Garuda - Garba Rujukan Digital

Penilaian Esai Pendek Otomatis dengan Pencocokan Kata Kunci Frasa Nomina Nurul Chamidah; Mayanda Mega Santoni; Helena Nurramdhani Irmanda; Ria Astriratma
Techno.Com Vol 20, No 4 (2021): November 2021
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v20i4.5043

Pembelajaran daring menjadi suatu kebutuhan dalam pengajaran baik dalam memberikan materi maupun ujian. Ujian dalam bentuk soal objektif kurang dapat mengukur kemampuan pemahaman seseorang dan soal esai dianggap lebih baik untuk mengevaluasi hasil pembelajaran. Namun, jawaban berbentuk esai memerlukan waktu yang lebih banyak untuk dilakukan penilaian serta hasil penilaiannya dapat inkonsisten. Maka dari itu, diperlukan suatu sistem penilaian esai otomatis yang dapat menilai esai dengan lebih cepat dan konsisten. Penelitian ini dilakukan untuk menganalisis performa penilain esai otomatis dengan mengekstrak kata kunci dari frasa nomina dalam jawaban berbentuk esai pendek. Penilaian esai dilakukan dengan mencocokkan kata kunci yang diekstrak dari jawaban uji dan jawaban referensi. Jawaban uji dan referensi diproses dengan case folding, Part of Speech (POS) Tagging, ekstraksi frasa nomina, dan stemming. Kata kunci unik jawaban uji dan jawaban referensi yang diperoleh dari proses tersebut selanjutnya dicocokkan dan kemudian dinilai berdasarkan kecocokan tersebut. Hasil evaluasi penelitian ini menunjukkan Mean Absolute Error (MAE) dari nilai yang diperoleh dengan mencocokkan kata kunci dengan nilai uji yang diberikan manusia sebesar 18% dan Pearson Correlation sebesar 0.83 yang menunjukkan korelasi antara nilai sistem dan nilai uji sangat baik.

OPTIMALISASI SMARTPHONE DALAM PEMBUATAN MEDIA PROMOSI BAGI USAHA KECIL Shinta Widyastuti; Ria Astriratma; Andhika Octa Indarso
Jurnal Pengabdian Masyarakat: Pemberdayaan, Inovasi dan Perubahan Vol 2, No 2 (2022): JPM: Pemberdayaan, Inovasi dan Perubahan
Publisher : Penerbit Widina, Widina Media Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59818/jpm.v2i2.153

Kondisi Covid 19 membuat dunia usaha khususnya UMKM mengalami kesulitan. Penjualan mengalami penurunan karena konsumen memilih membeli barang melalui e-commerce. Masalah yang dihadapi oleh mitra adalah kurangnya pengetahuan dalam hal pemasaran produk melalui e-commerce dan kurangnya keterampilan untuk memanfaatkan smartphone guna menghasilkan visualisasi produk dan media promosi yang menarik. Tujuan dari kegiatan ini adalah memberikan pengetahuan dan pengalaman bagi mitra, anggota PKK kelurahan Cipinang Melayu yang memiliki usaha kecil agar dapat menggunakan smartphone untuk menghasilkan foto produk yang menarik dan desain media promosi. Terdapat dua metode yang diterapkan dalan kegiatan pengabdian kepada masyarakat ini, yaitu pertama memberikan teori dasar tentang pemasaran produk, teknik dasar fotografi untuk menghasilkan foto yang menarik menggunakan smartphone, dan penggunaan aplikasi canva untuk mendesain media promosi. Kedua, mendampingi anggota PKK Kelurahan Cipinang Melayu yang memiliki usaha kecil untuk mengaplikasikan teori yang telah disampaikan, terutama dalam hal penggunaan aplikasi canva. Hasil dari kegiatan pengabdian kepada masyarakat ini adalah meningkatnya pengetahuan dan kemampuan mitra untuk mendesain sendiri poster atau flyer yang menggunakan foto produk yang menarik guna meningkatkan penjualan dan meningkatkan pendapatan keluarga.

