STEMMING KATA KERJA BAHASA INDONESIA PADA FILE TEKS MENGGUNAKAN ALGORITMA LOVINS DAN ALGORITMA PAICE/HUSK. Proposal Tugas Akhir. Logo kampus.
|
|
- Adi Lie
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Disiapkan Oleh: Sunaryo, S.Kom STEMMING KATA KERJA BAHASA INDONESIA PADA FILE TEKS MENGGUNAKAN ALGORITMA LOVINS DAN ALGORITMA PAICE/HUSK Proposal Tugas Akhir Logo kampus Oleh Nama Anda Nim xxxxxxxx Program Studi Teknik Informatika Fakultas Teknik Universitas xxxxxxxxxxx Tahun xxxxxx
2 STEMMING KATA KERJA BAHASA INDONESIA PADA FILE TEKS MENGGUNAKAN ALGORITMA LOVINS DAN ALGORITMA PAICE/HUSK Bidang Minat : Rekayasa Perangkat Lunak Mata Kuliah Pendukung Nilai Mata Kuliah Pendukung Nilai Mata Kuliah Pendukung Nilai : 1. Natural Language Processing : B : 2. Teori Bahasa dan Otomata : B : 3. Teknik Kompiler : B Nama Mahasiswa NIM IPK : Nama Anda : xxxxxxx : xxx Proposal ini diajukan dalam kolokium sebagai persyaratan untuk memulai penulisan Tugas Akhir. Proposal I Kuliah Semester Gasal 2011/ ii
3 DAFTAR ISI HALAMAN JUDUL... i SAMPUL DALAM... ii DAFTAR ISI... iii DAFTAR GAMBAR... iv DAFTAR TABEL... v STEMMING KATA KERJA BAHASA INDONESIA PADA FILE TEKS MENGGUNAKAN ALGORITMA LOVINS DAN ALGORITMA PAICE/HUSK Latar Belakang Masalah... 1 Perumusan Masalah... 1 Batasan Masalah... 2 Tujuan Penelitian... 2 Metode Pendekatan... 3 Landasan Teori... 4 Gambaran Sistem DAFTAR PUSTAKA iii
4 DAFTAR GAMBAR Gambar 1 Graf Aturan Stemming... 8 Gambar 2 Algoritma Stemming Lovins... 9 Gambar 3 Algoritma Stemming Paice/Husk Gambar 4 Gambaran Kerja Sistem iv
5 DAFTAR TABEL Tabel 1 Awalan, Sisipan, Leburan, dan Akhiran pada Bahasa Indonesia... 4 v
6 STEMMING KATA KERJA BAHASA INDONESIA PADA FILE TEKS MENGGUNAKAN ALGORITMA LOVINS DAN ALGORITMA PAICE/HUSK 1. Latar Belakang Masalah Masih banyaknya kata-kata tidak baku yang sering kita jumpai pada file teks, maka dirasa perlu untuk membangun sebuah perangkat lunak yang mampu memilah kata-kata yang tidak baku supaya dapat diketahui kebenaran penulisan kata pada isi file teks. Salah satu cara mencari kata yang tidak baku adalah dengan melakukan pencocokkan kata yang ada pada file dengan kamus kata. Namun pada penelitian ini penulis akan mengetahui kata-kata yang baku tidak baku dengan menggunakan aturan-aturan stemming pada bahasa indonesia. Penulis dapat menentukan kata yang tidak baku pada teks dengan cara mengambil kata yang tidak dapat diterima oleh aturan stemming yang berlaku. Dan melihat masih belum sempurnanya algoritma stemming yang diimplementasikan ke bahasa indonesia, penulis ingin meneliti stemming pada bahasa indonesia menggunakan algoritma Lovins dan Algoritma Paice/Husk secara terpisah. Penulis juga ingin mengetahui kelebihan dan kekurangan algoritma Lovins dan algoritma Paice Husk yang diterapkan pada stemming kata berbahasa indonesia, dan membandingkan hasil kerjanya. Setelah mengetahui kelebihan dan kekurangan masing-masing algoritma, penulis ingin mencari solusi untuk ketidaksempurnaan yang terjadi pada proses stemming yang dikerjakan. 1
7 2. Perumusan Masalah Permasalahan dalam tulisan ini dapat dirumuskan sebagai berikut: Bagaimana membuat perangkat lunak yang mampu melakukan stemming pada kata berbahasa indonesia dengan dua cara yang berbeda menggunakan algoritma Lovins dan algoritma Paice/Husk. Bagaimana menentukan kata yang tidak baku pada proses stemming. Bagaimana membuat solusi yang tepat untuk menyempurnakan hasil dari proses stemming yang dilakukan. 3. Batasan Masalah Batasan masalah dalam penelitian ini adalah : 1. Proses stemming tidak menggunakan pencocokan kamus, hanya menggunakan algoritma. 2. Proses stemming berdasarkan aturan bentuk kata kerja bahasa indonesia. 3. Penentuan kata yang tidak baku dilakukan dengan mendaftar kata-kata yang tidak dapat mengikuti aturan stemming. 4. Tidak dapat melakukan perbaikan pada kesalahan penulisan kata. 5. Bahasa pemrograman yang digunakan adalah PHP. 4. Tujuan Penelitian Tujuan dari penulisan ini adalah membantu penulis dalam memahami dan mengimplementasikan algoritma stemming Lovins dan algoritma stemming Paice/Husk ke dalam permasalahan Stemming Kata Kerja Berbahasa Indonesia. Melalui stemming ini penulis ingin menentukan kata-kata yang tidak baku pada sebuah file teks. Penulis juga ingin mengetahui proses kerja algoritma Lovins dan Paice/Husk secara langkah demi langkah proses pemenggalan imbuhan pada kata. 2
