Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Jurnal INKOM TELKOMNIKA (Telecommunication Computing Electronics and Control)
Iping Supriana
STEI-Institut Teknologi Bandung
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Predicting the Presence of Learning Motivation in Electronic Learning: A New Rules to Predict Christina Juliane; Arry A. Arman; Husni S. Sastramihardja; Iping Supriana
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 15, No 3: September 2017
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v15i3.4286

Abstract

Research affirms that electronic learning (e-learning) has a great deal of advantages to learning process, it’s provides learners with flexibility in terms of time, place, and pace. That easiness was not be a guarantee of a good learning outcomes though they got the same learning material and course, because the fact is the outcomes was not the same from one to another and even not satisfy enough. One of prerequisite to the successful of e-learning process is the presence of learning motivation and it was not easy to identify. We propose a novel model to predicting the presence of learning motivation in e-learning using those attributes that have been identified in previous research. This model has been built using WEKA toolkit by comparing fourteen algorithms for Tree Classifier and ten-fold cross validation testing methods to process 3.200 of data sets. The best accuracy reached at 91.1% and identified four parameters to predict the presence of learning motivation in e-learning, and aim to assist teachers in identify whether student needs motivation or does not. This study also confirmed that Tree Classifier still has the best accuracy to predict and classify academic performance, it was reached average 90.48% for fourteen algorithm for accuracy value.
Entity Recognition of User Profile on Twitter Titin Pramiyati; Iping Supriana; Ayu Purwarianti
INKOM Journal Vol 8, No 2 (2014)
Publisher : Pusat Penelitian Informatika - LIPI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14203/j.inkom.411

Abstract

Atribut trust scope sebagai atribut untuk menentukan tingkat kepercayaan sumber informasi, akan diisi dengan data yang terdapat pada user profile Twitter yang dikenal sebagai Bio Twitter. Hanya saja, data tersebut harus sesuai dengan karakteristik dan fungsi dari masing-masing atribut trust scope, seperti atribut pendidikan harus diisi dengan informasi yang berkaitan dengan latar belakang pendidikan dari pemilik profil tersebut. Untuk mendapatkan data yang sesuai dengan atribut, kami melakukan named entity recognition, yang merupakan salah satu kegiatan pada proses ekstraksi informasi. Oleh karena itu, paper ini menjelaskan hasil proses pengenalan entitas yang dilakukan terhadap data yang terdapat pada user profile. Perangkat lunak yang digunakan untuk mengenali data sebagai entitas adalah IndonesiaNetagger. IndonesiaNettagger, merupakan perangkat lunak untuk mengenali entitas yang ditulis dalam bahasa Indonesia. Kami melakukan penelitian dalam empat tahap, yaitu pengenalan entity dengan data Bio twitter yang asli,identifikasi kesalahan proses pengenalan, formalisasi data dan pengujian pengenalan entitas akhir. Hasil penelitian menunjukkan keberhasilan sebagai berikut; entitas Person dikenali dengan benar adalah sebesar 71% dari total data entitas yang tersedia, entitas Organization dikenali dengan benar sebasar 50%, entitas Position 20% dikenali denganbenar, dan 50% entitas Location dikenali dengan benar.
Co-Authors Arry A. Arman Ayu Purwarianti Christina Juliane Husni S. Sastramihardja Titin Pramiyati