSTRAKSI OPINION HOLDER MENGGUNAKAN METODE MAXIMUM ENTROPY PADA KALIMAT OPINI BERBAHASA INDONESIA TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah
Lebih terperinciANALISIS KLASIFIKASI SENTIMEN LEVEL ASPEK MENGGUNAKAN PENDEKATAN PEMBELAJARAN SUPERVISED
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 3654 ANALISIS KLASIFIKASI SENTIMEN LEVEL ASPEK MENGGUNAKAN PENDEKATAN PEMBELAJARAN SUPERVISED ASPECT LEVEL SENTIMENT CLASSIFICATION
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Bahasa alami adalah bahasa yang biasa digunakan untuk berkomunikasi antarmanusia, misalnya bahasa Indonesia, Sunda, Jawa, Inggris, Jepang, dan sebagainya. Bahasa
Lebih terperinciBAB I PENDAHULUAN 1.1 Tujuan 1.2 Latar Belakang
BAB I PENDAHULUAN 1.1 Tujuan Merancang sebuah sistem yang dapat meringkas teks dokumen secara otomatis menggunakan metode generalized vector space model (GVSM). 1.2 Latar Belakang Dunia informasi yang
Lebih terperinciBAB I PENDAHULUAN. gabah, dan yang sudah dibuang kulit luarnya disebut beras. Dalam praktek di
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Padi merupakan bahan makanan pokok bagi masyarakat Indonesia. Sebagian dari masyarakat kita sumber makanannya dapat berasal dari jagung, sorghum, dan sagu.
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian merupakan rangkaian dari langkah-langkah yang diterapkan dalam penelitian, secara umum dan khusus langkah-langkah tersebut tertera pada Gambar flowchart
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 terperinciBAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Permasalahan CBIR ( Content Based Image Retrieval) akhir-akhir ini merupakan salah satu bidang riset yang sedang berkembang pesat (Carneiro, 2005, p1). CBIR ini menawarkan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian merupakan sistematika tahap-tahap yang dilaksanakan dalam pembuatan tugas akhir. Adapun tahapan yang dilalui dalam pelaksanaan penelitian ini adalah
Lebih terperinciPEMANFAATAN TEKNIK STEMMING UNTUK APLIKASI TEXT PROCESSING BAHASA INDONESIA SKRIPSI. Oleh : SEPTIAN BAGUS WAHYONO NPM :
PEMANFAATAN TEKNIK STEMMING UNTUK APLIKASI TEXT PROCESSING BAHASA INDONESIA SKRIPSI Oleh : SEPTIAN BAGUS WAHYONO NPM : 0734010126 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS
Lebih terperinci: Peringkasan Terpandu Otomatis (Automatic Guided Summarization)
I. Identitas Calon Promotor Nama Lengkap Fakultas/Sekolah Kelompok Keahlian Telp/Fax/E mail : Ir. Dwi Hendratmo Widyantoro, M.Sc., Ph.D. : STEI : Informatika : (022)2502260/dwi@stei.itb.ac.id II. Deskripsi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar belakang
BAB I PENDAHULUAN 1.1 Latar belakang Dalam beberapa tahun terakhir teknologi informasi dan telekomunikasi berkembang dengan pesat. Masyarakat mendapatkan manfaat dari tekonologi informasi dan telekomunikasi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1. 1.1 Latar Belakang Perkembangan dunia telekomunikasi meningkat secara signifikan dalam kurun waktu satu dekade terahir. Tidak hanya dari segi jumlah pengguna, jenis layanan yang ditawarkanpun
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Bagi perusahaan yang bergerak dalam industri manufaktur, sistem informasi produksi yang efektif merupakan suatu keharusan dan tidak lepas dari persoalan persediaan
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Indonesia
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan semakin berkembangnya teknologi telekomunikasi, internet menjadi sesuatu yang tidak lagi sulit dan mahal. Kemudahan ini menyebabkan internet dipenuhi berbagai
Lebih terperinciBAB II DASAR TEORI Crawler Definisi Focused Crawler dengan Algoritma Genetik [2]
BAB II DASAR TEORI Pada bab ini dibahas teori mengenai focused crawler dengan algoritma genetik, text mining, vector space model, dan generalized vector space model. 2.1. Focused Crawler 2.1.1. Definisi
Lebih terperinciNATURAL LANGUAGE PROCESSING DENGAN TEKNIK STATE MACHINE PARSER
NATURAL LANGUAGE PROCESSING DENGAN TEKNIK STATE MACHINE PARSER Hanif Al Fatta Abstraksi Aplikasi konsep AI terus berkembang. Salah satunya adalah bagaimana membuat komputer memahami perintah yang diberikan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Semakin canggihnya teknologi di bidang komputasi dan telekomunikasi pada masa kini, membuat informasi dapat dengan mudah didapatkan oleh banyak orang. Kemudahan ini
Lebih terperinciIMPLEMENTASI K NEAREST NEIGHBOR (KNN) PADA KLASIFIKASI ARTIKEL WIKIPEDIA INDONESIA
IMPLEMENTASI K NEAREST NEIGHBOR (KNN) PADA KLASIFIKASI ARTIKEL WIKIPEDIA INDONESIA Erik Hardiyanto 1, Faisal Rahutomo 2, Dwi Puspitasari 3 Jurusan Teknologi Informasi, Program Studi Teknik Informatika,
Lebih terperinciPENYUSUNAN STRONG S CONCORDANCE UNTUK ALKITAB PERJANJIAN BARU BAHASA INDONESIA.