8 5. Metode / Pendekatan Dalam penelitian ini digunakan metode: 1. Perancangan graf Pada tahap awal akan dilakukan perancangan graf yang mengatur proses pemenggalan awalan dan akhiran. 2. Perancangan Algoritma Graf yang telah di susun ditransformasikan sesuai dengan algoritma stemming Lovins dan algoritma stemming Paice/Husk. 3. Implementasi Rancangan Setelah algoritma tersebut terbentuk akan diimplementasikan menjadi sebuah perangkat lunak. 4. Uji coba Uji coba dilakukan untuk menguji ketepatan hasil stemming pada masingmasing algoritma, dan menguji ketepatan penentuan kata yang tidak baku. Selain itu diuji pula waktu yang diperlukan untuk proses stemming yang dilakukan pada masing-masing algoritma dan dilakukan perbandingan hasil stemming pada kedua algoritma stemming tersebut. 3
9 6. Landasan Teori Aturan stemming dalam bahasa indonesia Sebelum melakukan stemming ada 2 tahap yang harus dilalui, yaitu tokenisasi dan stopwordlist (filtering). Tokenisasi yaitu tahap pemotongan string input berdasarkan setiap kata, dan stopwordlist adalah pengambilan kata-kata pilihan (penting atau tidak penting) dari hasil token. Aturan stemming dalam bahasa indonesia sangatlah sederhana, awalan dan akhiran ditempatkan di depan dan dibelakang kata. Transformasi dari sisipan dan leburan sebgai berikut: Insertion Morphing Prefix (Awalan) (Sisipan) pada huruf awal (Leburan) pada huruf awal Suffix (Akhiran) r n ng m ng m ny N 1. Be a-z an, kan 2. Di i, kan, nya 3. Ke an, nya, 4. Me U c,d,j, a,i,u,e, b,f,v k p s T kan, i, nya z o,g,h,q 5. Se nya, an, 6. Te \\r kan, nya 7. Pe \\r \\n a,i,u,e, o,g,h,q b,f,v k p s T an, nya Tabel.1 : Awalan, Sisipan, Leburan, dan Akhiran pada Bahasa Indonesia Sumber: Morphing and Insertion Rules, Lily & Stephen Disallowed prefix and sufix combinations, Nazief & Adriani Keterangan: Tanda \\ artinya: r tidak boleh ganda (contoh yang salah: terrencana, perrawatan) tanda minus ( ) artinya: tidak bisa dilakukan proses stemming. 4
10 Cara kerja proses stemming berdasarkan tabel di atas adalah membedakan antara sisipan dan leburan dengan cara mengenali karakter pertama pada kata dasarnya,. Jika karakter pertama masuk dalam kategori sisipan maka aturan sisipan diberlakukan demikian halnya jika masuk dalam kategori leburan, maka aturan leburan diberlakukan. Dan permasalahan yang paling jelas pada tabel diatas, terlihat pada sisipan ng- dan leburan ng- khususnya pada karakter pertama vokal (a,i,u,e,o). Akan sangat sulit menentukan aturan stemming pada kata tersebut karena ketidakkonsistenan bahasa indonesia pada aturan ini. Pada tabel di atas terjadi permasalahan-permasalahan aturan stemming yang tidak sesuai dengan bentuk kata yang benar dalam bahasa indonesia. Permasalahan dan solusi untuk bentuk kata yang memiliki aturan khusus dalam bahasa indonesia adalah sebagai berikut: Sisipan ng dan Leburan ng pada kata yang memiliki karakter pertama vokal (a,i,u,e,o). Contoh Kasus: Mengubur = kubur, Mengubah = ubah, Mengupas = kupas, Mengatakan = kata, Mengambil = ambil, Mengobarkan = kobar. Solusi : dibuatkan pengecualian khusus untuk kata-kata yang memiliki sisipan atau leburan ng-, karena tidak memiliki aturan yang baku. Sisipan mem- + per- contoh: memper, maka pada stemming kata yang berimbuhan seperti ini akan digunakan aturan me-+m dan selanjutnya digunakan aturan pe-+r Contoh Kasus: Memperindah = indah, Memperkosa = perkosa Solusi: setelah aturan me +m- diberlakukan, dilakukan pemenggalan akhiran, lalu akan diperiksa terlebih dahulu apakah kata tersebut berawalan pe-+r. Jika berawalan pe- + r dan memiliki jumlah karakter <5 (lebih kecil dari 5) tidak termasuk awalan per-, Artinya per- pada kata tersebut bukanlah awalan, sehingga tidak dapat dipisahkan. Namun jika memiliki karakter > 5 tidak termasuk awalan per-, Artinya kata tersebut dapat dipisahkan dari awalan per- Pada Leburan me-+ n, sebagian besar n-nya adalah leburan dari t. Namun terdapat pengecualian pada beberapa kata tertentu. 5
