Claim Missing Document
Check
Articles

Found 6 Documents
Search

Lexical Chain dan Word Sense Disambiguation Untuk Peringkasan Artikel Berbahasa Indonesia Dika Muhammad Fazar; Nelly Indriani Widiastuti
Techno.Com Vol 16, No 2 (2017): Mei 2017
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (671.463 KB) | DOI: 10.33633/tc.v16i2.1413

Abstract

Text Summarization adalah sebuah proses untuk menghasilkan ringkasan suatu dokumen dengan  tidak menghilangkan informasi utama dari artikel. Ada beberapa metode untuk melakukan peringkasan, seperti metode rantai leksikal atau lexical chain yang memiliki kinerja yang baik untuk dokumen peringkasan dokumen tunggal. Meskipun demikian penggunaan metode lexical chain ini masih memiliki kelemahan yaitu tidak dapat mengidentifikasi kata yang berambigu  dalam pembentukan lexical chain. Dalam penelitian ini, untuk memperbaiki kekurangan tersebut metode lexical chain dilengkapi dengan  word sense disambiguation. Metode lexical chain dengan word sense disambiguation adalah metode pengembangan metode dari lexical chain. Dalam penelitian ini, setiap kata diperiksa ambiguitasnya.  Pemeriksaan ini dilakukan untuk mendapatkan akurasi dalam menentukan lexical chain yang sesuai dengan konteks kalimat. Perbedaan mendasar dari metode lexical chain dengan word sense disambiguation  dibandingkan dengan lexical chain, yaitu metode lexical chain dengan pengecekan word sense disambiguation sebelum menentukan rantai ambiguitas leksikal sedangan metode asli lexical chain ambiguitas tidak diperiksa. Metode lexical chain dengan word sense disambiguation diterapkan pada peringkasan artikel kesehatan. Dari hasil penelitian ini disimpulkan bahwa metode lexical chain dengan word sense disambiguation dapat memperbaiki kelemahan dalam metode sebelumnya karena metode lexical chain dengan word sense disambiguation dapat mengidentifikasi ambiguitas dan menghasilkan akurasi ringkasan yang lebih baik.
REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY’S TOOTH BOOT Septiani Nur Hasanah; Nelly Indriani Widiastuti
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 3 No 2 (2014): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (612.252 KB) | DOI: 10.34010/komputa.v3i2.2392

Abstract

Berdasarkan penelitian studi literatur dari jurnal yang berjudul ‘Aplikasi Permainan Cat-Pet dengan Metode Logika Fuzzy’[1], menyorot dari kekurangan yang terdapat pada jurnal tersebut yaitu, karakter pet belum dapat menghasilkan emosi sebagai representasi kondisi karakter pet-nya. Hal ini penting, karena respon emosi merupakan bentuk interaksi secara tidak langsung dari agent pet dengan pengguna yang harus ditampilkan.[3] Pada penelitian ini dikembangkan aturan-aturan dari konsep fuzzy pada objek yang diteliti dengan menambahkan parameter perilaku kesehatan, selanjutnya menformulasi dari kondisi nafsu makan dan kesehatan sebagai variabel input fuzzy, kemudian akhirnya dapat menghasilkan output respon emosi melalui ekspresi wajah pada karakter pet. Implementasi logika fuzzy tersebut diterapkan pada konsep permainan virtual pet dengan misi permainan menjaga kebersihan gigi pada permainan Bonny’s Tooth Booth. Berdasarkan hasil pengujian simulasi yang telah dilakukan dengan cara menguji struktur aturan-aturan fuzzy berupa IF A AND B THEN Z terhadap kondisi input yang diberikan, permainan Bonny’s Tooth Booth dapat berjalan dengan baik, dengan hasil keberhasilan yaitu ketepatan output sesuai dengan yang diharapkan dimana karakter virtual pet dapat menghasilkan kesesuaian respon emosional berupa ekspresi pada wajah berdasarkan perancangan aturan fuzzy dari variabel nafsu makan, dan kesehatan.
LEARNING BAYESIAN NETWORK PADA GAME SPORT PINGPONG Prama Azaria Nurhalim Putra; Nelly Indriani Widiastuti
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 3 No 2 (2014): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (543.462 KB) | DOI: 10.34010/komputa.v3i2.2394

Abstract

Game pingpong adalah salah satu game yang membutuhkan Non-Playable Character atau NPC. NPC yang menjadi musuh dalam permainan pingpong harus dapat memodelkan seorang pemain pingpong yang menerima dan melakukan serangan terhadap seorang player dengan tingkat akurasi atau kesesuaian arah pukulan yang sesuai dengan player. Berdasarkan hal tersebut, maka dibutuhkan sebuah metode untuk NPC agar dapat menentukan behaviour sehingga NPC menjadi lebih baik dengan akurasi serangan yang baik. Bayesian Network merupakan salah satu kecerdasan buatan yang digunakan untuk mengatasi hal – hal yang bersifat tidak pasti atau uncertainty. setiap node yang ada pada sebuah graph yang merepresentasikan sebuah random variable (variabel acak) , sedangkan edges (garis yang menghubungkan antar node) yang berada diantara node – node merepresentasikan probilitas dependensi antara kesesuaian variabel – variabel acak[1]. Hasil pengujian implementasi pada game pingpong penggunaan Bayesian Network pada permainan pingpong terbukti efektif membuat NPC memiliki tingkat akurasi pukulan yang tinggi.
Perancangan Peringkasan Otomatis Teks Bahasa Indonesia Menggunakan Pendekatan Hybrid Kania Evita Dewi; Nelly Indriani Widiastuti
Jurnal Teknologi Informasi dan Pendidikan Vol 15 No 1 (2022): Jurnal Teknologi Informasi dan Pendidikan
Publisher : Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/jtip.v15i1.451