PENYUSUNAN STRONG S CONCORDANCE UNTUK ALKITAB PERJANJIAN BARU BAHASA INDONESIA Gunawan 1, Devi Dwi Purwanto, Herman Budianto, dan Indra Maryati 1 Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut
Lebih terperinciAnalisis Sentimen Menggunakan Lexicalized-Hidden Markov Model(L-HMM)
Analisis Sentimen Menggunakan Lexicalized-Hidden Markov Model(L-HMM) Virani Kartika Satrioputri 1, Warih Maharani 2, Jondri 3 Abstrak Saat ini semakin banyak produsen yang menawarkan produknya melalui
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Salah satu cabang dari ilmu komputer yang mulai populer adalah Artificial Intelligence atau kecerdasan buatan. Kecerdasan buatan merupakan sub-bidang dari
Lebih terperinciDAFTAR ISI. Adryan Ardiansyah, 2013 Sistem Pengenalan Entitas Dengan Perceptron Pada Tweets Universitas Pendidikan Indonesia repository.upi.
DAFTAR ISI ABSTRAK...i ABSTRACT... ii KATA PENGANTAR... iii DAFTAR ISI... v DAFTAR GAMBAR...vii DAFTAR TABEL... viii DAFTAR ISTILAH... ix BAB I PENDAHULUAN... 1 1.1 Latar Belakang... 1 1.2 Rumusan Masalah...
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Proses pendidikan yang baik dapat dilihat dari hasil pembelajaran yang dilakukan melalui ujian atau tes. Tipe ujian atau latihan dapat dilakukan dengan berbagai
Lebih terperinciPenggunaan Named Entity Recognition dan Artificial Intelligence Markup Language untuk Penerapan Chatbot Berbasis Teks
Jurnal Telematika, vol. 10 no. 2, Institut Teknologi Harapan Bangsa, Bandung ISSN: 1858-2516 Penggunaan Named Entity Recognition dan Artificial Intelligence Markup Language untuk Penerapan Chatbot Berbasis
Lebih terperinciPart-of-Speech (POS) Tagging Bahasa Indonesia Menggunakan Algoritma Viterbi
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Part-of-Speech (POS) Tagging Bahasa Indonesia Menggunakan Algoritma Viterbi Nitin Sabloak 1, Bebeto Agung Hardono 2, Derry Alamsyah 3 1,2 STMIK GI
Lebih terperinciPENYUSUNAN KORPUS BERITA TERBUKA BERBAHASA INDONESIA
PENYUSUNAN KORPUS BERITA TERBUKA BERBAHASA INDONESIA Ahmad Rio Adriansyah STT Terpadu Nurul Fikri, arasy@nurulfikri.ac.id, ahmad.rio.adriansyah@gmail.com Abstrak Korpus dalam bahasa Indonesia dibutuhkan
Lebih terperinciIKI 40931: Topik Khusus: NLP Kuliah 5: POS Tagging (Lanjutan)
IKI 40931: Topik Khusus: NLP Kuliah 5: POS Tagging (Lanjutan) (Bab 8.5-8.8 Jurafsky & Martin) Ruli Manurung Fakultas Ilmu Komputer Universitas Indonesia 25 Februari 2008 Outline Stochastic POS Tagging
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN Bab ini akan menjelaskan latar belakang dari penelitian yang memberikan gambaran awal mengenai analisis sentimen dan perannya dalam perkembangan teknologi informasi. Tujuan dan ruang
Lebih terperinciBAB IV PREPROCESSING DATA MINING
BAB IV PREPROCESSING DATA MINING A. Konsep Sebelum diproses data mining sering kali diperlukan preprocessing. Data preprocessing menerangkan tipe-tipe proses yang melaksanakan data mentah untuk mempersiapkan
