Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal Jurnal Pilar Nusa Mandiri EXPLORE Jurnal Computer and Technology
Tuhpatussania, Siti
Unknown Affiliation
Computer Science & IT

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Normalisasi Teks Komentar Instagram Masyarakat Makassar Menggunakan Metode Levenshtein Distence Tuhpatussania, Siti
Jurnal Explore Vol 12, No 1 (2022)
Publisher : STMIK Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35200/explore.v12i1.515

Abstract

Pertumbuhan pengguna internet dan pengguna instagram di indonesia dapat menjadi peluang yang baik untuk menggali potensi yang dapat digunakan untuk media promosi, sentiment analysis, segmentasi costumer, mapping opinion, menangkap umpan balik (feedback) pelanggan untuk meningkatkan layanan jasa atau barang yang kita tawarkan. Di instagram sendiri banyak tersebar komentar-komentar yang sulit dipelajari oleh mesin dikarenakan banyaknya penggunaan leksikon bahasa gaul atau karena typo atau bisa dikarenakan penggunaan bahasa daerah secara parsial di tiap komentar. Hal inilah yang perlu dievaluasi dalam tahap pre-processing komentar, lebih tepatnya pada tahap normalisasi teks. Seperti di kota makassar misalkan komentar yang tersebar pada akun-akun terkenal di kota tersebut kadang menggabungkan kata baku bahasa indonesia, bahasa gaul indonesia, bahasa baku makassar dan bahasa gaul makassar. Hal inilah yang mendorong penulis untuk mencoba memecahkan masalah normalisasi teks untuk semua komentar ke bahasa baku indonesia agar mempermudah dalam hal pengolahan selanjutnya menggunakan metode levenshtein distence. Dalam hasil pengujian didapatkan masih kurang maksimal dalam normalisasi teks, penulis menduga dikarenakan kata gaul makassar yang ternyata memiliki imbuhan, penggalian morfologi kata yang tidak dilakukan serta belum menerapkan frasa detection untuk bahasa makassar
COMPARISON OF LEXRANK ALGORITHM AND MAXIMUM MARGINAL RELEVANCE IN SUMMARY OF INDONESIAN NEWS TEXT IN ONLINE NEWS PORTALS Tuhpatussania, Siti; Utami, Ema; Hartanto, Anggit Dwi
Jurnal Pilar Nusa Mandiri Vol 18 No 2 (2022): Pilar Nusa Mandiri : Journal of Computing and Information System Publishing Peri
Publisher : LPPM Universitas Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/pilar.v18i2.3190

Abstract

The presence of online media has shifted print media for news readers to get information that is fast, accurate, and easy to access. However, the problem arises because the length of the news text makes the reader bored to search for the news as a whole so the news that is obtained will be less accurate. For this reason, it is necessary to have an automatic text summary that was raised in this study as well as to compare the Maximum Marginal Relevance (MMR) algorithm and the LexRank algorithm to the summary of Indonesian news texts on the online news portal graphanews. com. the results of the comparison test of text summarization using f-measure , precision and recall show the performance of text summarization with the MMR algorithm is better where f-measure is 91.65%, precision is 91.08% and recall is 92.23%.
COMPARISON OF PORTERS STEMMING ALGORITHM AND NAZIEF & ADRIANI'S STEMMING ALGORITHM IN DETERMINING INDONESIAN LANGUAGE LEARNING MODULES Tuhpatussania, Siti; Utami, Ema; Hartanto, Anggit Dwi
Jurnal Pilar Nusa Mandiri Vol 18 No 2 (2022): Pilar Nusa Mandiri : Journal of Computing and Information System Publishing Peri
Publisher : LPPM Universitas Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/pilar.v18i2.3940

Abstract

One of the methods used to improve the performance of text summarization to obtain complete information in a learning module is by transforming the words in a module into basic words or, in other words, through a steaming process. The steaming process in Indonesian language texts is more complicated/complex because there are word affixes that must be removed to get the root word (root word) of a word, so this research will compare the two stemming algorithms of Porter and stemming Nazief & Adriani in the learning module at Mataram University of Technology. The test results of the Nazief & Adriani stemming algorithm on an average process duration of 51.8 seconds with an average accuracy of 74.175%. In Porter's Algorithm, the average processing time is 16.875 seconds, with an accuracy of 73.225%.
PERBANDINGAN METODE AGGLOMERATIVE HIERARCHICAL CLUSTERING DAN METODE KMEDOIDS DALAM PENGELOMPOKAN DATA TITIK PANAS KEBAKARAN HUTAN DI INDONESIA Tuhpatussania, Siti; Erniwati, Surni; Mutaqin, Zaenul
Journal Computer and Technology Vol. 2 No. 1 (2024): Juli 2024
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/comtechno.v2i1.146

Abstract

Rusaknya keseimbangan alam, dikarenakan hutan termasuk pemasok oksigen serta penyedia kebutuhan bagi makhluk hidup lainnya. Asap yang dihasilkan dari kebakaran hutan pun juga dapat mengganggu aktivitas kehidupan manusia. Indonesia merupakan salah satu negara yang memiliki resiko terkait kebakaran hutan dan lahan. Diperlukan suatu upaya untuk mencegah terjadinya kebakaran hutan dan lahan yaitu melalui pemantauan titik hotspot atau titik panas bumi. Pengelompokkan atau Clustering titik panas (hotspot) dilakukan untuk memudahkan dalam memantau area-area kawasan Indonesia yang memiliki potensi rawan kebakaran tertinggi. Parameter atau feature data yang digunakan dalam proses Clustering yaitu Brightness, Brightness_t3, FRP (Fire Radiactive Power) dan Confidence. Metode atau algoritma yang digunakan dalam proses Clustering titik hotspot menggunakan algoritma Kmedoids dan Agglomerative Hierarchical. Output dari kedua algoritma menghasilkan suatu cluster atau pengelompok daerah yang memiliki potensi kebakaran hutan rendah, sedang dan tinggi. Evaluasi pengujian meggunakan metode Silhouette Coefficient dan Davies Boulding Index.  Hasil pengujian nilai Silhouette Coefficient meggunakan algoritma Kmedoids sebesar 37% sedangkan Agglomerative Hierarchical sebesar 37.3%. Hasil pengujian menggunakan Davies Boulding Index menghasilkan nilai akurasi metode Kmedoids sebesar 90.3% sedangkan Agglomerative Hierarchical sebesar 90.9%. Hal ini menunjukkan bahwa proses Clustering menggunakan metode Kmedoids dan Agglomerative Hierarchical memiliki tingkat accuracy yang tidak jauh berbeda.
Co-Authors Anggit Dwi Hartanto, Anggit Dwi Ema Utami Erniwati, Surni Mutaqin, Zaenul