Klasifikasi Jenis Pantun dengan Metode Support Vector Machines (SVM) Helena Nurramdhani Irmanda; Ria Astriratma
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 4 No 5 (2020): Oktober 2020
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

This study aims to create a model for categorizing pantun types and analyze the accuracy of support vector machines (SVM). The first stage is collecting pantun that have been labeled with pantun category. The pantun categories consist of pantun for children, pantun for young people, and pantun for elder. After collecting data, the next stage is pre-processing. This pre-processing stage makes data ready to be processed on the extraction stage. The pre-processing stage consists of text segmentation, case folding, tokenization, stop word removal, and stemming. The feature extraction stage is intended to analyze potential information and represent terms as a vector. Separating training data and testing data is necessary to be conducted before the classification process. Then the classification process is done by using multiclass SVM. The results of the classification are evaluated to obtain accuracy and will be analyzed whether the classification model is proper to be used. The results showed that SVM classified the types of pantun with accuracy of 81,91%.

Pembuat Sampiran Pantun Otomatis berbasis Pattern-matching Helena Nurramdhani Irmanda; Ria Astriratma; Nurul Chamidah; Mayanda Mega Santoni
Jurnal Sisfokom (Sistem Informasi dan Komputer) Vol 10, No 3 (2021): NOVEMBER
Publisher : ISB Atma Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32736/sisfokom.v10i3.1221

Penelitian ini dilakukan untuk membuat sampiran pantun otomatis berbasis pencocokan pola dan menganalisis tingkat naturalness dari pantun yang dihasilkan. Pada tahapan awal akan dibangun database berisi template dan kamus istilah. Sistem ini memerlukan input dari pengguna berupa isi dari pantun sebagai kata kunci. Kemudian dilakukan penentuan template. Dari kata kunci yang dimasukan oleh pengguna akan diperoleh rima. Rima ini akan dicocokan ke dalam database kamus istilah dan mengambil istilah dengan rima yang bersesuaian. Langkah terakhir yaitu melakukan penggabungan antara variable pada template dengan istilah yang terpilih sehingga membentuk teks sampiran yang utuh. Untuk tahap evaluasi naturalness dilakukukan dengan memberikan survey kepada responden untuk menilai hasil teks sampiran dari aspek keterbacaan, kejelasan, dan ketepatannya. Hasil dari penelitian ini menunjukan bahwa metode pattern-matching dapat digunakan untuk membuat teks sampiran pantun secara otomatis sesuai dengan kaidah, baik secara jumlah larik dan rimanya. Hal ini sejalan dengan hasil evaluasi naturalness yang baik dari pengguna dalam aspek readability, clarity, dan general approriateness yang cukup tinggi masing-masing sebesar 95%, 93% dan 97,5%.

PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN POHON KEPUTUSAN UNTUK PREDIKSI CHURN Helena Nurramdhani Irmanda; Ria Astriratma; Sarika Afrizal
Jurnal Sistem Informasi Vol 11, No 2 (2019)
Publisher : Universitas Sriwijaya

Churn merupakan suatu kecenderungan pelanggan untuk berhenti dari suatu produk atau layanan dan kemudian berpindah ke perusahaan lain. Customer churn merupakan masalah yang serius yang harus ditangani untuk keberlangsungan suatu perusahaan. Penanganan customer churn berawal dari ketepatan suatu perusahaan memprediksi customer mana yang diduga akan melakukan churn. Salah satu pendekatan dalam memprediksi customer churn adalah data mining. Penelitian ini membandingkan dua metode klasifikasi dalam data mining yaitu jaringan syaraf tiruan dan pohon keputusan untuk memprediksi customer churn pada industri perbankan. Hasil penelitian menunjukan bahwa jaringan syaraf tiruan memiliki tingkat akurasi lebih baik dibanding pohon keputusan yaitu 86%. Selain itu jaringan syaraf tiruan juga memiliki nilai precision yang lebih baik daripada pohon keputusan, yaitu sebesar 71%. Akan tetapi untuk nilai recall, pohon keputusan memiliki nilai recall lebih baik dibanding dengan jaringan syaraf tiruan yaitu sebesar 58%.