Lebih terperinciSistem Rekomendasi Hasil Pencarian Artikel Menggunakan Metode Jaccard s Coefficient
Jurnal Transistor Elektro dan Informatika (TRANSISTOR EI) Vol. 2, No. 1 1 Sistem Rekomendasi Hasil Pencarian Artikel Menggunakan Metode Jaccard s Coefficient Muhammad Fadelillah, Imam Much Ibnu Subroto,
Lebih terperinciBAB 1 PENDAHULUAN. seluruh dunia menjadi sebuah fenomena yang sangat mengejutkan dalam satu abad
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan komputer di dalam lingkungan kehidupan masyarakat di seluruh dunia menjadi sebuah fenomena yang sangat mengejutkan dalam satu abad terakhir ini. Hal
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 1.1 Tinjauan studi Penelitian yang sudah ada sebelumnya, yaitu : 1. Nur Afifah (2010), Pembuatan Kamus Elektronik Kalimat Bahasa Indonesia dan Bahasa Jawa untuk Aplikasi Mobile
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada zaman seperti sekarang ini, jurnal atau berita elektronik merupakan suatu bentuk hasil karya dari seseorang yang sudah familiar. Di dalam karyakarya tersebut
Lebih terperinciBAB III METODOLOGI PENELITIAN
60 BAB III METODOLOGI PENELITIAN 1.1 Desain Penelitian Desain penelitian adalah tahapan atau gambaran yang akan dilakukan dalam penelitian. Desain penelitian dibuat untuk memudahkan pelaksanaan tahaptahap
Lebih terperinciDETEKSI OOV MENGGUNAKAN HASIL PENGENALAN SUARA OTOMATIS UNTUK BAHASA INDONESIA. Aswin Juari dan Ayu Purwarianti
DETEKSI OOV MENGGUNAKAN HASIL PENGENALAN SUARA OTOMATIS UNTUK BAHASA INDONESIA Aswin Juari dan Ayu Purwarianti Teknik Informatika, Institut Teknologi Bandung, Bandung, Indonesia aswin_tsy@yahoo.com, ayu@stei.itb.ac.id
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Information age atau computer age adalah suatu era dimana kebutuhan seseorang akan informasi menjadi suatu hal yang sangat penting. Pada saat era informasi ini seseorang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis sentimen merupakan proses dalam mengolah, memahami, dan mengekstrak data dalam bentuk teks terhadap suatu topik, kejadian ataupun individu untuk mendapatkan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pengenalan ucapan (speech recognition) merupakan sistem yang dirancang untuk dapat mengenali sinyal suara, sehingga menghasilkan keluaran berupa tulisan. Input dari
Lebih terperinciPENERAPAN METODE RULE-BASED DENGAN UNSUPERVISED LEARNING UNTUK PELABELAN DOKUMEN BERBAHASA INDONESIA. M Karibun H S
PENERAPAN METODE RULE-BASED DENGAN UNSUPERVISED LEARNING UNTUK PELABELAN DOKUMEN BERBAHASA INDONESIA Oleh: M Karibun H S G64101053 DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciBAB 1 PENDAHULUAN. terhadap peran sistem informasi dalam perusahaan sebagai bagian dari produktivitas.
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan teknologi informasi telah mampu mengubah persepsi manusia terhadap peran sistem informasi dalam perusahaan sebagai bagian dari produktivitas.
