SISTEM PENILAIAN OTOMATIS JAWABAN ESSAY MENGGUNAKAN METODE COSINE MEASURE PADA SISTEM E-LEARNING ABSTRAK
|
|
- Teguh Atmadjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Judul : Sistem Penilaian Otomatis Jawaban Essay Menggunakan Metode Cosine Measure Pada Sistem E-Learning Oleh : Lukman Hakim NIM : Fakultas : Teknik Jurusan : Teknik Informatika SISTEM PENILAIAN OTOMATIS JAWABAN ESSAY MENGGUNAKAN METODE COSINE MEASURE PADA SISTEM E-LEARNING ABSTRAK Pengajar biasanya melakukan penilaian jawaban essay secara manual dari sejumlah besar peserta didik dalam setiap periode evaluasi tertentu seperti evaluasi pertengahan semester dan akhir semester. Penilaian manual ini membutuhkan banyak waktu, tenaga, dan biaya. Disamping itu jawaban essay memiliki model jawaban secara bebas dalam bahasa alami sehingga kesulitan dalam mengekstrak logika dan memahami obyektifitas dari masing-masing jawaban essay. Oleh karena itu, diperlukan suatu sistem penilaian otomatis menggunakan metode cosine measure. Metode ini dibantu oleh thesaurus Wordnet untuk mempertimbangkan aspek kesamaan kata (synonym). Keduanya digunakan untuk mengetahui tingkat kemiripan antara jawaban pengajar dengan jawaban dari masing-masing peserta didik. Uji coba dilakukan terhadap data sintesis berupa data kuisioner jawaban essay siswa dalam bahasa inggris pada mata pelajaran tertentu. Skenario pengujian melibatkan Wordnet dan tanpa Wordnet untuk mengetahui nilai precision dan recall. Kata kunci: Penilaian, Cosine Measure, Wordnet. 1
2 AUTOMATED ESSAY SCORING SYSTEM USING COSINE MEASURE METHOD IN E-LEARNING SYSTEM Abstract Key word : Assessment, Cosine Measure, Wordnet. Teachers usually make an assessment essay answers manually from a large number of learners in any given evaluation period as the evaluation of mid-semester and final semester. Assessment of this manual requires a lot of time, effort, and cost. Besides it has a model answer essay answers freely in natural language so that the difficulty in extracting the logic and understand the objectivity of each essay answer. Therefore, required an automatic scoring system using the cosine measure. This method is assisted by a thesaurus WordNet to take into account the similarity of words (Synonym). Both are used to determine the level of similarity between the teacher answers with the answers from each student. Trials conducted on the synthesis of data in the form of data questionnaire answers student essay in English on the subject. Test scenarios involving Wordnet and without wordnet to know the value of precision and recall. 2
3 PENDAHULUAN 1.1 Latar Belakang Ujian dapat dilakukan secara online mulai dari menjawab soal ujian hingga proses penilaian. Pengajar biasanya melakukan penilai jawaban essay secara manual dari sejumlah besar peserta didik dalam setiap periode evalusi tertentu seperti evaluasi pertengahan semester dan akhir semester. Penilaian manual ini membutuhkan banyak waktu, tenaga, dan biaya. Disamping itu jawaban essay memiliki model jawaban secara bebas dalam bahasa alami sehingga kesulitan dalam mengekstrak logika dan memahami obyektifitas dari masing-masing jawaban essay. Semakin banyak jumlah jawaban essay yang dikoreksi maka kualitas penilaian yang diberikan semakin menurun sehingga penilaiannya kurang objektif dan efektif. Sistem temu kembali informasi memberikan alternatif metode similarity seperti metode cosine measure, jaccard measure dan probabilistik. Cosine measure dipilih sebagai metode penyelesaian penilaian essay karena kompatibilitasnya dengan library apache lucene dan wordnet. Apache lucene merupakan library indexing dan searching jawaban pengajar dan jawaban para peserta didik. Wordnet merupakan theasurus bahasa inggris yang mampu mendapatkan relasi kesamaan kata (synonym). Relasi synonym ini penting untuk dipertimbangkan agar setiap kata yang memiliki arti yang sama tetapi berbeda kata tidak dianggap kata yang berbeda. Berdasarkan uraian permasalahan dan metode penyelesaiannya maka penelitian ini mengusulkan suatu sistem penilaian Otomatis jawaban essay menggunakan metode cosine measure pada sistem e-learning. Sistem ini digunakan untuk menilai ujian dalam bentuk jawaban essay. Pengujian sistem ini dilakukan pada penilaian jawaban essay mata pelajaran tertentu di tingkat Sekolah Menengah Kejuruan (SMK). 1.2 Perumusan Masalah 1. Bagaimana proses pengukuran tingkat kemiripan jawaban essay pada sistem e-learning menggunakan cosine measure. 2. Bagaimana penerapan sistem penilaian otomatis ke dalam sistem e-learning SMK. 3. Bagaimana mengetahui kinerja sistem penilaian otomatis 2
4 berdasarkan nilai precision dan recall dari skenario pengujian melibatkan Wordnet dan tanpa Wordnet 1.3 Batasan Masalah 1. Jawaban essay yang dinilai dalam sistem ini menggunakan bahasa inggris. 2. Data uji coba yang digunakan adalah data hasil ujian essay secara online pada mata pelajaran Bahasa Inggris di Jurusan Rekayasa Perangkat Lunak SMKN 1 Tanggul 3. Tipe jawaban essay yang dinilai dalam sistem ini bersifat definitive (uraian tentang definisi atau pengertian dari suatu objek tertentu). 4. Aplikasi e-learning yang digunakan adalah moodle. 2. Mengintegrasikan sistem penilaian otomatis jawaban essay pada sistem e-learning. 3. Mengetahui kinerja sistem penilaian otomatis berdasarkan nilai precision dan recall dari skenario pengujian melibatkan Wordnet dan tanpa Wordnet. Manfaat dari penelitian ini sebagai berikut. 1. Membantu pengajar dalam memberikan penilaian jawaban essay siswa secara objektif dan efektif. 2. Mengurangi waktu, tenaga serta biaya yang harus dikeluarkan pengajar dalam melakukan penilaian. 1.4 Tujuan dan Manfaat Penelitian Tujuan dari penelitian ini sebagai berikut. 1. Membangun suatu sistem penilaian otomatis jawaban essay pada sistem e-learning dengan mengimplementasikan pengukuran cosine measure. 3