11 Contoh Kasus: Menari = tari, Menikah = nikah, Menista = nista, Menimba = timba, Menikam = tikam Solusi: Dibuatkan pengecualian pada beberapa kata yang tidak dapat melebur walaupun kata tersebut sesuai dengan aturan leburan me- + n. Pada sisipan r, harus diperiksa apakah karakter pertama pada kata tersebut adalah r juga. Jika karakter pertamanya r (sama dengan sisipan), maka hanya satu r saja yang ditulis. Solusi: Sisipan r dihapuskan jika bertemu dengan karakter pertama r. Jika terdapat kata yang tidak memenuhi aturan awalan, sisipan, leburan dan akhiran sesuai tabel, maka kata tersebut dianggap tidak baku. Solusi: Dilakukan pemeriksaan kecocokan antara kata yang akan di stem dengan aturan stemming yang berlaku, lalu dibuatkan array untuk menampung kata-kata yang tidak dapat diproses dalam aturan stemming. Pada sisipan pe- + me- contoh: peme, maka pada stemming kata yang berimbuhan seperti ini akan digunakan aturan pe- dan selanjutnya digunakan aturan me-. Kasus: Pemegang = pegang, Pemeriksa = periksa, Pemenang = menang Solusi: Hilangkan akhiran pada kata tersebut, lalu lakukan pemeriksaan apakah kata tersebut berawalan pe, dan hilangkan awalan pe-nya. Lalu tambahkan awalan me pada kata tersebut. Dan selanjutnya gunakan aturan stemming pada awalan me-. Namun ada beberapa kata berawalan me- yang harus dibuat pengecualian, misalnya kata menang. Pada sisipan pe- + be- contoh: pember, maka pada stemming kata yang berimbuhan seperti ini akan digunakan aturan pe- dan selanjutnya digunakan aturan be-. Serta dilakukan penghilangan akhiran pada kata tersebut. Pada sisipan me- + be- contoh: member, maka pada stemming kata yang berimbuhan seperti ini akan digunakan aturan me- dan selanjutnya digunakan aturan be-. Serta dilakukan penghilangan akhiran pada kata tersebut. Kata ulang memiliki karakteristik yang berbeda dengan kata yang bukan kata ulang. Contoh: beramai-ramai = ramai, bersorak-sorai = sorak, menimbangnimbang = timbang. 6
12 Solusi: Harus dibuatkan aturan khusus untuk kata ulang, misalnya dengan mengenali karakter minus (-) sebagai bagian dari kata ulang. Harus dibuatkan stopwordlist untuk menyaring kata yang tidak dapat dilakukan stemming. Contoh: (sedang, dini, kemarin). Dan dibuatkan aturan bentuk kata (jumlah karakter, jumlah maximal urutan karakter yang sama) agar jumlah kata pada stopwordlist tidak terlalu banyak, aturannya menggunakan regular expression. Seperti pada beberapa permasalahan yang telah disebutkan di atas, terdapat solusi yang membutuhkan kamus pengecuaalian kata, sehingga harus dibuatkan kamus pengecualian kata untuk beberapa kata yang baku namun tidak sesuai dengan aturan stemming. Contoh: Menikah = nikah, Menista = nista, Memerah = merah/perah. 7
13 GAMBAR.1 Graf Aturan Stemming SISIPAN r,n,ng,m Ubah sisipan AWALAN Tanpa sisipan atau leburan Hapus akhiran Hapus awalan r,ng,ny,n Ubah leburan LEBURAN 8
14 Algoritma Stemming Lovins GAMBAR.2 9
15 Algoritma Stemming Paice/Husk GAMBAR
16 7. Gambaran Sistem Sebelum sistem melakukan stemming, sistem melakukan proses tokenisasi pada teks, lalu melakukan stopwordlist. Dan selanjutnya dilakukan proses stemming dengan algoritma Lovins dan Paice/Husk secara bergantian, pemakai dapat menentukan algoritma mana yang akan dipakai. Penentuan kata yang tidak baku dilakukan pada proses stemming, dan kata yang tidak baku adalah kata yang tidak dapat dimasukkan ke dalam aturan stemming. Pengguna aplikasi ini juga dapat meningkatkan kemampuan sistem dengan cara: 1. menambahkan isi stopwordlist agar kumpulan karakter yang bukan kata tidak masuk dalam proses stemming. 2. menambahkan isi pada kamus pengecualian kata, agar kata baku yang tidak sesuai dengan aturan stemming tetap dapat dikenali sebagai kata yang baku. Ada tiga keluaran yang akan di tampilkan pada aplikasi ini, yaitu: tabel kata yang tidak baku, tabel kata yang baku dan laporan kesalahan penempatan karakter pada kata. 11
