Articles
<![CDATA[Aplikasi Stemming Kata Bahasa Lampung Dialek Api Menggunakan Pendekatan Brute-Force dan Pemograman C# ]]>
<![CDATA[Zaenal Abidin]]>;
<![CDATA[Aldi Wijaya]]>;
<![CDATA[Donaya Pasha]]>
<![CDATA[ JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 5, No 1 (2021): Januari 2021 ]]>
Publisher : <![CDATA[STMIK Budi Darma ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30865/mib.v5i1.2483
<![CDATA[Lampung is one of the areas on the island of Sumatra that has the regional language and script of Lampung. In this province there are two main regional dialects, namely the dialect of fapi and the dialect of nyo. Research efforts for the preservation of the Lampung language digitally have been conducted by researchers from various Universities. The research stemming from Lampung dialects of api is based on the findings of the fact that the dictionary-based Lampung dialects of the Lampung language dialect cannot translate the affix words. Stemming of Lampung language dialects of api is worked with a Brute-force approach. In the Lampung language there are inflexional verbs and derivational verbs. Inflexional verbs are verbs formed from bases that are also categorized verbs while derivational verbs are verbs formed from bases that are categorized in addition to verbs such as nouns, adjectives, adverbs, pronouns and numerals. The purpose of this research is to (1) conduct word stemming with a Brute-force approach, (2) produce an application as a Lampung language word Stemmer dialect of api using C # programming language and online database using Firebase. The methods used in this study consisted of (1) Researchers are looking for, identifying, recording, manually typing 2000 words following the basic words of the Lampung dialect of api, (2) creating a stemming algorithm with a Brute-force approach (3) testing applications that have made. As for the result obtained is the application is able to do word stemming for words that have been identified in 2000 words and if stemming can not be done then the facility is provided to update the database used in the application to be used for stemming because the stemming application is very supportive of the application dictionary-based translation engine. The urgency of Stemming application research is to address the affix word in the Lampung language machine translation machine translation application for further research]]>
<![CDATA[Efek Peningkatan Jumlah Paralel Korpus Pada Penerjemahan Kalimat Bahasa Indonesia ke Bahasa Lampung Dialek Api ]]>
<![CDATA[Permata Permata]]>;
<![CDATA[Zaenal Abidin]]>;
<![CDATA[Farida Ariyani]]>
<![CDATA[ Jurnal Komputasi Vol 8, No 2 (2020) ]]>
Publisher : <![CDATA[Universitas Lampung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.23960/komputasi.v8i2.2613
<![CDATA[Experimental observations of the effect of the number of parallel corpus on Indonesian translation into the Lampung dialect api were carried out using the statistical machine translation (SMT) method. SMT utilizes a parallel Indonesian corpus and its translation in the Lampung dialect api as a material for training data. The research strategy was carried out in three ways, namely first strategy with a corpus parallel number of 1000 sentences, the second strategy with a corpus parallel number of 2000 and the third strategy with a corpus parallel number of 3000 sentences. The research starts from the preprocessing phase followed by the training phase, namely the parallel corpus processing phase to obtain a language model and translation model. Then the testing phase, and ends with the evaluation phase. SMT testing uses 25 single sentences without out-of-vocabulary (OOV), 25 single sentences with OOV, 25 compound sentences without OOV and 25 compound sentences with OOV. The test results of translating Indonesian sentences intoLampung dialectic api are shown through the accuracy value of Bilingual