5 METODE PENELITIAN 2.1 Metodologi Pada penelitian ini, langkah-langkah yang dilakukan sebagai berikut. 1. Studi Literatur Tahap ini untuk mendapatkan informasi dari literatur dan analisis tentang sistem temu kembali informasi, metode cosine measure serta model-model pembobotan yang digunakan pada penelitian sebelumnya. Disamping itu dipelajari juga penerapan metode cosine measure pada model vector space, dan thesaurus WordNet. Hasil studi literatur diuraikan secara rinci dalam bab Rancangan dan Arsitektur Sistem Tahap ini membuat rancangan dan arsitektur sistem penilaian essay otomatis. Rancangan ini berisi gambaran sistem, langkah dan proses implementasinya. Hasil tahap ini diuraikan secara rinci dalam bab Implementasi Tahap ini menerjemahkan rancangan menjadi kode program berupa kakas bantu untuk penyelesaian masalah. Kakas bantu ini menerapkan arsitektur sistem penilaian otomatis. 4. Evaluasi dan Uji Coba Tahap ini untuk mengetahui kinerja dari penggunaan metode cosine measure yang diajukan. Uji coba dilakukan terhadap e-learning moodle. Berbagai skenario pengujian dilakukan untuk mendapatkan perbandingan metrik recall dan precision. 2.2 Rancangan dan Arsitektur Sistem Jawaban Siswa Kunci Jawaban Guru (text) (text) Input Database Moodle Text preprocessin Membandingkan Jawaban Dengan Kunci Database Jawaban (Similarity) Sinonim Proses Penilaian Output Nilai Akhir 4
6 Gambar 3.1 Desain Arsitektur Sistem Penilaian Otomatis Jawaban Essay. 3.3 Tahapan penilaian Praproses Dalam penelitian ini dilakukan praproses meliputi tokenisasi, stopword removal dan stemming. Proses tokenisasi melakukan pemotongan kalimat menjadi kata (term). Kemudian kata-kata yang dihasilkan dibandingkan dengan daftar stoplist untuk menghilangkan kata atau tanda baca yang tidak relevan. Proses ini disebut stopword removal sehingga kata yang tidak relevan sebagai kata kunci akan dihilangkan. Selanjutnta akan dilakukan proses Stemming untuk membentuk kata dasar. Proses ini ditunjukkan dalam Gambar 3.2. Gambar 3.2 Blok Diagram Praproses Proses Similarity Setelah dokumen menjalani proses tokenisasi, remove removal, dan stemming, maka akan didapatkan daftar kata dari dokumen tersebut. Digunakan perhitungan dimana normalisasinya dilakukan pada saat pembobotan. Langkahlangkahnya adalah sebagai berikut : Metode Term Frequency (tf) Membuat daftar kata dari dokkumen dan menghitung frekuensi kemunculannya. key_answer Tokenisasi Stopword Stemming answer Removal 5
7 Tabel 3.1. Daftar frekuensi kata (term frequency) lain, akan didapatkan hasilnya seperti tabel 2. Tabel 3.2. Hasil perhitungan idf documents term Tf Dok_1 T1 1 T2 2 T3 3 Dok_2 T2 3 T3 2 T4 1 term Tf T1 1,301 T2 1 T3 1 T4 1, Metode TF IDF Metode Invers Document Frequency (idf) Perhitungan idf mengacu pada persamaan 3, sehingga berdasarkan daftar kata pada tabel 1 dapat dihitung idf untuk tiap kata-nya, sebagai berikut : Pembobotan dengan metode tf idf, dilakukan dengan mengalikan hasil pembobotan antara metode tf dengan idf seperti persamaan 6. Sehingga akan didapat bobot masing-masing term seperti pada tabel 3.3. Hubungan term TI pada Dok_1 dan Dok_2 : = log (2/1) + 1 = 0, = 1,301 Sehingga dengan cara yang sama untuk semua kata yang 6
8 Tabel 3.3. Perhitungan bobot tf idf documents term tf * idf Dok_1 T1 1,301 T2 2 T3 3 Dok_2 T2 3 T3 2 T4 1,301 Sehingga tingkat similarity antara dokumen 1 dengan Perhitungan tingkat similarity dengan Cosine Measure Berdasarkan persamaan 9 yang telah dirumuskan sebelumnya, maka tingkat kemiripan antar dokumen bisa didapatkan dengan membandingkan antara kedua dokumen yang bersesuaian dengan menggunakan persamaan sebagai berikut [salton, 1988]: similarity( ) = dokumen 2 sebesar 0, Dengan demikian tinggal ditentukan batas nilai similarity yang akan digunakan sebagai parameter penentuan bahwa sebuah dokumen dikatakan memiliki isi yang setara dengan dokumen yang lain Data Pengujian Precision dan Recall Soal 1 : Explain what is meant information technology? Jawaban Kunci : Information technology is a general term describes any technology that help people. Jawaban Siswa01 : Information techonology is a general term. Score :
9 Jawaban Siswa02 : Term General a is technology Information. Score : 0.50 Jawaban Siswa03 : Information techonology is a general term. Score 0.50 Jawaban Siswa04 : Term information general a is tecnologyany describes people help. Score : 0.80 Jawaban Siswa05 : Information technology is a general term that describes technology people. Score : 0.80 Langkah selanjutnya mencari nilai ambang batas/ threshold dari ketiga nilai Siswa. Threshold : ( ) / 3 = 0.62 Menurut threshold yang didapatkan, hasilnya bisa dilihat di Tabel 4.3. Tabel 3.4 Kategori kebenaran berdasarkan nilai Threshold Benar Salah Untuk mengetahui tingkat akurasi nilai tersebut membutuhkan beberapa pengujian salah satunya precision dan recall. Penjabaran Rumus : Precision = Jumlah nilai benar relevan, Terambil retrieve / (Jumlah nilai benar relevan, Terambil retrieve + Jumlah Nilai Tidak Benar not relevan, terambil retrieve ) Recall = Jumlah nilai benar relevan, Terambil retrieve / (Jumlah nilai benar relevan, Terambil retrieve + jumlah nilai benar relevan, tidak terambil not retrieve ) Pengujian ini membutuhkan bantuan seorang pakar dalam hal ini guru untuk melakukan penilaian secara manual. Hasil dari perhitungan manual pakar bisa di lihat di Tabel 3.5. Tabel 3.5 Tingkat akurasi berdasarkan pengujian precision dan recall 8