SPK Berbasis Web Menggunakan Logika Fuzzy Untuk Diagnosa Penyakit Jantung Ria Astriratma; Mayanda Mega Santoni; Helena Nurramdhani Irmanda
Jurnal Sistem Informasi Vol 12, No 1 (2020)
Publisher : Universitas Sriwijaya

Penelitian ini dilakukan untuk membuat sebuah sistem pengambilan keputusan berbasis web menggunakan logika fuzzy untuk mendiagnosa penyakit jantung pada seseorang. Untuk membangun sistem ini digunakan Fuzzy Inference System dari pengetahuan yang ada pada dokter sehingga diperoleh aturan (rule) untuk melakukan diagnosa. Langkah pada Fuzzy Inference System yaitu Fuzzifier, Fuzzy Inference Engine dan Defuzzifier. Fungsi keanggotaan segitiga dan trapesium digunakan untuk mendapatkan nilai derajat keanggotaan pada setiap variabel. Root Sum Square (RSS) digunakan untuk mendapatkan nilai fuzzy dari aturan yang memenuhi kondisi suatu pasien. Nilai RSS yang diperoleh akan dipetakan ke nilai tunggal (crisp) dengan menggunakan teknik Centroid of Area (CoA) untuk mendapatkan hasil diagnosa penyakit jantung. Penelitian ini menggunakan dataset Cleveland dari Machine Learning Repository. Hasil diagnosa pada sistem ini menghasilkan akurasi 64% dengan tingkat sensitivitas sebesar 89.83% dan tingkat spesifisitas sebesar 73.17%.

SPK BERBASIS WEB MENGGUNAKAN LOGIKA FUZZY UNTUK DIAGNOSA PENYAKIT JANTUNG Ria Astriratma; Mayanda Mega Santoni; Helena Nurramdhani Irmanda
Jurnal Sistem Informasi Vol 12, No 2 (2020)
Publisher : Universitas Sriwijaya

Penelitian ini dilakukan untuk membuat sebuah sistem pengambilan keputusan berbasis web menggunakan logika fuzzy untuk mendiagnosa penyakit jantung pada seseorang. Untuk membangun sistem ini digunakan Fuzzy Inference System dari pengetahuan yang ada pada dokter sehingga diperoleh aturan (rule) untuk melakukan diagnosa. Langkah pada Fuzzy Inference System yaitu Fuzzifier, Fuzzy Inference Engine dan Defuzzifier. Fungsi keanggotaan segitiga dan trapesium digunakan untuk mendapatkan nilai derajat keanggotaan pada setiap variabel. Root Sum Square (RSS) digunakan untuk mendapatkan nilai fuzzy dari aturan yang memenuhi kondisi suatu pasien. Nilai RSS yang diperoleh akan dipetakan ke nilai tunggal (crisp) dengan menggunakan teknik Centroid of Area (CoA) untuk mendapatkan hasil diagnosa penyakit jantung. Penelitian ini menggunakan dataset Cleveland dari Machine Learning Repository. Hasil diagnosa pada sistem ini menghasilkan akurasi 64% dengan tingkat sensitivitas sebesar 89.83% dan tingkat spesifisitas sebesar 73.17%. Kata kunci: SPK, Logika Fuzzy, Diagnosa Jantung

Penilaian Esai Pendek Otomatis Berdasarkan Similaritas Semantik dengan SBERT Nurul Chamidah; Mayanda Mega Santoni; Helena Nurramdhani Irmanda; Ria Astriratma; Yulnelly Yulnelly
Techno.Com Vol 21, No 4 (2022): November 2022
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v21i4.6758