17 GAMBAR.4: Gambaran Kerja Sistem Buka File Teks Tokenisasi Stopwordlist Periksa pada aturan susunan karakter kata Pilih Algoritma stemming (Lovins atau Paice/Husk) Stemming dengan Lovins Gunakan Aturan Kata Kerja B.Indonesia Stemming dengan Paice/Husk Output: Tabel Kata Kerja Dasar Output: Tabel Kata Kerja Dasar 12
18 DAFTAR PUSTAKA Lovins, J., Development of a stemming algorithm, Mechanical Translation and Computation, Lovins, J., The Lovins stemming algorithm, Paice, C. D. The Paice/Husk Stemmer, Paice Chris D. Another stemmer. Paice Chris D. Paice/Husk stemmer, Kelly, Automata & Formal Language, Prentice-Hall, 1995 Jelita Asian, dkk., Stemming Indonesian, RMIT University, Melbourne 3001, Australia, Lily S, Stephane B., Automatic Learning of Stemming Rules for the Indonesian Language, National University of Singapore, 68.pdf Hopcroft, Motwani, Ullman. Introdution to Automata Theory, Languages, and Computation, 3rd Edition, Pearson Addison Wesley
ANALISIS 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 terperinciPenerapan Algoritma Paice atau Husk untuk Stemming pada Kamus Bahasa Inggris ke Bahasa Indonesia
Penerapan Algoritma Paice atau Husk untuk Stemming pada Kamus Bahasa Inggris ke Bahasa Indonesia Damar Aji Asmara, Dewi Khairani, Siti Ummi Masruroh Program Studi Teknik Informatika Fakultas Sains dan
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 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 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 terperinciLecture Notes Teori Bahasa dan Automata
Pumping Lemma RL (edisi 2) 1/5 Lecture Notes Teori Bahasa dan Automata Pumping Lemma Untuk Regular Language Thompson Susabda Ngoen Revisi 1 Hopcroft mengatakan regular language dapat dideskripsikan dengan
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 terperinciBAB II LANDASAN TEORI. 2.1 Peringkasan Teks Otomatis (Automatic Text Summarization) Peringkasan Teks Otomatis (Automatic Text Summarization) merupakan
BAB II LANDASAN TEORI 2.1 Peringkasan Teks Otomatis (Automatic Text Summarization) Peringkasan Teks Otomatis (Automatic Text Summarization) merupakan pembuatan rangkuman dari sebuah sumber teks secara
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 terperinciBAB 1 PENDAHULUAN. sederhana adalah kelas bahasa reguler (regular languages). Bahasa reguler dapat dengan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam hierarki kelas-kelas bahasa menurut Chomsky, kelas bahasa yang paling sederhana adalah kelas bahasa reguler (regular languages). Bahasa reguler dapat dengan tepat
Lebih terperinciUNIVERSITAS GADJAH MADA FMIPA/DIKE/ILMU KOMPUTER Gedung SIC Lantai 1, Sekip, Bulaksumur, 55281, Yogyakarta
UNIVERSITAS GADJAH MADA FMIPA/DIKE/ILMU KOMPUTER Gedung SIC Lantai 1, Sekip, Bulaksumur, 55281, Yogyakarta Rencana Program Kegiatan Pembelajaran Semester (RPKPS) Bahasa Otomata ( KLAS B ) Ganjil /3 sks/mii-2205
Lebih terperinciTeori Bahasa dan Otomata
Teori Bahasa dan Otomata Disajikan oleh: Bernardus Budi Hartono Web : http://pakhartono.wordpress.com/ E-mail : pakhartono at gmail dot com budihartono at acm dot org Teknik Informatika [Gasal 2009 2010]
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 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 terperinciSumarni Adi TEKNIK INFORMATIKA STMIK AMIKOM YOGYAKARTA 2013
Sumarni Adi TEKNIK INFORMATIKA STMIK AMIKOM YOGYAKARTA 2013 KONTRAK KULIAH 1. Presensi 15 menit diawal perkuliahan dan dilakukan sendiri (tidak Boleh Titip Presensi), setelahnya sistem akan ditutup 2.