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Twitter Twiter adalah sebuah layanan media sosial yang memungkinkan penggunanya untuk menulis maksimal 140 karakter, yang dikenal sebagai Tweet. Twitter didirikan oleh Jack Dorsey
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Education data mining merupakan penelitian didasarkan data di dunia pendidikan untuk menggali dan memperoleh informasi tersembunyi dari data yang ada. Pemanfaatan education
Lebih terperinciPenerapan Metode Winnowing Fingerprint dan Naive Bayes untuk Pengelompokan Dokumen
Penerapan Metode Winnowing Fingerprint dan Naive Bayes untuk Pengelompokan Dokumen Adi Radili 1, Suwanto Sanjaya 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Jl. H.R. Soebrantas no. 155 KM. 18
Lebih terperinciText dan Web Mining. Budi Susanto Teknik Informatika UKDW Yogyakarta
Text dan Web Mining Budi Susanto Teknik Informatika UKDW Yogyakarta Deskripsi Matakuliah ini secara prinsip menekankan tentang teknik-teknik yang perlu diketahui mahasiswa dalam mengelola kumpulan dokumen
Lebih terperinciIntegrasi Data Terstruktur dan Tidak Terstruktur dalam Sistem Inteligensi Bisnis
Integrasi Data Terstruktur dan Tidak Terstruktur dalam Sistem Inteligensi Bisnis Choerul Afifanto Komputasi Statistik, Sekolah Tinggi Ilmu Statistik, Jakarta, Indonesia 12.7077@stis.ac.id Abstract Kuantitas
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
1 BAB 1 PENDAHULUAN Bab ini menguraikan latar belakang penelitian, rumusan masalah, tujuan penelitian, ruang lingkup penelitian, tahapan penelitian, dan sistematika penulisan. 1.1. Latar Belakang Indonesia
Lebih terperinciBAB I PENDAHULUAN. Orasi ilmiah DR. Arry Akhmad Arman, Fakultas Teknologi Industri, ITB, 23 Agustus
BAB I PENDAHULUAN 1. LATAR BELAKANG MASALAH llmu komputer memiliki dua komponen utama; pertama, model dan gagasan mendasar mengenai komputasi, kzdua, teknik rekayasa untuk perancangan sistem komputasi
Lebih terperinciIMPLEMENTASI PEREKOMENDASIAN KATA KUNCI DOKUMEN MENGGUNAKAN ALGORITMA GOOGLE LATENT SEMANTIC DISTANCE
IMPLEMENTASI PEREKOMENDASIAN KATA KUNCI DOKUMEN MENGGUNAKAN ALGORITMA GOOGLE LATENT SEMANTIC DISTANCE Novario Jaya Perdana 1, Diana Purwitasari 2 Teknik Informatika, Fakultas Teknologi Informasi, Institut
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pendidikan adalah salah satu aspek terpenting bagi kehidupan manusia, yang dapat mempengaruhi manusia itu sendiri, juga menjadi faktor pendukung dalam setiap sektor
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Bahasa merupakan salah satu komponen yang paling penting dalam kehidupan manusia. Dalam bentuk tulisan, bahasa menyimpan pengetahuan dari satu generasi ke generasi
Lebih terperinci1. Introduction. tertentu memegang peran penting dalam. Abstract
Perbandingan Metode Latent Semantic Analysis, Syntactically Enhanced Latent Semantic Analysis, dan Generalized Latent Semantic Analysis dalam Klasifikasi Dokumen Berbahasa Inggris Gilbert Wonowidjojo Bina
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Natural Language Processing (NLP) adalah area penelitian dan pengaplikasan yang mengekplorasi bagaimana caranya sebuah komputer dapat digunakan dan memanipulasi berupa
Lebih terperinciImplementasi Algoritma Term Frequency Inverse Document Frequency dan Vector Space Model untuk Klasifikasi Dokumen Naskah Dinas
Implementasi Algoritma Term Frequency Inverse Document Frequency dan Vector Space Model untuk Klasifikasi Dokumen Naskah Dinas A. Achmad 1, A. A. Ilham 2, Herman 3 1 Program Studi Teknik Elektro, Jurusan
Lebih terperinciINFORMATION RETRIEVAL SYSTEM PADA PENCARIAN FILE DOKUMEN BERBASIS TEKS DENGAN METODE VECTOR SPACE MODEL DAN ALGORITMA ECS STEMMER
INFORMATION RETRIEVAL SSTEM PADA PENCARIAN FILE DOKUMEN BERBASIS TEKS DENGAN METODE VECTOR SPACE MODEL DAN ALGORITMA ECS STEMMER Muhammad asirzain 1), Suswati 2) 1,2 Teknik Informatika, Fakultas Teknik,