Evaluation Undestudy (BLEU) obtained in testing 25 single sentences without out-of-vocabulary (OOV) in the first strategy, the second and the third are 21.49%, 59.58% and 73.21%. In testing 25 single sentences with out-of-vocabulary (OOV) obtained in the first strategy, the second and the third are 23.22%, 44.33% and 68.72%. In testing 25 compound sentences without out-of-vocabulary(OOV) obtained in the first strategy, the second and the third are 18.22%, 39.4% and 69.18%. In testing 25 compound sentences with out-of-vocabulary (OOV) obtained in the first strategy, the second and the third are 25.94%, 28.22% and 71.94%.]]>
<![CDATA[PERBANDINGAN KINERJA WORD EMBEDDING WORD2VEC, GLOVE, DAN FASTTEXT PADA KLASIFIKASI TEKS ]]>
<![CDATA[Arliyanti Nurdin]]>;
<![CDATA[Bernadus Anggo Seno Aji]]>;
<![CDATA[Anugrayani Bustamin]]>;
<![CDATA[Zaenal Abidin]]>
<![CDATA[ Jurnal Tekno Kompak Vol 14, No 2 (2020): AGUSTUS ]]>
Publisher : <![CDATA[Universitas Teknokrat Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33365/jtk.v14i2.732
<![CDATA[Karakteristik teks yang tidak terstruktur menjadi tantangan dalam ekstraksi fitur pada bidang pemrosesan teks. Penelitian ini bertujuan untuk membandingkan kinerja dari word embedding seperti Word2Vec, GloVe dan FastText dan diklasifikasikan dengan algoritma Convolutional Neural Network. Ketiga metode ini dipilih karena dapat menangkap makna semantik, sintatik, dan urutan bahkan konteks di sekitar kata jika dibandingkan dengan feature engineering tradisional seperti Bag of Words. Proses word embedding dari metode tersebut akan dibandingkan kinerjanya pada klasifikasi berita dari dataset 20 newsgroup dan Reuters Newswire. Evaluasi kinerja diukur menggunakan F-measure. Performa terbaik menunjukkan FastText unggul dibanding dua metode word embedding lainnya dengan nilai F-Measure sebesar 0.979 untuk dataset 20 Newsgroup dan 0.715 untuk Reuters. Namun, perbedaan kinerja yang tidak begitu signifikan antar ketiga word embedding tersebut menunjukkan bahwa ketiga word embedding ini memiliki kinerja yang kompetitif. Penggunaannya sangat bergantung pada dataset yang digunakan dan permasalahan yang ingin diselesaikan.Kata kunci: word embedding, word2vec, glove, fasttext, klasfikasi teks, convolutional neural network, cnn.]]>
<![CDATA[PENERAPAN ALGORITMA NAIVE BAYES UNTUK ANALISIS SENTIMEN REVIEW DATA TWITTER BMKG NASIONAL ]]>
<![CDATA[Dedi Darwis]]>;
<![CDATA[Nery Siskawati]]>;
<![CDATA[Zaenal Abidin]]>
<![CDATA[ Jurnal Tekno Kompak Vol 15, No 1 (2021): Februari ]]>
Publisher : <![CDATA[Universitas Teknokrat Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33365/jtk.v15i1.744
<![CDATA[Pertumbuhan twitter terus meningkat setiap waktu, sehingga hal tersebut dimanfaatkan para pengguna twitter untuk menyampaikan informasi berupa kritik maupun saran kepada pelayanan yang diberikan BMKG Nasional dengan lebih mudah. Metode yang digunakan dalam penelitian ini adalah klasifikasi data adalah Naïve Bayes Classifier (NBC). Sistem yang dikembangkan dengan menggunakan data internal yang diambil dari internet/twitter untuk proses penentuan kalimat termasuk opini positif, netral atau negatif. Penentuan tersebut digolongkan sebagai proses pengklasifikasian. Serta menggunakan Application Python 3.74. Hasil Penelitian ini masuk kedalam fined grained sentiment analysis yaitu analisis pada suatu kalimat komentar. Data tersebut akan diproses menggunakan text mining, kemudian dilanjutkan dengan mengklasifikasikan tweet ke dalam tiga kelas, yaitu positif, negatif, dan netral. Klasifikasi ini menggunakan algoritma naive bayes. Klasifikasi dapat memberikan kemudahan bagi pengguna untuk melihat opini positif, negatif, dan netral. Hasil uji akurasi pada metode naive bayes untuk klasifikasi yaitu 69.97%.]]>
<![CDATA[PENERAPAN ALGORITMA APRIORI PADA PENJUALAN SUKU CADANG KENDARAAN RODA DUA (Studi Kasus: Toko Prima Motor Sidomulyo) ]]>
<![CDATA[Zaenal Abidin]]>;
