Article Per Year (5 Year)
p-Index From 2020 - 2025
1.642
P-Index
This Author published in this journals
All Journal Jurnal Pilar Nusa Mandiri JTIM : Jurnal Teknologi Informasi dan Multimedia Lumbung Inovasi: Jurnal Pengabdian Kepada Masyarakat Jurnal Kecerdasan Buatan dan Teknologi Informasi Jurnal Computer and Technology
Erniwati, Surni
Unknown Affiliation
Humanities Computer Science & IT Education Environmental Science Social Sciences

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Kecerdasan Buatan dan Teknologi Informasi

 1 
PERBANDINGAN ALGORITMA NAZIEF-ADRIANI DAN PORTER UNTUK PERINGKASAN TEKS OTOMATIS DENGAN LATENT SEMANTIC ANALYSIS PADA MODUL PEMBELAJARAN BERBAHASA INDONESIA St Tuhpatussania; Erniwati, Surni
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 4 No. 1 (2025): January 2025
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v4i1.202

Abstract

Penelitian ini mengembangkan sistem peringkasan teks otomatis untuk modul pembelajaran berbahasa Indonesia menggunakan metode Latent Semantic Analysis. Tantangan utama peringkasan teks dalam Bahasa Indonesia mencakup kompleksitas struktur bahasa dan penggunaan imbuhan, yang memerlukan proses prapemrosesan teks secara menyeluruh, termasuk stemming. Penelitian ini membandingkan dua algoritma stemming, yaitu Nazief-Adriani dan Porter, untuk mengubah kata berimbuhan menjadi bentuk dasar. Metode ini diawali dengan pemecahan kalimat, pembersihan teks, penghapusan kata tidak penting, dan pembobotan kata menggunakan Term Frequency-Inverse Document Frequency. Tahap selanjutnya adalah analisis hubungan semantik antar kata dan kalimat menggunakan Singular Value Decomposition untuk menghasilkan matriks term-dokumen yang diproses menjadi salience score. Hasil evaluasi menunjukkan bahwa algoritma Nazief-Adriani memiliki akurasi lebih tinggi dengan nilai precision, recall, dan F-measure masing-masing sebesar 87,69%, 83,41%, dan 85,37%, dibandingkan Porter yang hanya mencapai rata-rata 81,50%. Algoritma Latent Semantic Analysis memberikan tingkat akurasi rata-rata sebesar 83,49%, lebih unggul dibandingkan penelitian sebelumnya. Kesimpulan penelitian ini menegaskan efektivitas metode Latent Semantic Analysis untuk peringkasan teks otomatis dan superioritas algoritma Nazief-Adriani dalam menghasilkan akurasi yang lebih baik dan merekomendasikan pengembangan sistem yang lebih efisien dan mendukung pemrosesan Bahasa Indonesia secara optimal.
SISTEM INFORMASI PEMASARAN PRODUK LOKAL KAIN TENUN BERBASIS WEBSITE PADA TOKO BELIDA BAYAN Apsih, Denda; Erniwati, Surni; Juhartini
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 2 No. 2 (2023): May 2023
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v2i2.27

Abstract

Sistem yang dibuat berupa media website yalah kegiatan transaksi jual beli yang menggunakan media elektronik melalui jaringan internet dimana penjual dan pembeli dipertemukan secara online. Dengan adanya penjualan melalui website maka sebuah toko dapat memasarkan produk menjadi lebih luas dan berjalan optimal. Sistem yang berjalan pada Toko Belida Bayan masih manual dimana pembeli harus langsung ketoko untuk membeli yang tentunya membutuhkan waktu yang cukup lama. Untuk itu dibangunya sebuah media websiti untuk membantu pemilik toko untuk pemasaran dan promosi. Dan pelanggan dapat melakukan pemesanan produk secara online yang bisa dilakukan kapan saja dan diman saja. Metode pengembangan menggunakan metode waterfall dan perancangan sistem website menggunakan UML (Unified Modeling Language). Bahasa pemrograman yang digunakan yaitu bahasa pemgrograman PHP, Codeigniter, dengan MySQL sebagai DBMS dan visual studio code sebagai editor. Pengujian sistem menggunakan pengujian black box, dimana hasil yang di uji coba menunjukkan bahwa sistem telah berjalan sesuai dengan hasil yang diharapkan. Media website yang dihasilkan untuk Toko Belida Bayan ini dapat mempermudah pemesanan dibandingkan langsung ke toko.
IDENTIFIKASI KEMIRIPAN FOTO ASLI DAN SKETSA MENGGUNAKAN MODEL GENERATIF ADVERSARIAL NETWORK (GANs) Satriawan, Andre; Imran, Bahtiar; Erniwati, Surni
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 2 No. 3 (2023): September 2023
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v2i3.36

Abstract

Perkembangan seni semakin bertumbuh khususnya dalam bidang seni lukis, pertumbuhan tersebut terlihat dari banyaknya pemula yang mulai belajar melukis secara otodidak diawali dengan belajar membuat sketsa menggunakan metode yang beragam, tetapi masalah umum yang sering dihadapi oleh pemula dalam seni Lukis adalah seringkali sketsa dan foto asli terlihat serupa tetapi tidak tahu seberapa mirip sketsa yang telah dibuat. Penlitian ini bertujuan untuk mengidentifikasi persentase kemiripan foto asli dan sketsa menggunakan metode diskriminatif dari model Generative Adversarial Networks (GANs) memantkan library atau modul ssim. Diskriminator merupakan CNN yang menerima input gambar berukuran sama atau memiliki dimensi yang sama dan menghasilkan angka yang menyatakan apakah input merupakan gambar yang sama atau memeiliki kemiripan. Untuk mendapatkan persentase kemiripan yang tepat antara dua gambar memanfaatkan Struktural Similarity Index (SSIM) yang telah terlatih pada library scikit-image.
Co-Authors Alfian Hidayat Apsih, Denda Hambali Hambali Imran, Bahtiar indriana, pathul Karim, Muh Nasirudin Lalu Isnaeni Rahman Maspaeni Maspaeni Muahidin, Zumratul Mutaqin, Zaenul Satriawan, Andre St Tuhpatussania Subki, Ahmad Tuhpatussania, Siti wahyuni, wenti ayu Zaeniah Zaeniah Zaeniah