Abstract

This study aims to design a model for automatic text summarization in Indonesian. Automatic text summarization is a system that reduces the number of sentences without losing important information in the document. There are three approaches in making automatic text summarization, namely: extractive, abstractive, and hybrid. The extractive approach is to select a core sentence without changing it to a new sentence. The abstractive approach is to construct new sentences that describe the contents of the document. Meanwhile, the hybrid approach designed in this study is a combination of extractive and abstractive approaches. By designing automatic text summarization in Indonesian with a hybrid approach, it is hoped that the results issued by the system will be more like man-made summaries and have higher readability. The design made is specifically for the input of a document. The stages of automatic text summarization are divided into two, namely preprocessing and process. In the Preprocessing stage, sentence separation, tokenization, coreference resolution, stop words removal, feature extraction are carried out. There are two stages of making the summary, namely the extraction stage, to select important sentences and the abstraction stage, to select words and arrange them into summary sentences. Further research can be carried out for input of longer documents and the input is in the form of multi documents
Basic Static Code Analysis Untuk Mendeteksi Backdoor Shell Pada Web Server Nelly Indriani Widiastuti; Muhammad Iqbal
JURNAL INFOTEL Vol 9 No 2 (2017): May 2017
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/infotel.v9i2.209

Abstract

Mengakses sistem komputer tanpa ijin merupakan kejahatan yang dilakukan dengan memasuki atau menyusup kedalam suatu sistem jaringan komputer tanpa sepengetahuan dari pemilik sistem tersebut. Kejahatan tersebut bertujuan untuk mengintai atau mencuri informasi penting dan rahasia. Dalam praktiknya peretas menyisipkan berkas backdoor shell pada lokasi yang sulit ditemukan oleh pemilik sistem. Beberapa perangkat yang sudah ada masih dalam bentuk terminal. Perangkat tersebut melakukan pencarian berkas berdasarkan nama-nama yang telah terdaftar sebelumnya. Akibatnya, pada saat berkas backdoor shell jenis baru menginfeksi, tools tersebut tidak dapat mendeteksi keberadaannya. Berdasarkan hal tersebut, maka dalam penelitian ini pencarian backdoor shell pada web server menggunakan metode basic static code analysis. File sistem diproses melalui dua tahap utama yaitu string matching dan taint analysis. Dalam proses taint analysis, sistem menghitung peluang kemungkinan setiap signature sebagai backdoor untuk mengatasi kamus backdoor yang tidak lengkap. Berdasarkan hasil yang didapat dari pengujian yang dilakukan terhadap 3964 berkas diperoleh tingkat akurasi yang lebih besar dibandingkan dengan aplikasi php shell detector sebesar 75%.
Peringkasan dan Support Vector Machine pada Klasifikasi Dokumen Nelly Indriani Widiastuti; Ednawati Rainarli; Kania Evita Dewi
JURNAL INFOTEL Vol 9 No 4 (2017): November 2017
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/infotel.v9i4.312

Abstract

Klasifikasi adalah proses pengelompokkan objek yang memiliki karakteristik atau ciri yang sama ke dalam beberapa kelas. Klasifikasi dokumen secara otomatis dapat dilakukan dengan menggunakan ciri atau fitur kata yang muncul pada dokumen latih. Jumlah dokumen yang besar dan banyak mengakibatkan jumlah kata yang muncul sebagai fitur akan bertambah. Oleh karena itu, peringkasan dipilih untuk mereduksi jumlah kata yang digunakan dalam proses klasifikasi. Untuk proses klasifikasi digunakan metode Support Vector Machine (SVM) untuk multikelas. SVM dipilih karena dianggap memiliki reputasi yang baik dalam klasifikasi. Penelitian ini menguji penggunaan ringkasan sebagai seleksi fitur dalam klasifikasi dokumen. Peringkasan menggunakan kompresi 50%. Hasil yang diperoleh menunjukkan bahwa proses peringkasan tidak mempengaruhi nilai akurasi dari klasifikasi dokumen yang menggunakan SVM. Akan tetapi, penggunaan peringkasan berpengaruh pada peningkatan hasil akurasi dari metode klasifikasi Simple Logistic Classifier (SLC). Hasil pengujian metode klasifikasi menunjukkan bahwa penggunaan metode Naïve Bayes Multinomial (NBM) menghasilkan akurasi yang lebih baik dari pada metode SVM.