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Bahasa merupakan alat komunikasi lingual manusia baik secara lisan maupun tulisan. Dalam membuat suatu karya ilmiah, penggunaan Bahasa Indonesia harus sesuai
Lebih terperinciPENDAHULUAN. Terdapat tiga topik utama di teori otomata yaitu:
PENDAHULUAN Pengertian Komputer mengikuti sejumlah prosedur sistematis, atau algoritme, yang dapat diaplikasikan untuk serangkaian input (string) yang menyatakan integer dan menghasilkan jawaban setelah
Lebih terperinciJULIO ADISANTOSO - ILKOM IPB 1
KOM341 Temu Kembali Informasi KULIAH #3 Inverted Index Inverted index construction Kumpulan dokumen Token Modifikasi token Tokenizer Linguistic modules perkebunan, pertanian, dan kehutanan perkebunan pertanian
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 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 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 terperinciENKRIPSI PASSWORD LOGIN MENGGUNAKAN ALGORITMA KRIPTOGRAFI ONE TIME PAD
Disiapkan oleh: Sunaryo, S.Kom Email: sunaryo.online@gmail.com ENKRIPSI PASSWORD LOGIN MENGGUNAKAN ALGORITMA KRIPTOGRAFI ONE TIME PAD Proposal Tugas Akhir Logo Kampus Oleh Nama Anda Nim xxxxxx Program
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Bahasa Inggris merupakan salah satu bahasa yang sering digunakan baik pada percakapan sehari-hari maupun pada dunia akademik. Penelitian mengenai pemeriksaan
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 terperinciFTIK / PRODI TEKNIK INFORMATIKA
Halaman : 1dari 12 LEMBAR PENGESAHAN DIBUAT OLEH MENYETUJUI Tim SOP dan JUKNIS Prodi IF Mira Kania Sabariah, S.T., M.T Ka Prodi TeknikInformatika Halaman : 2dari 12 DAFTAR ISI Lembar Pengesahan... 1 Daftar
Lebih terperinciOverview. Pendahuluan. Pendahuluan. Pendahuluan. Pendahuluan. Pendahuluan
Overview Pertemuan : I Dosen Pembina : Danang Junaedi Deskripsi Tujuan Instruksional Kaitan Materi Penilaian Grade Referensi Jurusan Teknik Informatika Universitas Widyatama Deskripsi Mata kuliah ini mempelajari
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 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 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 II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peringkasan Teks Otomatis (Automatic Text Summarization) Peringkasan Teks Otomatis (Automatic Text Summarization) merupakan pembuatan rangkuman dari sebuah sumber teks secara
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 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 terperinciPERANGKAT LUNAK PENGUCAPAN KATA BAHASA INDONESIA BERDASARKAN PEMENGGALAN KATA DENGAN FINITE STATE AUTOMATA
PERANGKAT LUNAK PENGUCAPAN KATA BAHASA INDONESIA BERDASARKAN PEMENGGALAN KATA DENGAN FINITE STATE AUTOMATA Imam Kuswardayan, Aris Tjahyanto, Krisma Marinda Sormin Siregar Jurusan Teknik Informatika, Fakultas
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Pada era globalisasi seperti saat ini, setiap negara di dunia telah terhubung
BAB I PENDAHULUAN 1.1 Latar Belakang Pada era globalisasi seperti saat ini, setiap negara di dunia telah terhubung satu sama lain yang membuat tidak adanya batasan bagi manusia untuk berinteraksi dan berkomunikasi
Lebih terperinciBAB I PENDAHULUAN. Inggris bahasa Madura Enggi Bunten. Madura yang digunakan untuk berkomunikasi dalam kehidupan seharihari.
BAB I PENDAHULUAN 1.1. Latar Belakang Pertumbuhan ekonomi Jawa Timur yang sangat pesat membuat lahan industri semakin berkurang. Salah satu incaran pemerintah provinsi Jawa Timur untuk pengembangan industri
Lebih terperinciIMPLEMENTASI METODE SUPPORT VECTOR MACHINES UNTUK PENCARIAN INFORMASI BUKU RIKI HIDAYAT
IMPLEMENTASI METODE SUPPORT VECTOR MACHINES UNTUK PENCARIAN INFORMASI BUKU RIKI HIDAYAT 10108371 Latar Belakang Masalah 1. Jumlah buku yang semakin banyak. 2. Belum adanya sistem pencarian informasi buku
Lebih terperinciAplikasi Simulator Mesin Turing Pita Tunggal
Aplikasi Simulator Mesin Turing Pita Tunggal Nuludin Saepudin / NIM 23515063 Program Magister Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
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 terperinciMesin Turing. Pertemuan Ke-14. Sri Handayaningsih, S.T., M.T. Teknik Informatika
Mesin Turing Pertemuan Ke-14 Sri Handayaningsih, S.T., M.T. Email : ning_s12@yahoo.com Teknik Informatika 1 TIU & TIK Memahami konsep : 1. Definisi Mesin Turing 2. Contoh aplikasi Mesin Turing 3. Mesin
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Analisis sentimen Analisis sentimen atau opinion mining merupakan proses memahami, mengekstrak dan mengolah data tekstual secara otomatis untuk mendapatkan informasi sentimen
Lebih terperinciBAB I PENDAHULUAN. tersebut dibuktikan dengan semakin canggihnya perangkat keras seperti prosesor,
BAB I PENDAHULUAN 1.1. Latar Belakang Akhir-akhir ini teknologi komputer berkembang dengan pesat. Hal tersebut dibuktikan dengan semakin canggihnya perangkat keras seperti prosesor, memori, dan sebagainya.