10 Relevan Not Relevan Retrieve 1 1 Not 2 1 Retrieve Precision Recall Gambar 3.4 Proses Perhitungan 3.4 Desain Sistem Use Case Input Nilai Gambar 3.5 Input Nilai Gambar 3.3 Use case diagram Baca DB Activity Diagram Proses perhitungan Jawaban Pelajar Load DB Jawaban Kunci Gambar 3.6 Baca DB 9
11 3.4.4 Sequence Diagram Collaboration Diagram Gambar 3.9 Collaboration Diagram Gambar 3.7 Sequence Diagram State Chart Gambar 3.8 State Chart 10
12 3.4.7 Class Diagram Gambar 3.10 Kelas Diagram 11
13 HASIL DAN PEMBAHASAN 4 Database MySQL Server 5 Web Server XAMPP Bab ini akan membahas tentang hasil evaluasi uji coba. Pembahasan terdiri dari lingkungan uji coba, skenario yang melibatkan wordnet dan tanpa wordnet untuk mengetahui nilai precision dan recall dan evaluasi hasil uji coba untuk mengetahui tingkat kemiripan antara jawaban pengajar dengan jawaban dari masing-masing peserta didik Lingkungan Uji Coba Lingkungan uji coba pada penelitian ini meliputi perangkat keras dan perangkat lunak dengan spesifikasinya ditunjukkan dalam Tabel 4 dan 5 sebagai berikut : Tabel 4.1 Spesifikasi Perangkat Keras No Nama Spesifikasi 1 Processor Intel Core 2 Duo 2 Memori 2.00 GB 3 Harddisk 350 GB 4 Merk Satellite C600 Toshiba Tabel 4.2. Spesifikasi Perangkat Lunak No Nama Spesifikasi 1 Sistem Operasi Windows 7 Ultimate 32 bit OS 2 GUI JDK 6.18, Java Development NetBeans Library Apache Lucene 3.0, RitaWordnet 4.2. Skenario Uji Coba Pada penelitian ini digunakan dua jenis data yaitu 5 jawaban kunci (pengajar) dan 40 jawaban siswa untuk masing-masing jawaban kunci dari pengajar sehingga total jawaban siswa adalah 200. Kedua jenis data tersebut berasal dari database e-learning moodle. Data ini dilakukan praproses (tokenisasi, stopword removal,stemming), pembobotan tf - idf dan pengukuran derajat kemiripan cosine. Pengujian ini melibatkan aspek kesamaan kata (synonym) dan juga tanpa synonym untuk mengetahui besarnya pengaruh dari synonym. Nilai ambang batas (threshold) diambil dari rata-rata scoring untuk menunjukkan nilai yang memiliki kebenaran lebih tinggi atau tidak. Threshold ini dilakukan untuk mengetahui nilai precision dan recall Evaluasi Hasil Uji Coba Nilai Cosine Tanpa Wordnet 12
14 Tabel 4.3. Soal 1 dengan 40 jawaban Siswa Tanpa Wordnet Soal 1 S N S N S N S 4 N 0 Gambar 4.2.Grafik Soal 2 dengan 40 Jawaban Siswa Tanpa Wordnet Gambar 4.1. Grafik Soal 1 dengan 40 Jawaban Siswa Tanpa Wordnet Tabel 4.4. Soal 2 dengan 40 jawaban Siswa Tanpa Wordnet Soal 2 S N S N S N S 4 N 0 Tabel 4.5. Soal 3 dengan 40 jawaban Siswa Tanpa Wordnet Soal 3 S N S N S N S 4 N 0 Gambar 4.3. Grafik Soal 3 dengan 40 Jawaban Siswa Tanpa Wordnet 13
15 Tabel 4.6. Soal 4 dengan 40 jawaban Siswa Tanpa Wordnet Soal 4 S N S N S N S 4 N 0 Gambar 4.4. Grafik Soal 4 dengan 40 Jawaban Siswa Tanpa Wordnet Tabel 4.7. Soal 5 dengan 40 jawaban Siswa Tanpa Wordnet Soal 5 S N S N S N S 4 N 0 Gambar 4.5 Grafik Soal 5 dengan 40 Wordnet Jawaban Siswa Tanpa Wordnet Nilai Cosine Menggunakan Tabel 4.8. Soal 1 dengan 40 jawaban Siswa Menggunakan Wordnet Soal 1 S N S N S N S 4 N 0 Gambar 4.6. Grafik Soal 1 dengan 40 Jawaban Siswa Menggunakan Wordnet 14
16 Tabel 4.9. Soal 2 dengan 40 jawaban Siswa Menggunakan Wordnet Soal 2 S N S N S N S 4 N 0 Gambar 4.8 Grafik Soal 3 dengan 40 Jawaban Siswa Menggunakan Wordnet Gambar 4.7. Grafik Soal 2 dengan 40 Jawaban Siswa Menggunakan Wordnet Tabel Soal 3 dengan 40 jawaban Siswa Menggunakan Wordnet Soal 3 S N S N S N S 4 N 0 Tabel Soal 4 dengan 40 jawaban Siswa Menggunakan Wordnet Soal 4 S N S N S N S 4 N 0 Gambar 4.9. Grafik Soal 4 dengan 40 Jawaban Siswa Menggunakan Wordnet 15
17 Tabel Soal 5 dengan 40 jawaban Siswa Menggunakan Wordnet Soal 5 S N S N S N S 4 N 0 Tabel Menyatakan bahwa penilaian jawaban essay dengan memperhatikan aspek kesamaan kata atau synonym dapat meningkatkan nilai precision secara keseluruhan sebesar dan recall sebesar dari pada tidak memperhatikan synonym. Peningkatan ini sebenarnya tidak terjadi pada semua soal. Sebagai contoh soal no 3 dan no 5 terjadi penurunan, akan tetapi secara keseluruhan terjadi peningkatan. Gambar Grafik Soal 5 dengan 40 Jawaban Siswa Menggunakan Wordnet Tabel Perbandingan Precision dan Recall dengan atau tanpa Wordnet Tabel Perbandingan Precision dan Recall dengan atau tanpa Wordnet Gambar Grafik Precision Hasil Perbandingan Gambar Grafik Recall Hasil Perbandingan 16
18 4.3.4 Penginputan Nilai ke Database Moodle Berikut hasil dari penginputan nilai ke database moodle : Gambar Hasil Nilai di e-learning Moodle 17