Lebih terperinciMencari dokumen yang dituliskan dalam berbagai bahasa
Always Siempre Mencari dokumen yang dituliskan dalam berbagai bahasa Menggunakan query yang dituliskan dalam sebuah bahasa Pengguna internet jumlahnya terus meningkat dari tahun ke tahun dan tersebar
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Wicara atau ucapan adalah cara berkomunikasi yang paling sederhana dan sering digunakan oleh manusia. Namun, seiring dengan perkembangan teknologi, proses komunikasi
Lebih terperinci1. BAB I PENDAHULUAN 1.1. Latar Belakang
1. BAB I PENDAHULUAN 1.1. Latar Belakang Riset di bidang sistem pengenalan ucapan otomatis (Automatic Speech Recognition) merupakan salah satu riset yang banyak ditekuni dan terus dikembangkan hingga saat
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan infrastruktur teknologi informasi dan penggunaannya berdampak luas dalam bagaimana manusia menjalani hidupnya. Salah satunya adalah dalam memperoleh
Lebih terperinciARTIKEL KLASIFIKASI KONTEN BERITA SURAT KABAR BERDASARKAN JUDUL DENGAN TEXT MINING MENGGUNAKAN METODE NAÏVE BAYES (STUDI KASUS : RADAR KEDIRI)
ARTIKEL KLASIFIKASI KONTEN BERITA SURAT KABAR BERDASARKAN JUDUL DENGAN TEXT MINING MENGGUNAKAN METODE NAÏVE BAYES (STUDI KASUS : RADAR KEDIRI) Oleh: Enggal Suci Febriani 3..3..35 Dibimbing oleh :. Irwan
Lebih terperinciBudi Susanto Versi /08/2012. Teknik Informatika UKDW Yogyakarta
Budi Susanto Versi 1.0 29/08/2012 1 Memahami pengertian dari text mining dan web mining Memahami latar belakang perlunya pengolahan dokumen teks dan web Memahami arsitektur dasar aplikasi text dan web
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Ketersediaan informasi yang semakin banyak menjadikan ringkasan sebagai kebutuhan yang sangat penting (Mulyana, 2010). Menurut (Hovy, 2001) Ringkasan merupakan teks
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Indonesia. Pengembangan sistem..., Susy Violina, FASILKOM UI,
BAB 1 PENDAHULUAN Bab ini menguraikan latar belakang penelitian, rumusan masalah, tujuan penelitian, ruang lingkup penelitian, tahapan penelitian, dan sistematika penulisan. 1.1 Latar Belakang Indonesia
Lebih terperinciBAB I PENDAHULUAN. informasi yang disampaikan dapat lebih cepat dan efektif. Pada tempat observasi penelitian, penyampaian informasi melalui layanan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Informasi merupakan bagian penting yang tidak dapat dipisahkan dari kehidupan sehari-hari, sehingga manusia berupaya membuat alat bantu agar informasi yang
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Berkembangnya teknologi telah membuat banyak informasi bermunculan. Informasi-informasi tersebut tertuang dalam bentuk dokumen terutama dokumen digital. Semakin
Lebih terperinciBAB II LANDASAN TEORI. yang terdiri dari komponen-komponen atau sub sistem yang berorientasi untuk
BAB II LANDASAN TEORI 2.1 Sistem Menurut Gondodiyoto (2007), sistem adalah merupakan suatu kesatuan yang terdiri dari komponen-komponen atau sub sistem yang berorientasi untuk mencapai suatu tujuan tertentu.
Lebih terperinciTUGAS AKHIR. Disusun oleh : SUSI SETYOWATI
POS TAGGER TWITTER BAHASA INDONESIA MENGGUNAKAN STANFORD NLP TUGAS AKHIR Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang Disusun
Lebih terperinciPendekatan Rule Handmade untuk Menentukan Klausa Bahasa Indonesia
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Pendekatan Rule Handmade untuk Menentukan Klausa Bahasa Indonesia Abd Wahab Syahroni 1), Joan Santoso 2), Endang Setyati
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penentuan dosen pembimbing tugas akhir masih dilakukan secara manual di Jurusan Teknik Informatika UMM yang hanya mengandalkan pengetahuan personal tentang spesialisasi
Lebih terperinci