Ujian dalam bentuk soal esai dianggap lebih baik dalam mengukur pemahaman dari pada soal berbentuk pilihan. Namun, jawaban esai memerlukan waktu dan tenaga lebih banyak untuk dievaluasi dan sering terjadi inkonsistensi. Maka dari itu, diperlukan suatu sistem penilaian esai otomatis yang dapat membantu evaluator dalam memberikan nilai dengan lebih cepat dan lebih konsisten. Penelitian ini bertujuan untuk mengevaluasi performa model penilaian esai otomatis dimana teks esai jawaban uji dan kunci jawaban dibandingkan secara semantik untuk mengetahui seberapa besar persamaan antara teks jawaban uji dan kunci jawaban. Semantik dari teks esai diperoleh dengan melakukan word embeddings dengan memanfaatkan model bahasa pretrained Siamese-BERT (SBERT) yang mentransformasi teks esai menjadi vektor sepanjang 512. Proses penilaian esai otomatis ini dimulai dengan praproses pada teks dengan menerapkan case folding, berikutnya word embeddings pada teks yang telah di praproses dengan SBERT. Vektor numerik dari kunci jawaban dan jawaban uji hasil word embeddings kemudian dibandingkan dengan Cosine Similarity untuk mendapatkan similaritas semantik sekaligus nilai esai yang merupakan output model. Evaluasi model penilaian esai otomatis ini dilakukan dengan membandingkan nilai dari model dengan nilai dari evaluator manusia. Pengukuran yang dipakai untuk mengukur performa penilaian esai otomatis ini adalah adalah dengan menghitung Mean Absolute Error (MAE) dan Pearson Correlation, dimana hasil penelitian ini menunjukan nilai rata-rata MAE sebesar 0.26 dan rata-rata korelasi sebesar 0.78.

SISTEM PAKAR UNTUK MENDIAGNOSIS HAMA PENYAKIT TANAMAN SEMANGKA MENGGUNAKAN METODE CERTAINTY FACTOR DAN METODE BAYES Luqman Imam; Henki Bayu Seta; Ria Astriratma
Jurnal Ilmiah Matrik Vol 24 No 2 (2022): Jurnal Ilmiah Matrik
Publisher : Direktorat Riset dan Pengabdian Pada Masyarakat (DRPM) Universitas Bina Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33557/jurnalmatrik.v24i2.1764

Watermelon is one of the most popular fruits by the general public. Apart from the benefits of watermelon, watermelon also has several diseases that are difficult for farmers to know, such as fruit rot (anthracnose), fruit scabies (bacterial fruit blotch), and others. Although watermelon disease is common, there are still many farmers who do not know about this problem. Therefore, an expert system for watermelon disease detection can be used using the certainty factor algorithm and the Bayes method. Based on the problems that occurred, this study raised the title "Expert System for Diagnosing Pests and Diseases of Watermelon Plants using the Certainty Factor Method and the Bayes Method" to overcome the ignorance of farmers in detecting watermelon disease by entering various characteristics listed in the system based on plant events, the system will provide insight based on existing characteristics using a certainty factor algorithm which will then compare the results with the Bayes method

Implementasi Algoritma K-Means untuk Clustering Project Health pada PT XYZ Ajeng Arifa Chantika Rindu; Ria Astriratma; Ati Zaidiah
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 7 No 5 (2023): October 2023
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v7i5.5181

Indonesia has several companies that are involved in the telecommunications sector. Various projects run in parallel to support the success of telecommunications companies. The potential of a project can increase company revenue and productivity. On the other hand, there are some risks that need to be considered for every project when it is about to start. Project data is recorded from start to finish so that the project's progress and improvements can be monitored and analyzed. As the project runs, the project team at one of Indonesia's telecommunication companies, which is responsible for the processes leading to project success, requires a project health category. Therefore, this study is conducted to develop a clustering project health process, which is included in a type of unsupervised learning that runs on unlabeled data. One of the clustering algorithms is K-Means, which groups data based on similar criteria. Researchers also use dimensionality reduction with the principal component analysis (PCA) method to determine its impact on the clustering process with the K-Means algorithm. From this study, the researcher obtained three groups or project health categories, consisting of groups 0, 1, and 2. The evaluation results with the Calinski-Harabasz index showed that the K-Means model in the PCA dimensionality reduction data performed better than the standard K-Means model with a Calinski-Harabasz index value of 55633,12776405707, which is higher than 25914,578262576793.

Title

Found 10 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 10 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 10 Documents
Search