19 KESIMPULAN DAN SARAN 5.1. Kesimpulan Penelitian ini membangun sistem penilaian jawaban essay pada sistem e- Learning menggunakan metode cosine measure untuk mendapatkan nilai skor jawaban kunci masing-masing soal dengan jawaban siswa dari masing-masing soal. Proses penilaian dimulai dari mengambil jawaban kunci dan jawaban siswa dari database e-learning moodle, dan dilakukan pembelajaran (training) untuk menghasilkan nilai skor yang akan diupdate ke dalam database e-learning moodle. Berdasarkan pengujian yang dilakukan dapat disimpulkan bahwa penilaian jawaban essay dengan memperhatikan aspek kesamaan kata atau synonym dapat meningkatkan nilai precision secara keseluruhan sebesar dan recall sebesar dari pada tidak memperhatikan synonym. Fakta ini menunjukkan pengaruh penggunaan aspek synonym dalam sistem penilaian. Semakin tinggi nilai Precision dan Recall maka semakin akurat tingkat akurasi dari hasil skor yang dihasilkan. Menurut hasil precision dan recall nilai skor uang dihasilkan masih jauh dari sempurna precision : 50 % dan recall : % karena proses yang dilakukan mencari nilai kemiripan berdasarkan kata (term), belum mampu mencari nilai berdasarkan struktur kalimat Saran Berikut ini adalah beberapa saran yang diajukan untuk perbaikan dan pengembangan lebih lanjut. 1. Pengembangan sistem dapat mengenali kata-kata antonim yang sebenarnya memiliki makna sama seperti always late dan never on time 2. Sistem ini juga dapat mempertimbangkan unsur POS (part of speech) pada struktur kalimat seperti Noun, Verb, Adjective, dan Adverb sebagaimana pada pemrosesan bahasa alami (Natural Language Processing). 18
20 DAFTAR PUSTAKA Sulistyo, W., (2008), Auto Matching Antar Dokumen Dengan Metode Cosine Measure, ITS : Surabaya. Fuat, R., (2010), Sistem Penilaian Esai Otomatis Pada E-Learning Dengan Metode Cosine Measure, ITS : Surabaya. Suharso, W., (2012), Sistem Penambang Term Indikator Berbobot Pada Pembelajaran Pengklasifikasian Kebutuhan Non-Fungsional, Jurnal MMT-ITS, Surabaya. Porter, M.F.(2001), Snowball: A language for Stemming Algorithms, Computer Laboratory, Cambridge (England). Porter, M.(1980), An algorithm for suffix stripping, Program 13(3), 130{137} Gerard Salton, Christopher Buckley(1998), Term-Weighting Approaches In Automatic Text Retrieval, Information Processing & Management Vol. 24, No. 5, pp , Manu Kunchady (2006), Text Mining Application Programming, Thomson Learning Inc, ISBN , Rolly Intan, Andrew Difeng (2006), HARD : Subject-base Search Engine menggunakan TF-IDF dan Jaccard s Coefficient, Jurnal Teknik Informatika Universitas Kristen Petra, Kaplan, R.M. (1995), A Methode for Tokenizing Text, Palo Alto Research Center (Festschrift In The Honor Of Prof. Kimmo Koskenniemi s 60 th Anniversary). Winarsono, D.S., (2009), Sistem Penilaian Otomatis Kemiripan Kalimat Menggunakan Syntactic Semantic Similarity pada Sistem E- Learning, Program Magister, Teknik Informatika, Institut Teknologi Sepuluh Nopember Surabaya. 19
Pemodelan Penilaian Essay Otomatis Secara Realtime Menggunakan Kombinasi Text Stemming Dan Cosine Similarity
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Pemodelan Penilaian Essay Otomatis Secara Realtime Menggunakan Kombinasi Text Stemming Dan Cosine Similarity Komang Rinartha
Lebih terperinciSISTEM PENILAIAN ESAI OTOMATIS PADA E-LEARNING DENGAN METODE COSINE SIMILARITY
SEMINAR PROGRES TUGAS AKHIR CF 1380 SISTEM PENILAIAN ESAI OTOMATIS PADA E-LEARNING DENGAN METODE COSINE SIMILARITY Penyusun: Rohmawati Fuat 5206 100 014 Pembimbing: Rully Agus Hendrawan, S.Kom, M.Eng LABORATORIUM
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 terperinciSISTEM PENILAIAN OTOMATIS JAWABAN ESAI PADA ELEARNING BELAJARDISINI.COM
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) p-issn: 2355-7699 Vol. 3, No. 4, Desember 2016, hlm. 248-252 e-issn: 2528-6579 SISTEM PENILAIAN OTOMATIS JAWABAN ESAI PADA ELEARNING BELAJARDISINI.COM
Lebih terperinciSistem Temu Kembali Informasi pada Dokumen Teks Menggunakan Metode Term Frequency Inverse Document Frequency (TF-IDF)
Sistem Temu Kembali Informasi pada Dokumen Teks Menggunakan Metode Term Frequency Inverse Document Frequency (TF-IDF) 1 Dhony Syafe i Harjanto, 2 Sukmawati Nur Endah, dan 2 Nurdin Bahtiar 1 Jurusan Matematika,
Lebih terperinciBAB I PENDAHULUAN. penunjang Al-Quran untuk memudahkan untuk mempelajarinya, yang bisa
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dengan kemajuan teknologi yang sangat pesat ini sudah banyak aplikasi penunjang Al-Quran untuk memudahkan untuk mempelajarinya, yang bisa disebut atau di artikan
Lebih terperinciABSTRAK. Kata kunci : Information Retrieval system, Generalized Vector Space Model. Universitas Kristen Maranatha
ABSTRAK Information retrieval (IR) system adalah sistem yang secara otomatis melakukan pencarian atau penemuan kembali informasi yang relevan terhadap kebutuhan pengguna. Kebutuhan pengguna, diekspresikan
Lebih terperinciAPLIKASI PENILAIAN UJIAN ESSAY OTOMATIS MENGGUNAKAN METODE COSINE SIMILARITY. Rahimi Fitri 1, Arifin Noor Asyikin 2
APLIKASI PENILAIAN UJIAN ESSAY OTOMATIS MENGGUNAKAN METODE COSINE SIMILARITY Rahimi Fitri 1, Arifin Noor Asyikin 2 mahaluddin@yahoo.com (1) Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Banjarmasin
Lebih terperinciDAFTAR ISI. SKRIPSI... ii
DAFTAR ISI SKRIPSI... i SKRIPSI... ii HALAMAN PENGESAHAN... ii PERNYATAAN... iii HALAMAN MOTO DAN PERSEMBAHAN... iv PRAKATA... v DAFTAR ISI... vii DAFTAR GAMBAR... x DAFTAR TABEL... xiii INTISARI... xiv
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 terperinciRANCANG BANGUN SISTEM TEMU KEMBALI INFORMASI ABSTRAK TUGAS AKHIR MAHASISWA PRODI TEKNIK INFORMATIKA UNSOED Oleh : Lasmedi Afuan
RANCANG BANGUN SISTEM TEMU KEMBALI INFORMASI ABSTRAK TUGAS AKHIR MAHASISWA PRODI TEKNIK INFORMATIKA UNSOED Oleh : Lasmedi Afuan Prodi Teknik Informatika, Fakultas Sains dan Teknik, Universitas Jenderal
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. jenis dokumen, yaitu dokumen training dan dokumen uji. Kemudian dua
