Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Indonesian Journal of Electrical Engineering and Computer Science SmartComp Jurnal Pengabdian Sosial
Panggabean, Teamsar Muliadi
Unknown Affiliation
Religion Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Law, Crime, Criminology & Criminal Justice Public Health Social Sciences

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Pelatihan dan Lomba Pemrograman Statistika untuk Siswa SMA Fitriyaningsih, Ike; Panggabean, Teamsar Muliadi; Samosir, Hernawati Susanti
Jurnal Pengabdian Sosial Vol. 1 No. 9 (2024): Juli
Publisher : PT. Amirul Bangun Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/2dkpdn04

Abstract

Pada era industri 4.0 dan big data, masyarakat dituntut untuk menggunakan teknologi karena integrasi antara gadget dan pembangunan system cerdas dilakukan. Kemampuan pemrogaman seharusnya dikenalkan kepada generasi muda sejak dini. Kurikulum pembelajaran SMA (Sekolah Menengah Atas) belum mengajarkan materi dasar pemrogaman yang cukup bagi seorang siswa untuk dapat mengkoding dengan baik. Selain teknologi, pengolahan data agar menjadi informasi yang bermanfaat akan sangat berguna. Saat ini, ilmu statistika hanya menjadi bagian kecil dari pelajaran matematika dan tidak terintegrasi dengan materi Teknologi Informasi dan Komunikasi (TIK). Oleh karena itu, pelatihan mengenai statistical programming yang berisi materi dasar pemrogaman dan memprogram statistik dengan Python perlu dilakukan. Acara dihadiri oleh 22 siswa/i SMA se-kabupaten Toba di Institut Teknologi Del. Setelah menjalani pelatihan, siswa/siswi SMA tersebut melaksanakan lomba mengenai materi yang telah diajarkan dan diberikan kuesioner kepuasan peserta. Tiga orang siswa dengan nilai tertinggi mendapatkan hadiah dan sertifikat juara. Melalui kegiatan PKM ini diharapkan kemampuan dasar pemrograman dan mengolah data dengan program yang dihasilkan dapat dimiliki oleh peserta. Mahasiswa juga dilibatkan sebagai panitia guna memberikan pengalaman mengorganisasi acara dan instruktur untuk mengaplikasikan ilmu statistika dan pemrograman yang telah dipelajari selama perkuliahan.
An empirical evaluation of phrase-based statistical machine translation for Indonesia slang-word translator Eleison, Kyrie Cettyara; Hutahaean, Sari Uli Inggrid; Tampubolon, Sarah Christine; Panggabean, Teamsar Muliadi; Fitriyaningsih, Ike
Indonesian Journal of Electrical Engineering and Computer Science Vol 25, No 3: March 2022
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v25.i3.pp1803-1813

Abstract

The use of slang (non-standard language), especially in social media, is increasing. It causes reducing the level of understanding when communicating because not everyone understands slang (non-standard language). The purpose of this work is to develop a slang-word translator. The other objective is to find the minimum number of sentences and BiLingual Evaluation Understudy (BLEU) score used as a benchmark to determine that the translation is understandable. The approach used in this project is a Phrase-based statistical machine translation (PBSMT) approach, suitable for low resource language, with a dataset of 100,000 sentences taken from the comments column of several online political news portals. The comments are then manually translated to produce a parallel corpus of non-standard language-standard language. The sample sentences are taken from the dataset then distributed using questionnaires to obtain the human understanding level regarding the translation result. The result of the implementation is a BLEU score of 64 and the minimum number of sentences to have an understandable machine translation is 500. The conclusion drawn from the distributed questionnaires is that humans can understand the sentences produced by the translation machine.
Verifikasi Kualitas Gambar Dengan Algoritma Support Vector Machine (SVM) Untuk Studi Kasus Ulos Batak Toba Barus, Arlinta Christy; Panggabean, Teamsar Muliadi; Pakpahan, Devi; Sirait, Sapto Gokma Dominggus
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 11, No 3 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v11i3.3900

Abstract

Verifikasi Verifikasi kualitas gambar pada aplikasi DiTenun sebelumnya dilakukan menggunakan algoritma Fast Four Transform (FFT) dan Principle Componen Analysis (PCA). Pada penelitian ini dilakukan verifikasi kualitas gambar menggunakan algoritma Support Vector Machine (SVM) untuk dapat digunakan pada aplikasi DiTenun. SVM digunakan untuk membentuk model klasifikasi kualitas gambar ke dalam kategori baik dan buruk. Algoritma SVM yang digunakan adalah non-linear SVM dengan kernel yang berbeda, yaitu kernel gaussian rbf, polynomial, dan sigmoid. Sebelum dilakukan klasifikasi, terlebih dahulu gambar dilabeli menjads dua label yaitu kualitas baik dan kualitas buruk dengan menggunakan metode cohen kappa.Klasifikasi kualitas gambar dilakukan berdasarkan fitur tekstur gambar, yaitu fitur contrast, dissimilarity, homogeneity, energy, dan correlation yang diperoleh menggunakan metode Grey Level Co-occurrence Matrix (GLCM). Pada dataset berupa fitur-fitur tekstur gambar diterapkan data preprocessing seperti data integration, custom transformation, dan data reduction. Penentuan kombinasi fitur dan jumlah fitur agar diperoleh model klasifikasi dengan akurasi tertinggi dilakukan menggunakan metode chi square.Data pada penelitian ini dibagi menjadi train set dan test set dengan perbandingan sebesar 80:20. Penilaian performansi model adalah berdasarkan akurasi, precision, recall, dan F1-Score yang diperoleh melalui confusion matrix. Hasil penelitian ini adalah model hasil penggunaan SVM dengan kernel gaussian rbf yang memiliki performansi paling baik dibandingkan dengan penggunaan kernel polynomial dan sigmoid. Model terbaik tersebut termasuk dalam kategori good classification. Dari hasil tersebut maka dapat disimpulkan bahwa pendekatan machine learning khususnya dengan algoritma SVM efektif dan dapat digunakan untuk verifikasi kualitas gambar pada aplikasi DiTenun
Co-Authors Barus, Arlinta Christy Eleison, Kyrie Cettyara Fitriyaningsih, Ike Hutahaean, Sari Uli Inggrid Pakpahan, Devi Samosir, Hernawati Sirait, Sapto Gokma Dominggus Tampubolon, Sarah Christine