Lebih terperinciSISTEM PENCARIAN PASAL-PASAL TINDAK PIDANA PELANGGARAN BERDASARKAN KUHP DENGAN METODE STRING MATCHING BOYER-MOORE SKRIPSI
SISTEM PENCARIAN PASAL-PASAL TINDAK PIDANA PELANGGARAN BERDASARKAN KUHP DENGAN METODE STRING MATCHING BOYER-MOORE SKRIPSI Diajukan Untuk Memenuhi Sebagai Persyaratan Dalam Memperoleh Gelar Sarjana Komputer
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 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 terperinciKLASIFIKASI ARTIKEL BERITA BERBAHASA INDONESIA BERBASIS NAÏVE BAYES CLASSIFIER MENGGUNAKAN CONFIX-STRIPPING STEMMER
1 KLASIFIKASI ARTIKEL BERITA BERBAHASA INDONESIA BERBASIS NAÏVE BAYES CLASSIFIER MENGGUNAKAN CONFIX-STRIPPING STEMMER Amalia Anjani A. 1, Arif Djunaidy 2, Renny P. Kusumawardani 3 Jurusan Sistem Informasi,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Plagiarisme Menurut Peraturan Menteri Pendidikan RI Nomor 17 Tahun 2010 dikatakan: "Plagiat adalah perbuatan sengaja atau tidak sengaja dalam memperoleh atau mencoba memperoleh
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 terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
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 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 terperinciTEORI BAHASA DAN OTOMATA [TBO]
TEORI BAHASA DAN OTOMATA [TBO] Teori Bahasa Teori bahasa membicarakan bahasa formal (formal language), terutama untuk kepentingan perancangan kompilator (compiler) danpemroses naskah (text processor).
Lebih terperinciText Pre-Processing. M. Ali Fauzi
Text Pre-Processing M. Ali Fauzi Latar Belakang Latar Belakang Dokumen-dokumen yang ada kebanyakan tidak memiliki struktur yang pasti sehingga informasi di dalamnya tidak bisa diekstrak secara langsung.
Lebih terperinciEkspresi Reguler. Pertemuan Ke-8. Sri Handayaningsih, S.T., M.T. Teknik Informatika
Ekspresi Reguler Pertemuan Ke-8 Sri Handayaningsih, S.T., M.T. Email : ning_s12@yahoo.com Teknik Informatika TIU dan TIK 1. memahami konsep ekspresi reguler dan ekivalensinya dengan bahasa reguler. 2.
Lebih terperinciBAB I PENDAHULUAN. berinovasi menciptakan suatu karya yang original. Dalam hal ini tindakan negatif
1 BAB I PENDAHULUAN I.1 Latar Belakang Pada dasarnya manusia menginginkan kemudahan Dalam segala hal. Sifat tersebut akan memicu tindakan negatif apabila dilatarbelakangi oleh motivasi untuk berbuat curang
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 terperinciTeori Bahasa Formal dan Automata
Teori Bahasa Formal dan Automata Pertemuan 5 Semester Genap T.A. 2017/2018 Rahman Indra Kesuma, S.Kom., M.Cs. T. Informatika - ITERA REVIEW Apa perbedaan antara NFA dan ϵ-nfa? Apa yang dimaksud dengan
Lebih terperinciLecture Notes Teori Bahasa dan Automata
Ekuivalensi State (Ed. 1) 1/5 Lecture Notes Teori Bahasa dan Automata Uji Ekuivalensi State Deterministic Finite Automata Thompson Susabda Ngoen Beberapa deterministic finite automaton (DFA) yang berbeda
Lebih terperinciText Mining. Budi Susanto. Text dan Web Mining. Teknik Informatika UKDW Yogyakarta
Text Mining Budi Susanto Materi Pengertian Text Mining Pemrosesan Text Tokenisasi Lemmatization Vector Document Pengertian Text Mining Text mining merupakan penerapan konsep dan teknik data mining untuk
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 terperinciMILIK UKDW BAB 1 PENDAHULUAN Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Berbagai macam hal saat ini telah bisa dilakukan melalui proses komputasi. Dari hal-hal yang sederhana seperti perhitungan sederhana hingga proses yang tingkat
Lebih terperinciJurnal Coding, Sistem Komputer Untan Volume 04, No.1 (2016), hal ISSN : x
APLIKASI PENDETEKSI PLAGIAT TERHADAP KARYA TULIS BERBASIS WEB MENGGUNAKAN NATURAL LANGUAGE PROCESSING DAN ALGORITMA KNUTH-MORRIS-PRATT [1] Rio Alamanda, [2] Cucu Suhery, [3] Yulrio Brianorman [1][2][3]
Lebih terperinciBab 1 Pendahuluan 1.1 Pengantar
Bab 1 Pendahuluan 1.1 Pengantar Pada awalnya komputer hanya dapat digunakan oleh mereka yang ahli, peneliti, dan orang-orang yang punya keahlian khusus. Kini penggunaan komputer tidak hanya terbatas bagi
Lebih terperinciBAB I PENDAHULUAN. Temu kembali informasi (information retrieval) adalah sebuah proses