BAB IV HASIL DAN PEMBAHASAN 4.1. Dokumen yang digunakan Pada penelitian yang dilakukan oleh penulis ini menggunakan dua jenis dokumen, yaitu dokumen training dan dokumen uji. Kemudian dua jenis dokumen
Lebih terperinciSISTEM REKOMENDASI DOSEN PEMBIMBING TUGAS AKHIR BERBASIS TEXT MINING MENGGUNAKAN VECTOR SPACE MODEL
SISTEM REKOMENDASI DOSEN PEMBIMBING TUGAS AKHIR BERBASIS TEXT MINING MENGGUNAKAN VECTOR SPACE MODEL SKRIPSI Disusun Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer pada Departemen Ilmu
Lebih terperinci1. Pendahuluan 1.1 Latar belakang 1.2 Perumusan masalah
1. Pendahuluan 1.1 Latar belakang Informasi telah menjadi kebutuhan primer pada kehidupan saat ini. Informasi seakan-akan menjadi mata uang baru yang membuat akurasi menjadi sangat penting ketika mencari
Lebih terperinciPembuatan Kakas Bantu untuk Mendeteksi Ketidaksesuaian Diagram Urutan (Sequence Diagram) dengan Diagram Kasus Penggunaan (Use Case Diagram)
JURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: 2337-3539 (2301-9271 Print) A-71 Pembuatan Kakas Bantu untuk Mendeteksi Ketidaksesuaian Diagram Urutan (Sequence Diagram) dengan Diagram Kasus Penggunaan (Use
Lebih terperinciPERANCANGAN CLIENT DENGAN PENGKLASIFIKASIAN MENGGUNAKAN ALGORITMA VECTOR SPACE MODEL SKRIPSI MOSES CHRISTIAN
PERANCANGAN EMAIL CLIENT DENGAN PENGKLASIFIKASIAN EMAIL MENGGUNAKAN ALGORITMA VECTOR SPACE MODEL SKRIPSI MOSES CHRISTIAN 081402050 PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI
Lebih terperinciTESIS PEMBANGUNAN PERANGKAT LUNAK PERINGKAS DOKUMEN DARI BANYAK SUMBER BERBASIS WEB MENGGUNAKAN SENTENCE SCORING DENGAN METODE TF-IDF
TESIS PEMBANGUNAN PERANGKAT LUNAK PERINGKAS DOKUMEN DARI BANYAK SUMBER BERBASIS WEB MENGGUNAKAN SENTENCE SCORING DENGAN METODE TF-IDF FABIANUS HENDY EVAN No. Mhs.: 125301915/PS/MTF PROGRAM STUDI MAGISTER
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Tinjauan atau review seseorang yang ditujukan kepada suatu objek atau produk sangat berpengaruh terhadap penilaian publik atas produk tersebut (Sahoo, 2013). Review
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 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 terperinciABSTRAK. Kata kunci : Informasi, Information Retreival, Ant Colony Optimization, Graph, Fitur dokumen. vii
ABSTRAK Untuk mendapatkan sebuah informasi pada saat ini sangatlah mudah. Dengan adanya internet orang dengan mudah untuk berbagi informasi. Informasi yang dibagikan biasanya dalam bentuk dokumen, artikel,
Lebih terperinciKlasifikasi Dokumen Berbahasa Inggris Berdasarkan Weighted-Term
Klasifikasi Dokumen Berbahasa Inggris Berdasarkan Weighted-Term Wiwin Sulistyo Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana Jl. Diponegoro 52-60, Salatiga, Jawa Tengah 50711 Email: wien_soelistyo@yahoo.com
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK PENCARIAN WEB SERVICE MENGGUNAKAN LUCENE
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK PENCARIAN WEB SERVICE MENGGUNAKAN LUCENE OLGA CERIA SARI NRP 5106 100 618 DOSEN PEMBIMBING: Sarwosri,S.Kom,MT. Umi Laili Yuhana, S.Kom, M.Sc LATAR BELAKANG Kebutuhan
Lebih terperinciIMPLEMENTASI VECTOR SPACE MODEL DAN BEBERAPA NOTASI METODE TERM FREQUENCY INVERSE DOCUMENT FREQUENCY (TF-IDF) PADA SISTEM TEMU KEMBALI INFORMASI
IMPLEMENTASI VECTOR SPACE MODEL DAN BEBERAPA NOTASI METODE TERM FREQUENCY INVERSE DOCUMENT FREQUENCY (TF-IDF) PADA SISTEM TEMU KEMBALI INFORMASI Oka Karmayasa dan Ida Bagus Mahendra Program Studi Teknik
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Sistem Rekomendasi Sistem rekomendasi adalah sebuah sistem yang dibangun untuk mengusulkan informasi dan menyediakan fasilitas yang diinginkan pengguna dalam membuat suatu keputusan
Lebih terperinciBAB IV METODOLOGI PENELITIAN. Penelitian ini dilakukan dengan melalui empat tahap utama, dimana
BAB IV METODOLOGI PENELITIAN Penelitian ini dilakukan dengan melalui empat tahap utama, dimana tahap pertama adalah proses pengumpulan dokumen teks yang akan digunakan data training dan data testing. Kemudian
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 terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Seiring dengan perkembangan informasi, banyak pihak menyadari bahwa masalah utama telah bergeser dari cara mengakses atau bagaimana mencari informasi, namun
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 terperinciIDENTIFIKASI KEBUTUHAN NON-FUNGSIONAL DALAM SPESIFIKASI TEKSTUAL BERDASARKAN ATRIBUT ISO/IEC 9126
IDENTIFIKASI KEBUTUHAN NON-FUNGSIONAL DALAM SPESIFIKASI TEKSTUAL BERDASARKAN ATRIBUT ISO/IEC 9126 Wiwik Suharso Jurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember Jl. Karimata No.
Lebih terperinciTugas Makalah. Sistem Temu Kembali Informasi (STKI) TI Implementasi Metode Generalized Vector Space Model Pada Information Retrieval System
Tugas Makalah Sistem Temu Kembali Informasi (STKI) TI029306 Implementasi Metode Generalized Vector Space Model Pada Information Retrieval System Oleh : I PUTU ANDREAS WARANU 1204505042 Dosen : I Putu Agus
Lebih terperinciAPLIKASI MESIN PENCARI DOKUMEN CROSS LANGUAGE BAHASA INGGRIS BAHASA INDONESIA MENGGUNAKAN VECTOR SPACE MODEL
APLIKASI MESIN PENCARI DOKUMEN CROSS LANGUAGE BAHASA INGGRIS BAHASA INDONESIA MENGGUNAKAN VECTOR SPACE MODEL SKRIPSI Disusun Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer pada Jurusan
Lebih terperinciBAB I PENDAHULUAN. Dengan menggunakan kecerdasan buatan maka tidaklah mustahil akan ada mesin yang benar-benar mampu berpikir layaknya manusia.