<![CDATA[Arsya Kharisma Amartya]]>;
<![CDATA[Arliyanti Nurdin]]>
<![CDATA[ Jurnal Teknoinfo Vol 16, No 2 (2022): Juli ]]>
Publisher : <![CDATA[Universitas Teknokrat Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33365/jti.v16i2.1459
<![CDATA[Toko Prima Motor bergerak dalam bidang penjualan suku cadang kendaraan roda dua dengan beberapa merk suku cadang. Penjualan pada Toko Prima Motor berlangsung setiap hari sehingga data transaksi semakin lama akan semakin banyak. Namun data tersebut hanya digunakan sebagai arsip bagi toko. Dengan menggunakan data mining data tersebut akan diolah kembali menjadi informasi yang dapat digunakan untuk proses pengambilan keputusan. Data transaksi diolah menggunakan teknik asosiasi dengan menggunakan algoritma apriori. Algoritma apriori akan menghitung nilai support dari masing-masing item dan menemukan frequent item set yang memenuhi syarat minimum confidence. Nilai minimum untuk parameter support adalah 25% dan nilai minimum untuk parameter confidence adalah 50%. Hasil penerapan dari algoritma apriori menghasilkan 13 aturan asosiasi diantaranya 2 aturan asosiasi untuk merk suzuki, 6 aturan asosiasi untuk merk honda dan 5 aturan asosiasi untuk merk yamaha yang memenuhi syarat minimum dua parameter yaitu parameter support dan confidence dan diuji dengan menggunakan pengujian lift ratio untuk menentukan apakah aturan asosiasi yang dihasilkan valid atau tidak valid.]]>
<![CDATA[IMPLEMENTASI CERTAINTY FACTOR DALAM MENGATASI KETIDAKPASTIAN PADA SISTEM PAKAR DIAGNOSA PENYAKIT KUDA LAUT ]]>
<![CDATA[Rohmat Indra Borman]]>;
<![CDATA[Riduwan Napianto]]>;
<![CDATA[Putri Nurlandari]]>;
<![CDATA[Zaenal Abidin]]>
<![CDATA[ JURTEKSI (Jurnal Teknologi dan Sistem Informasi) Vol 7, No 1 (2020): Desember 2020 ]]>
Publisher : <![CDATA[STMIK Royal ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33330/jurteksi.v7i1.602
<![CDATA[Abstract: In analyzing information, it is possible for experts to disclose information with uncertain recognition. For example, with the use of consent, the use is large and almost certain. In overcoming uncertainty in the system, experts can use the certainty factor (CF) method. This method can overcome reality with a level of certainty based on facts so that it can explain the confidence of an expert. CF can be applied in an expert system to build a program that can diagnose a set of rules. In this study CF was implemented in an expert system diagnosing seahorse disease. Sea horses have a high trading value, both in living and dead conditions. Therefore, sea horses, including animals that are protected by population. In this study, developing an expert system application that can diagnose seahorse disease can help determine the level of trust of experts and users who use related cases. Based on the test results, it shows that CF is able to cope well and has a high level of accuracy. Keywords: certainty factor; expert system; seahorses. Abstrak: Informasi yang dihasilkan dalam diagnosa dimungkinkan menggunakan ungkapan ketidakpastian. Misalkan dengan penggunaan pernyataan mungkin (maybe), kemungkinan besar (probably not), hampir pasti (almost certainty) dan pernyataan tidak pasti lainya. Untuk mengatasi ketidak pastian pada sistem pakar dapat menerapkan pendekatan certainty factor (CF). Metode ini mampu mengatasi ketidakpastian dengan mendefinisikan tingkat kepastian berdasarkan fakta sehingga dapat memaparkan keyakinan seorang pakar. CF dapat diterapkan dalam sistem pakar untuk membangun suatu program yang dapat mendiagnosa berdasarkan suatu set aturan. Pada penelitian ini CF diimplementasikan pada sistem pakar diagnose penyakit kuda laut. Kuda laut memiliki nilai jual perdagangan yang tinggi, baik dalam keadaan hidup maupun mati. Oleh sebab itu kuda laut termasuk hewan yang dilindungi populasinya. Penelitian yang dilakukan menghasilkan sistem pakar yang mampu mendiagnosis serta memberikan solusi untuk penyakit kuda laut dengan menggunakan pendekatan CF dalam penanganan ketidakpastian. Berdasarkan hasil pengujian menunjukkan CF mampu mengatasi ketidakpastian dengan baik dan memiliki tingkat akurasi yang tinggi. Kata kunci: certainty factor; sistem pakar; kuda laut]]>