BAB I PENDAHULUAN 1.1 Latar Belakang Temu kembali informasi (information retrieval) adalah sebuah proses menemukan kembali dokumen-dokumen relevan untuk memenuhi kebutuhan informasi para pengguna (Manning,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kemajuan teknologi informasi dan komunikasi tidak hanya membawa dampak positif, tetapi juga membawa dampak negatif, salah satunya adalah tindakan plagiarisme (Kharisman,
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 BINUS UNIVERSITY 3.1.1 Sejarah BINUS UNIVERSITY BINUS UNIVERSITY bermula sebagai suatu lembaga jangka pendek yang berdiri pada tanggal 21 Oktober 1974 dengan nama
Lebih terperinciEKSPRESI REGULAR PADA SUATU DETERMINISTIC FINITE STATE AUTOMATA
Jurnal Matematika Vol.6 No., November 26 [ 63-7 ] EKSPRESI REGULAR PADA SUATU DETERMINISTIC FINITE STATE AUTOMATA Jurusan Matematika, UNISBA, Jalan Tamansari No, Bandung,46, Indonesia dsuhaedi@eudoramail.com
Lebih terperinciPERKENALAN STRUKTUR DATA. Firmansyah, S.Kom
PERKENALAN STRUKTUR DATA Firmansyah, S.Kom A. TEMA DAN TUJUAN KEGIATAN PEMBELAJARAN 1. Tema Perkenalan Struktur Data 2. Fokus Pembahasan Materi Pokok 1. Definisi Struktur Data 2. Tipe-tipe data 3. Algoritma
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Masalah Penelitian yang sudah pernah membuat sistem ini berhasil menciptakan pembangkitan pertanyaan non-factoid secara otomatis dengan menggunakan tiga jenis
Lebih terperinciTeori Bahasa Formal dan Automata
Teori Bahasa Formal dan Automata Pertemuan 2 Semester Genap T.A. 2017/2018 Rahman Indra Kesuma, S.Kom., M.Cs. T. Informatika - ITERA POKOK BAHASAN Finite Automata Notasi Finite Automata Deterministic Finite
Lebih terperinciTEORI BAHASA DAN OTOMATA PENGANTAR
TEORI BAHASA DAN OTOMATA PENGANTAR PERKULIAHAN Jumlah pertemuan minimal 13 kali dan maksimal 15 kali sudah termasuk dengan ujian tengah semester (UTS) PENILAIAN ABSEN 10% (Minimal kehadiran 80% dari jumlah
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 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 terperinciTabel 3 Situs berita dan jumlah RSS yang diunduh Situs Berita
6 besar dibandingkan dengan istilah yang berada pada description. Lingkup Implemental Lingkungan implementasi yang akan digunakan adalah sebagai berikut: Perangkat Lunak : Sistem operasi Windows XP Professional
Lebih terperinciGARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP)
Mata Kuliah : Teori Bahasa dan Automa Bobot Mata Kuliah : 3 Sks GARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP) Deskripsi Mata Kuliah : Micro processing dan Memory, Memory Addressing; Register, Struktur Program,
Lebih terperinciMedia Informatika Vol. 7 No. 1 (2008) PERANGKAT LUNAK SISTEM PENENTUAN KATA DASAR SUATU KATA DALAM SUATU KALIMAT SECARA OTOMATIS
Media Informatika Vol. 7 No. 1 (2008) PERANGKAT LUNAK SISTEM PENENTUAN KATA DASAR SUATU KATA DALAM SUATU KALIMAT SECARA OTOMATIS Tacbir Hendro Pudjiantoro Sekolah Tinggi Manajemen Informatika dan Komputer
Lebih terperinciRANCANG BANGUN APLIKASI BANK SOAL PROGRAM STUDI TEKNIK INFORMATIKA SEKOLAH TINGGI TEKNOLOGI GARUT
RANCANG BANGUN APLIKASI BANK SOAL PROGRAM STUDI TEKNIK INFORMATIKA SEKOLAH TINGGI TEKNOLOGI GARUT Siti Hapsah Azizah 1, Leni Fitriani 2 Jurnal Algoritma Sekolah Tinggi Teknologi Garut Jl. Mayor Syamsu
Lebih terperinciTeori Bahasa Formal dan Automata
Teori Bahasa Formal dan Automata Pertemuan 9 Semester Genap T.A. 2017/2018 Rahman Indra Kesuma, S.Kom., M.Cs. T. Informatika - ITERA POKOK BAHASAN Grammar Grammar secara Formal Context Free Grammar Terminologi
Lebih terperinciTeori Matematika Terkait dengan TBO
Teori Matematika Terkait dengan TBO Pertemuan Ke-1 Sri Handayaningsih, S.T., M.T. Email : ning_s12@yahoo.com Teknik Informatika 1 TIU dan TIK 1. Mengingatkan kembali teori matematika yang terkait dengan
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 Permasalahan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Permasalahan Teknik Struktur Data dan Data Mining merupakan salah satu ilmu komputer yang penting dan menarik perhatian teori informatika. Saat ini teknik ini sudah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Text Mining Text mining merupakan teknik yang digunakan untuk menangani masalah klasifikasi, clustering, information extraction, dan information retrieval (Berry & Kogan, 2010).