BAB I PENDAHULUAN 1.1 Latar Belakang Informasi merupakan bagian penting yang tidak dapat dipisahkan dari kehidupan sehari-hari, sehingga manusia berupaya membuat alat bantu agar informasi yang disampaikan
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI PENCARIAN INFORMASI BEASISWA DENGAN MENGGUNAKAN COSINE SIMILARITY
Vol. 4, No. 2 Desember 2014 ISSN 2088-2130 PERANCANGAN DAN PEMBUATAN APLIKASI PENCARIAN INFORMASI BEASISWA DENGAN MENGGUNAKAN COSINE SIMILARITY Andry Kurniawan, Firdaus Solihin, Fika Hastarita Prodi Teknik
Lebih terperinciBAB I PENDAHULUAN I.1. Latar Belakang Masalah
BAB I PENDAHULUAN I.1. Latar Belakang Masalah Dalam era teknologi seperti saat ini, informasi berupa teks sudah tidak lagi selalu tersimpan dalam media cetak seperti kertas. Orang sudah mulai cenderung
Lebih terperinciAnalisis dan Pengujian Kinerja Korelasi Dokumen Pada Sistem Temu Kembali Informasi
Jurnal Integrasi, vol. 6, no. 1, 2014, 21-25 ISSN: 2085-3858 (print version) Article History Received 10 February 2014 Accepted 11 March 2014 Analisis dan Pengujian Kinerja Korelasi Dokumen Pada Sistem
Lebih terperinciBAB III METODELOGI PENELITIAN
BAB III METODELOGI PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan yaitu metode eksperimental dimana metode ini bekerja dengan memanipulasi dan melakukan kontrol pada objek penelitian
Lebih terperinciPERANCANGAN DAN IMPLEMENTASI SISTEM REKOMENDASI PENCARIAN BUKU PERPUSTAKAAN MENGGUNAKAN METODE VECTOR SPACE MODEL
PERANCANGAN DAN IMPLEMENTASI SISTEM REKOMENDASI PENCARIAN BUKU PERPUSTAKAAN MENGGUNAKAN METODE VECTOR SPACE MODEL (Studi Kasus Perpustakaan Universitas Udayana) LEMBAR JUDUL KOMPETENSI RPL SKRIPSI NI MADE
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 terperinciQUERY EXPANSION DENGAN MENGGABUNGKAN METODE RUANG VEKTOR DAN WORDNET PADA SISTEM INFORMATION RETRIEVAL
QUERY EXPANSION DENGAN MENGGABUNGKAN METODE RUANG VEKTOR DAN WORDNET PADA SISTEM INFORMATION RETRIEVAL Susetyo Adi Nugroho () Abstrak: Salah satu metode yang sering digunakan dalam mengukur relevansi dokumen
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Kebutuhan Sistem (atau Produk) 3.1.1 Use Case Diagram Berikut adalah use case pada aplikasi yang akan dibangun. Pada aplikasi ini hanya ada 1 aktor, yaitu
Lebih terperinciBAB 1 PENDAHULUAN UKDW
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan ilmu pengetahuan yang pesat dewasa ini telah mendorong permintaan akan kebutuhan informasi ilmu pengetahuan itu sendiri. Cara pemenuhan kebutuhan
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 terperinciPengujian Kerelevanan Sistem Temu Kembali Informasi
Pengujian Kerelevanan Sistem Temu Kembali Informasi Ari Wibowo / 23509063 Jurusan Teknik Informatika, Politeknik Negeri Batam Jl. Parkway No 1 Batam Center, Batam wibowo@polibatam.ac.id Abstrak Sistem
Lebih terperinciUKDW 1. BAB 1 PENDAHULUAN Latar Belakang Masalah
1. BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Universitas yang baik dan terpercaya selalu memperhatikan perkembangan dan kondisi yang terjadi di universitas tersebut, salah satunya dengan memantau kinerja
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah 1.2 Hipotesis
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Setiap matakuliah memiliki silabus perkuliahan yang berisi materi-materi mengenai matakuliah tersebut. Silabus disusun berdasarkan buku-buku referensi utama
Lebih terperinciBAB 3 LANDASAN TEORI
BAB 3 LANDASAN TEORI 3.1 Twitter API Application Programming Interface (API) merupakan fungsi-fungsi/perintah-perintah untuk menggantikan bahasa yang digunakan dalam system calls dengan bahasa yang lebih
Lebih terperinciBAB I PENDAHULUAN. pendidikan, perbankan, perencanaan dan sebagainya. Dengan adanya teknologi komputer
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Di era globalisasi seperti sekarang ini, perkembangan teknologi komputer berpengaruh besar pada tingkat kebutuhan manusia di berbagai bidang seperti bidang
Lebih terperinciANALISIS SKEMA-SKEMA KEMIRIPAN VEKTOR PADA SISTEM PENILAIAN UJIAN ESSAY ONLINE
ANALISIS SKEMA-SKEMA KEMIRIPAN VEKTOR PADA SISTEM PENILAIAN UJIAN ESSAY ONLINE Trisna Ari Roshinta 1, Faisal Rahutomo 2, Deddy Kusbianto 3 1,2,3 Teknik Informatika, Teknologi Informasi, Politeknik Negeri
Lebih terperinciPENCARIAN FULL TEXT PADA KOLEKSI SKRIPSI FAKULTAS TEKNIK UHAMKA MENGGUNAKAN METODE VECTOR SPACEMODEL
Vol. 2, 2017 PENCARIAN FULL TEXT PADA KOLEKSI SKRIPSI FAKULTAS TEKNIK UHAMKA MENGGUNAKAN METODE VECTOR SPACEMODEL Miftahul Ari Kusuma 1*, Mia Kamayani 2, Arry Avorizano 3 Program Studi Teknik Informatika,
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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Pada penelitian tugas akhir ini ada beberapa tahapan penelitian yang akan dilakukan seperti yang terlihat pada gambar 3.1: Identifikasi Masalah Rumusan Masalah Studi Pustaka
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN berikut. Tahapan penelitian yang dilakukan dalam penelitian adalah sebagai Indentifikasi Masalah Merumuskan Masalah Study Literatur Perancangan : 1. Flat Teks 2. Database
Lebih terperinciTugas Makalah. Sistem Temu Kembali Informasi (STKI) TI Implementasi Metode Generalized Vector Space Model Pada Information Retrieval System
Tugas Makalah Sistem Temu Kembali Informasi (STKI) TI029306 Implementasi Metode Generalized Vector Space Model Pada Information Retrieval System Oleh : I PUTU ANDREAS WARANU 1204505042 Dosen : I Putu Agus
Lebih terperinciImplementasi Generalized Vector Space Model Menggunakan WordNet
Implementasi Generalized Vector Space Model Menggunakan WordNet Adi Wibowo*, Andreas Handojo**, Charistian Widjaja*** Jurusan Teknik Informatika Fakultas Teknologi Industri, Universitas Kristen Petra E-Mail:
Lebih terperinciAnalisis dan Pengujian Kinerja Korelasi Dokumen Pada Sistem Temu Kembali Informasi
Analisis dan Pengujian Kinerja Korelasi Dokumen Pada Sistem emu Kembali Informasi Ari Wibowo Program Studi eknik Multimedia dan Jaringan, Politeknik Negeri Batam E-mail : wibowo@polibatam.ac.id Abstrak
Lebih terperinciBAB 1 PENDAHULUAN UKDW
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada era ini perkembangan teknologi informasi sangat pesat. Hal ini ditandai dengan semakin populernya penggunaan internet dan perangkat lunak komputer sebagai
Lebih terperinciImplementasi Rocchio s Classification dalam Mengkategorikan Renungan Harian Kristen
Implementasi Rocchio s Classification dalam Mengkategorikan Renungan Harian Kristen Elisabeth Adelia Widjojo, Antonius Rachmat C, R. Gunawan Santosa Program Studi Teknik Informatika, Fakultas Teknologi
Lebih terperinciMENENTUKAN NILAI TES ESAI ONLINE MENGGUNAKAN ALGORITMA LATENT SEMANTIC ANALYSIS (LSA) DENGAN PEMBOBOTAN TERM FREQUENCY/ INVERSE DOCUMENT FREQUENCY
MENENTUKAN NILAI TES ESAI ONLINE MENGGUNAKAN ALGORITMA LATENT SEMANTIC ANALYSIS (LSA) DENGAN PEMBOBOTAN TERM FREQUENCY/ INVERSE DOCUMENT FREQUENCY SKRIPSI FAKHREZA AKBAR 071401014 PROGRAM STUDI S1 ILMU