<![CDATA[Pelatihan Penerapan Logika Informatika Sebagai Dasar Algoritma Pemograman di SMKN 7 Bandarlampung ]]>
<![CDATA[Permata Permata]]>;
<![CDATA[Zaenal Abidin]]>;
<![CDATA[Rakhmat Dedi Gunawan]]>;
<![CDATA[Faruk Ulum]]>
<![CDATA[ Journal of Engineering and Information Technology for Community Service Vol 1, No 3 (2023): Volume 1, Issue 3, January 2023 ]]>
Publisher : <![CDATA[Universitas Teknokrat Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33365/jeit-cs.v1i3.211
<![CDATA[Pada jalur pendidikan formal sering kali siswa-siswi mengalami kendala dalam memahami dan mengerti suatu mata pelajaran, apalagi jika mata pelajaran tersebut dianggap susah salah satunya pemograman. Pembelajaran di sekolah bukan hanya tentang fasilitas yang tersedia tetapi sumber daya yang baik dalam kemampuan teknologi informasi dapat menjalankan proses pembelajaran khususnya dalam pemograman salah satunya di SMKN 7 Bandar Lampung. Pemahaman penalaran atau logika algoritma di dunia coding menjadi hal yang utama bagi siswa-siswi jurusan RPL. Hal ini menginspirasi para dosen dari Universitas Teknokrat Indonesia untuk mengadakan kegiatan PKM. Kegiatan PKM yang dilakukan adalah Pelatihan Penarapan Logika Informatika Dalam Algortima Pemograman bagi siswa-siswi kelas 10 program studi RPL di SMKN 7 Bandar Lampung. Pelatihan ini bertujuan memberikan dasar berpikir secara logis dan ketertarikan mereka akan dunia programming. Materi pelatihan yang telah diberikan meliputi: (1) Sesi awal: memotivasi dan penjelasan tentang bidang dalam dunia pemrograman; (2) Sesi kedua: penyajian materi inti mengenai operator dan fungsi logika dalam algoritma; (3) Sesi ketiga: pendalaman materi dalam kasus pemograman; (4) Sesi akhir: memberikan evaluasi berupa tanya jawab dan mengerjakan soal sederhana dengan praktikum. Hasil pelatihan ini terlihat dari peningkatan nilai pengetahuan siswa- siswi pada sebelum dan sesudah pelatihan.Kata Kunci: Logika; Algoritma; Pemograman; Operator Logika; Coding.]]>
<![CDATA[Pelatihan Pemograman Python Tingkat Dasar di SMKN 7 Bandarlampung ]]>
<![CDATA[Faruk Ulum]]>;
<![CDATA[Rakhmat Dedi Gunawan]]>;
<![CDATA[Zaenal Abidin]]>;
<![CDATA[Permata Permata]]>
<![CDATA[ Journal of Engineering and Information Technology for Community Service Vol 1, No 3 (2023): Volume 1, Issue 3, January 2023 ]]>
Publisher : <![CDATA[Universitas Teknokrat Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33365/jeit-cs.v1i3.209
<![CDATA[SMKN 7 Bandarlampung adalah sebuah sekolah menengah kejuruan negeri yang berada di salah satu sudut kota Bandarlampung tepatnya di kecamatan Sukarame. Terdapat banyak jurusan yang ada di SMKN 7 Bandarlampung salah satu diantaranya adalah jurusan Rekayasa Perangkat Lunak (RPL). Pemahaman akan dunia coding menjadi hal yang utama bagi siswa-siswi jurusan RPL. Hal ini menginspirasi para dosen dari Universitas Teknokrat Indonesia mengadakan kegiatan PKM. Kegiatan PKM utama yang dilakukan adalah Pelatihan Pemograman Python Tingkat Dasar bagi siswa-siswi kelas 10 di SMKN 7 Bandarlampung. Pelatihan ini bertujuan agar membuka cakrawala awal dan ketertarikan mereka akan dunia programming. Materi pelatihan yang telah diberikan adalah (1) Sesi 1 : Bedah Potensi Dunia Kerja bidang Komputer, (2) Sesi 2 : Pelatihan Pemograman Python Tingkat Dasar materi Variable, Sequence, Selection dan Looping di Lab komputer SMKN 7 dan juga secara bergantian via media zoom. Pelaksanaan PKM Sekolah Binaan telah dilaksanakan dengan metode ceramah di lab atau via zoom dan latihan pemogragraman di laboratorium komputer milik SMKN 7. Secara umum kunjungan dan pelatihan ke SMKN 7 dilakukan empat kali kunjungan sesuai dengan rincian dan jadwal kegiatan yang telah dibuat. Hasil pelatihan ini terlihat dari peningkatan nilai pengetahuan siswa- siswi pada sebelum dan sesudah pelatihan pemograman Python tingkat dasar.]]>