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi Penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan oleh pelaku suatu disiplin ilmu. Metodologi juga merupakan analisis teoritis mengenai
Lebih terperinci2.3 Algoritma Tidak Berhubungan dengan Bahasa Pemrograman Tertentu
DAFTAR ISI BAB 1 Pengantar Sistem Komputer Dan Pemrograman 1.1 Sistem Komputer 1.2 Program, Aplikasi, Pemrogram, dan Pemrograman 1.3 Kompiler dan Interpreter 1.4 Kesalahan Program BAB 2 Pengantar Algoritma
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Klasifikasi Klasifikasi merupakan suatu pekerjaan menilai objek data untuk memasukkannya ke dalam kelas tertentu dari sejumlah kelas yang tersedia. Dalam klasifikasi ada dua pekerjaan
Lebih terperinciPERANCANGAN MOBILE LEARNING ALGORITMA DAN PEMROGRAMAN
E-journal Teknik Informatika, Volume 4, No. 2 (2014), ISSN : 2301-8364 1 PERANCANGAN MOBILE LEARNING ALGORITMA DAN PEMROGRAMAN Dea Tolawo 1), Arie Lumenta 2), Stanley Karouw 3) 1,2,3 Program Studi Teknik
Lebih terperinciSENTENCE ANALYSIS WITH ARTIFICIAL INTELLIGENCE MACHINE LEARNING USING FINITE STATE AUTOMATA
SENTENCE ANALYSIS WITH ARTIFICIAL INTELLIGENCE MACHINE LEARNING USING FINITE STATE AUTOMATA Yos Merry Raditya Putra Program Studi Teknik Informatika, Unika Soegijapranata Semarang truefalseboy@gmail.com
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 terperinciUNIVERSITAS BINA NUSANTARA. Program Ganda Teknik Informatika Matematika Skripsi Sarjana Program Ganda Semester Genap 2003/2004
UNIVERSITAS BINA NUSANTARA Program Ganda Teknik Informatika Matematika Skripsi Sarjana Program Ganda Semester Genap 2003/2004 PERANCANGAN BAHASA PEMROGRAMAN BERORIENTASI OBJEK DOGI Ari Prasetyo NIM: 0992980032
Lebih terperinciHASIL DAN PEMBAHASAN. listen to customer. build/revise. mock-up. customer test-drives
4 dilakukan oleh Muslik (2009). Tahap selanjutnya yaitu pembuatan modul word graph kata kerja pada KG_EDITOR. Metode pengembangan sistem yang digunakan dalam pembuatan modul kata kerja ini yaitu prototype.
Lebih terperinciTeori Bahasa Formal dan Automata
Teori Bahasa Formal dan Automata Pertemuan 12 Semester Genap T.A. 2017/2018 Rahman Indra Kesuma, S.Kom., M.Cs. T. Informatika - ITERA POKOK BAHASAN Penghilangan ε-production Penghilangan Unit Production
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 terperinciPengenalan Konsep Bahasa dan
Pengenalan Konsep Bahasa dan Automata Teori Bahasa dan Automata Viska Mutiawani - Informatika FMIPA Unsyiah 1 Bentuk komputasi yang dikenal saat ini CPU memory 2 Detil bentuk komputasi berdasarkan memory
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 terperinciSistem Wawancara Virtual untuk Penerimaan Mahasiswa Jurusan Teknik Informatika di ITHB dengan Metode Natural Language Processing
Jurnal Telematika, vol.8 no.1, Institut Teknologi Harapan Bangsa, Bandung, Indonesia Sistem Wawancara Virtual untuk Penerimaan Mahasiswa Jurusan Teknik Informatika di ITHB Harry Hartanto #1, The Houw Liong
Lebih terperinciSTEMMING FIRDAUS SOLIHIN UNIVERSITAS TRUNOJOYO. Firdaus Solihin (unijoyo) 2008
STEMMING FIRDAUS SOLIHIN UNIVERSITAS TRUNOJOYO Stemming menghapus variasi kata untuk mendapatkan kata dasar sebagai term pembeda, yang mengacu pada morfologi kata Contoh Himpunan {kerja, bekerja, pekerja,
Lebih terperinciHASIL DAN PEMBAHASAN Analisis Pola Word Graph Kata Benda 1 Listen to Customer 2 Build or Revise Mock-up Customer Test Drives Mock-up
4 Listen to customer Gambar 1 Diagram metode pengembangan prototype. 1 Listen to Customer Tahap listen to customer merupakan tahap untuk melakukan pengumpulan kebutuhan pengguna (requirements gathering).
Lebih terperinciBAB I PENDAHULUAN. karya tulis. Berbagai aplikasi seperti Ms. Word, Notepad, maupun Open Office
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring dengan perkembangan teknologi, maka kegunaan komputer dirasa makin besar. Komputer berperan penting dalam mempermudah pekerjaan sehari hari. Salah satu manfaat
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Algoritma Rabin-Karp Algoritma Rabin-Karp adalah suatu algoritma pencarian string yang diciptakan Michael O. Rabin dan Richard M. Karp pada tahun 1987 yang menggunakan fungsi
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Pada bab ini dijelaskan tentang langkah-langkah yang digunakan untuk membahas permasalahan pada penelitian ini. Gambar berikut ini menjelaskan tahapan yang dilakukan dalam
Lebih terperinciBAB I PENDAHULUAN. Jiménez-Peris, dkk dalam paper-nya yang berjudul New Technologies in
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan Teknologi dan Informasi telah berkembang sedemikian hebatnya. Kemajuan di bidang komputer dan internet khususnya, semakin mempercepat terjadinya perubahan
Lebih terperinci