Lebih terperinciINTEGRASI PEMBOBOTAN TF IDF PADA METODE K-MEANS UNTUK CLUSTERING DOKUMEN TEKS
i TESIS INTEGRASI PEMBOBOTAN TF IDF PADA METODE K-MEANS UNTUK CLUSTERING DOKUMEN TEKS DEDDY WIJAYA SULIANTORO No. Mhs. : 105301466/PS/MTF PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA PROGRAM PASCA SARJANA
Lebih terperinciPERINGKASAN TEKS OTOMATIS DOKUMEN TUNGGAL PADA BERITA KRIMINAL BERBAHASA INDONESIA MENGGUNAKAN METODE MAXIMAL MARGINAL RELEVANCE (MMR) TUGAS AKHIR
PERINGKASAN TEKS OTOMATIS DOKUMEN TUNGGAL PADA BERITA KRIMINAL BERBAHASA INDONESIA MENGGUNAKAN METODE MAXIMAL MARGINAL RELEVANCE (MMR) TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1
Lebih terperinciIntegrasi Peringkas Dokumen Otomatis Dengan Penggabungan Metode Fitur dan Metode Latent Semantic Analysis (LSA) Sebagai Feature Reduction
Integrasi Peringkas Dokumen Otomatis Dengan Penggabungan Metode Fitur dan Metode Latent Semantic Analysis (LSA) Sebagai Feature Reduction Junta Zeniarja 1, Abu Salam 2, Ardytha Luthfiarta 3, L Budi Handoko
Lebih terperinciRANCANG BANGUN SISTEM PENCARIAN DOKUMEN JURNAL MENGGUNAKAN METODE BM25+
RANCANG BANGUN SISTEM PENCARIAN DOKUMEN JURNAL MENGGUNAKAN METODE BM25+ LEMBAR JUDUL SKRIPSI DENI SUPRIAWAN NIM. 1108605001 PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN
Lebih terperinciSistem Informasi Tugas Akhir Menggunakan Model Ruang Vektor (Studi Kasus: Jurusan Sistem Informasi)
Sistem Informasi Tugas Akhir Menggunakan Model Ruang Vektor (Studi Kasus: Jurusan Sistem Informasi) Wahyudi,MT Laboratorium Sistem Informasi Fakultas Sains dan Teknologi UINSUSKA RIAU Jl.HR.Subrantas KM.15
Lebih terperinciPemanfaatan Metode Vector Space Model dan Metode Cosine Similarity pada Fitur Deteksi Hama dan Penyakit Tanaman Padi
Pemanfaatan Metode Vector Space Model dan Metode Cosine Similarity pada Fitur Deteksi Hama dan Penyakit Tanaman Padi Ana Triana Informatika, Fakultas MIPA, Universitas Sebelas Maret Surakarta Jl. Ir. Sutami
Lebih terperinciFatkhul Amin Dosen Fakultas Teknologi Informasi Universitas Stikubank Semarang
45 Dinamika Teknik Januari IMPLEMENTASI SEARCH ENGINE (MESIN PENCARI) MENGGUNAKAN METODE VECTOR SPACE MODEL Dosen Fakultas Teknologi Informasi Universitas Stikubank Semarang Abstract Growth of Machine
Lebih terperinciPEMANFAATAN ASSOCIATION RULE MINING DALAM MEMBANTU PENCARIAN DOKUMEN-DOKUMEN BERITA YANG SALING BERKAITAN
PEMANFAATAN ASSOCIATION RULE MINING DALAM MEMBANTU PENCARIAN DOKUMEN-DOKUMEN BERITA YANG SALING BERKAITAN Hermawan Andika Institut Informatika Indonesia andika@iii.ac.id Suhatati Tjandra Sekolah Tinggi
Lebih terperinciKLASIFIKASI TEKS SURAT KABAR DENGAN MENGGUNAKAN ALGORITMA N-GRAM STEMMERS TUGAS AKHIR
KLASIFIKASI TEKS SURAT KABAR DENGAN MENGGUNAKAN ALGORITMA N-GRAM STEMMERS TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang Oleh: KHOZINATUL
Lebih terperinciABSTRAK. Kata kunci: Sistem Tanya Jawab, Semantic Web, Ontology, domain terbatas. v Universitas Kristen Maranatha
ABSTRAK Informasi telah menjadi bagian yang sangat penting didalam pertumbuhan masyarakat modern. Dengan meningkatnya kebutuhan informasi ini, maka banyak orang memerlukan mesin pencari informasi yang
Lebih terperinciAPLIKASI SEGMENTASI TEKS DALAM BAHASA MANDARIN DENGAN METODE RULE-BASED DAN STATISTICAL
APLIKASI SEGMENTASI TEKS DALAM BAHASA MANDARIN DENGAN METODE RULE-BASED DAN STATISTICAL Rudy Adipranata 1), Meliana Ongkowinoto 2), Rolly Intan 3) Jurusan Teknik Informatika, Fakultas Teknologi Industri,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Teks naratif menurut kamus besar bahasa Indonesia adalah teks yang berisikan deretan sejarah, peristiwa atau kejadian dan sebagainya. Kata naratif sendiri berasal
Lebih terperinciBAB III METODOLOGI PENELITIAN
28 BAB III METODOLOGI PENELITIAN Untuk menunjang kegiatan penelitian, dalam bab ini akan dijelaskan desain penelitian, metode penelitian yang digunakan, serta alat dan bahan penelitian. 3.1 Desain Penelitian
Lebih terperinciJurnal Ilmiah Sains, Teknologi, Ekonomi, Sosial dan Budaya Vol. 1 No. 4 Desember 2017
TEXT MINING DALAM PENENTUAN KLASIFIKASI DOKUMEN SKRIPSI DI PRODI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER BERBASIS WEB Teuku Muhammad Johan dan Riyadhul Fajri Program Studi Teknik Informatika Fakultas
Lebih terperinciI. ANALISIS DAN PERANCANGAN SISTEM. Penelitian ini dilakukan di Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu
I. ANALISIS DAN PERANCANGAN SISTEM 3.1 Tempat dan Waktu Penelitian Penelitian ini dilakukan di Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Waktu penelitian
Lebih terperinciPRESENTASI TUGAS AKHIR KI PERANCANGAN DAN PEMBANGUNAN MODUL REKOMENDASI SECTION PADA OPEN JOURNAL SYSTEM (OJS)
PRESENTASI TUGAS AKHIR KI091391 PERANCANGAN DAN PEMBANGUNAN MODUL REKOMENDASI SECTION PADA OPEN JOURNAL SYSTEM (OJS) (Kata kunci: Jurnal, K-Nearest Neighbor, Karya Ilmiah, Klasifikasi Penyusun Tugas Akhir
Lebih terperinciPENILAIAN UJIAN BERTIPE URAIAN (ESSAY) MENGGUNAKAN METODE KEMIRIPAN TEKS (TEXT SIMILARITY) SKRIPSI
PENILAIAN UJIAN BERTIPE URAIAN (ESSAY) MENGGUNAKAN METODE KEMIRIPAN TEKS (TEXT SIMILARITY) SKRIPSI Disusun Oleh : ADAM ASSHIDIQ M0509001 JURUSAN INFORMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciUKDW. 1.1 Latar Belakang BAB 1 PENDAHULUAN
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi komputer yang pesat pada masa kini menjadi perhatian utama bagi manusia. Kemajuan teknologi komputer yang pesat ini menimbulkan bermacam-macam
Lebih terperinciBab 3 Metoda dan Perancangan Sistem
Bab 3 Metoda dan Perancangan Sistem Pada bab ini akan dibahas mengenai metode perancangan yang digunakan dalam membuat perancangan sistem aplikasi pendeteksian kata beserta rancangan design interface yang
Lebih terperinciKlasifikasi Teks Bahasa Indonesia Pada Corpus Tak Seimbang Menggunakan NWKNN
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Klasifikasi Teks Bahasa Indonesia Pada Corpus Tak Seimbang Menggunakan NWKNN Achmad Ridok 1), Retnani Latifah 2) Filkom
Lebih terperinciABSTRAK. Kata Kunci : Algoritma Genetika, Pemrosesan Bahasa Alami, Twiter, Tweet, Semantic Relatedness. Universitas Kristen Maranatha
ABSTRAK Dengan munculnya berbagai media sosial, banyak orang yang menuliskan bermacam-macam hal, salah satunya memberikan menuliskan motivasi. Dengan demikian, dibuatlah penelitian untuk membuat sebuah
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Buku merupakan media informasi yang memiliki peran penting dalam perkembangan ilmu pengetahuan, karena dengan buku kita dapat memperoleh banyak informasi, pengetahuan
Lebih terperinciBAB III METODOLOGI PENELITIAN
29 BAB III METODOLOGI PENELITIAN Bab ini mendeskripsikan apa saja yang dibutuhkan untuk penelitian seperti desain atau tahapan penelitian, model pengembangan sistem dan alat dan bahan penelitian. 3.1 Desain
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 terperincibeberapa tag-tag lain yang lebih spesifik di dalamnya.