<![CDATA[Desain Interaksi Game Belajar Aksara Lampung Bersama Muli Dengan Metode Collision Detection ]]>
<![CDATA[Theo Kusuma Pamungkas]]>;
<![CDATA[Ade Surahman]]>;
<![CDATA[Zaenal Abidin]]>
<![CDATA[ Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 4, No 1 (2023): Volume 4 Nomor 1 Maret 2023 ]]>
Publisher : <![CDATA[Universitas Teknokrat Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33365/jatika.v4i1.2458
<![CDATA[Lampung script is one of the traditional Indonesian scripts that developed in the south of the island of Sumatra. This script is used to write the Lampung and Malay languages. The Lampung script has a total of 20 main characters. This study aims to find out how to make a game Learning the Lampung script with Muli based on Android with a design that is easy to use and can function as an entertainment medium for learning media and a media for preserving Lampung culture. The method for making this game is collision detection starting from the analysis of design, manufacture and testing. the game model presented is in the form of the noble character as the main character, there is 1 main game, namely matching the Lampung script and 3 learning modes, namely the introduction of the Lampung script, the introduction of children with the Lampung script and the painting of the Lampung script. In making this application using software construct 2. Test results the quality aspect of functionality by 13 respondents showed that the application can perform all its functions correctly so that the software gets the criteria for success test results with a percentage of 97.91%. The results of testing the quality aspect of portability on several versions of Android (Android 5, Android 9, Android 10, Android 11) show that the application can be installed and can run properly so that it gets the criteria for success test results with a percentage of 100%.]]>
<![CDATA[ANALISIS PERBANDINGAN ALGORITMA DECISION TREE C4.5 DAN C5.0 PADA DATA KARYAWAN BERPOTENSI PROMOSI JABATAN ]]>
<![CDATA[Zaenal Abidin]]>;
<![CDATA[Eka Nurhana]]>;
<![CDATA[Permata Permata]]>;
<![CDATA[Faruq Ulum]]>
<![CDATA[ Jurnal Teknoinfo Vol 17, No 2 (2023): Vol 17, No 2 (2023) : JULI ]]>
Publisher : <![CDATA[Universitas Teknokrat Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33365/jti.v17i2.2702
<![CDATA[Proses penentuan karyawan yang akan mendapatkan promosi jabatan memiliki beberapa kriteria dan karakteristik penilaian berdasarkan standar yang telah ditentukan. Untuk menentukan karyawan yang berpotensi promosi jabatan dapat menggunakan penerapan teknik data mining yaitu klasifikasi. Algoritma yang biasa digunakan untuk melakukan klasifikasi pada data mining yaitu Decision tree. Decision Tree merupakan metode klasifikasi yang cukup populer digunakan karena mudah untuk dipahami oleh manusia. Memiliki beberapa jenis algoritma diantaranya yaitu algoritma CART, ID.3, C.45 dan C5.0. Pada penelitian terdahulu yang telah dilakukan oleh beberapa peneliti terdapat perbedaan tingkat akurasi pada masing-masing algoritma. Oleh karena itu, penulis menyimpulkan untuk melakukan penelitian terkait perbandingan algoritma Decision tree jenis C4.5 dan C5.0 dengan tujuan mengetahui tingkat akurasi yang dihasilkan dari masing-masing algoritma tersebut dengan menggunakan dataset yang berukuran lebih besar. Metode penelitian menggunakan metode CRISP-DM dan menggunakan dua tools yaitu Software RapidMiner dan Google Colabolatory dengan bahasa pemrograman Python. Hasil yang dicapai yaitu analisis perbandingan dari algoritma C4.5 dan C5.0, serta rule atau aturan karyawan berpotensi promosi jabatan dan tidak promosi jabatan yang diinterpretasikan dalam model pohon keputusan.]]>