metode mana yang lebih baik digunakan untuk memilih istilah ekspansi yang akan ditambahkan pada kueri awal. Lingkungan Implementasi Perangkat lunak yang digunakan untuk penelitian yaitu:. Windows Vista
Lebih terperinciUKDW BAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan pengetahuan dan kehidupan manusia sungguh dipercepat dengan kemudahan akses terhadap begitu banyak informasi. Pada beberapa waktu yang lalu akses terhadap
Lebih terperinciBAB I PERSYARATAN PRODUK
BAB I PERSYARATAN PRODUK 1.1 PENDAHULUAN Pada saat kita melakukan pencarian melalui search engine (google.com, yahoo, dsb), kita bisa mendapatkan beberapa hasil, yang berupa dokumen - dokumen yang sama
Lebih terperinciBAB V EKSPERIMEN TEXT CLASSIFICATION
BAB V EKSPERIMEN TEXT CLASSIFICATION Pada bab ini akan dibahas eksperimen untuk membandingkan akurasi hasil text classification dengan menggunakan algoritma Naïve Bayes dan SVM dengan berbagai pendekatan
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 terperinciPENERAPAN VECTOR SPACE MODEL UNTUK PERINGKASAN KOMENTAR ANGKET MAHASISWA
PENERAPAN VECTOR SPACE MODEL UNTUK PERINGKASAN KOMENTAR ANGKET MAHASISWA Suprianto 1), Sunardi 2), Abdul Fadlil 3) 1 Sistem Informasi STMIK PPKIA Tarakanita Rahmawati 2,3 Magister Teknik Informatika Universitas
Lebih terperinciBAB 3. METODOLOGI PENELITIAN
BAB 3. METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian Pada penelitian ini menggunakan alat penelitian berupa perangkat keras dan perangkat lunak, yaitu : 1. Perangkat keras a. Processor Intel Core
Lebih terperinciBAB I PENDAHULUAN. penyimpanan dan cepat. Tuntutan dari gerakan anti global warming juga
1 BAB I PENDAHULUAN A. Latar Belakang Dalam era teknologi informasi seperti saat ini, informasi berupa teks sudah tidak lagi selalu tersimpan dalam media cetak seperti kertas. Orang sudah mulai cenderung
Lebih terperinciBAB 3 METODE PENELITIAN. pengelolaan dokumen yang efektif agar kita dapat me-retrieve informasi yang
58 BAB 3 METODE PENELITIAN 3.1 Analisis Masalah Seiring dengan perkembangan zaman, jumlah informasi yang disimpan dalam betuk digital semakin bertambah, sehingga dibutuhkan cara pengorganisasian dan pengelolaan
Lebih terperinciBAB 3 ANALISIS MASALAH DAN PERANCANGAN
BAB 3 ANALISIS MASALAH DAN PERANCANGAN 3.1 State of the Art Pada penelitian sebelumnya sudah ada yang menggunakan metode Stemming untuk preprocessing text dalam mengolah data pelatihan dan data uji untuk
Lebih terperinciABSTRAK. Kata kunci: temperamen, kepribadian, Hippocrates, sinonim, antonim, pembelajaran mesin. Universitas Kristen Maranatha
ABSTRAK Hubungan antar manusia sering kali mengalami gangguan karena perbedaan kepribadian. Tipe-tipe kepribadian pada dasarnya memiliki kesamaan dan perbedaan yang sudah dikelompokkan oleh teori Hippocrates,
Lebih terperinciIMPLEMENTASI METODE TERM FREQUENCY INVERSED DOCUMENT FREQUENCE (TF-IDF) DAN VECTOR SPACE MODEL PADA APLIKASI PEMBERKASAN SKRIPSI BERBASIS WEB
IMPLEMENTASI METODE TERM FREQUENCY INVERSED DOCUMENT FREQUENCE (TF-IDF) DAN VECTOR SPACE MODEL PADA APLIKASI PEMBERKASAN SKRIPSI BERBASIS WEB Abdul Rokhim 1), Achmad ainul yaqin 2) 1) Program Studi/Prodi
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka Document summarization adalah proses pengambilan teks dari sebuah dokumen dan membuat sebuah ringkasan yang mempunyai informasi yang lebih berguna bagi user
Lebih terperinciPENERAPAN SISTEM TEMU KEMBALI INFORMASI PADA KUMPULAN DOKUMEN SKRIPSI
18 PENERAPAN SISTEM TEMU KEMBALI INFORMASI PADA KUMPULAN DOKUMEN SKRIPSI Karter D. Putung, Arie Lumenta, Agustinus Jacobus Teknik Informatika Universitas Sam Ratulangi Manado, Indonesia. karterputung@gmail.com,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI II.1 Text Mining Text Mining merupakan penerapan konsep dan teknik data mining untuk mencari pola dalam teks, proses penganalisaan teks guna menemukan informasi yang bermanfaat untuk
Lebih terperinciKLASTERISASI DOKUMEN ARTIKEL ILMIAH MENGGUNAKAN ALGORITMA SINGLE PASS CLUSTERING DENGAN DETEKSI KESAMAAN KATA TUGAS AKHIR
KLASTERISASI DOKUMEN ARTIKEL ILMIAH MENGGUNAKAN ALGORITMA SINGLE PASS CLUSTERING DENGAN DETEKSI KESAMAAN KATA TUGAS AKHIR Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika
Lebih terperinci