Article Per Year (5 Year)
p-Index From 2020 - 2025
0.817
P-Index
This Author published in this journals
All Journal TEKNIK INFORMATIKA Seminar Nasional Teknologi Informasi Komunikasi dan Industri
Surya Agustian
Teknik Informatika UIN Sultan Syarif Kasim Riau
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mathematics

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
PENDEKATAN SEMANTIK DALAM DETEKSI BERBAGAI TIPE PLAGIARISME PADA DOKUMEN TEKS Surya Agustian
JURNAL TEKNIK INFORMATIKA Vol 14, No 2 (2021): JURNAL TEKNIK INFORMATIKA
Publisher : Department of Informatics, Universitas Islam Negeri Syarif Hidayatullah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15408/jti.v14i2.22841

Abstract

Plagiarism detection is a complex task. In-text, it should be able to find fragments of a text that is suspected of being illegally plagiarized from other sources. Aligning the plagiarized passages of suspicious documents from the source document is an issue that was discussed a lot, of which we can measure the percentage of the plagiarized text. This research proposes a semantic approach of text (fragments in documents) alignment between source and suspicious documents, using Jackard similarity method. Experimental results on the PAN competition for plagiarism detection competition, yielding average of 66.9% detection scores, increased more than twice if compared to the baseline method provided by the organizer, which is 28,4%. This approach is potential as a starting point to find offset match and length of plagiarized text in a plagiarism detection system.  
Perbandingan Metode Moving Average untuk Prediksi Hasil Produksi Kelapa Sawit Surya Agustian; Heru Wibowo
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (745.643 KB)

Abstract

Kelapa sawit menjadi salah satu produk utama dari Propinsi Riau, yang turut menyumbangkan PAD (Pendapatan Asli Daerah) dan devisa yang tinggi. Namun demikian, produksi sawit setiap bulan tidaklah selalu stabil atau meningkat, melainkan mengalami naik dan turun yang dipengaruhi oleh banyak faktor. Untuk meningkatkan produksi sawit, mempelajari pola hasil panen setiap bulannya menjadi penting, terutama untuk tujuan prediksi hasil panen di bulan berikutnya. Langkah-langkah antisipasi dapat diambil apabila hasil prediksi produksi menurun, sehingga hasil panen yang sebenarnya tetap memuaskan dan mencapai target. Penelitian ini mendiskusikan beberapa hasil dari empat metode prediksi berbasis moving average (MA), yaitu simple MA, double MA, exponential MA, dan weighted MA.  Hasil pengujian terhadap data produksi bulanan PTPN V selama 5 tahun menunjukkan bahwa metode weighted moving average merupakan metode yang memiliki error terkecil berdasarkan parameter mean absolute percentage error (MAPE). Pengujian berdasarkan pergerakan data horizontal (produksi bulanan pada satu tahun) memiliki rata-rata persentase error sebesar 12.53%, dilakukan untuk mengamati trend hasil panen. Sedangkan hasil prediksi berdasarkan pergerakan data vertikal (produksi bulan yang sama dari data berurut tahunan) memiliki rata-rata persentase error sebesar 7.35%, yang dilakukan untuk pengamatan musim.
Source retrieval pada deteksi plagiarisme berdasarkan biword fingerprint dengan model ruang vektor Surya Agustian; Agung Sucipto
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2020: SNTIKI 12
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kasus plagiarisme dokumen berkembang semakin banyak seiring dengan pertambahan sumber digital yang pesat yang tersimpan di jaringan internet. Kesulitan ditemui saat harus menguji apakah suatu karya mengandung plagiarisme, dan di mana menemukan sumber aslinya (source retrieval) dari jutaan artikel dan dokumen yang ada tersebut. Penelitian ini bertujuan untuk melakukan pendeteksian kasus plagiarisme dari banyak dokumen sumber. Sistem pencarian sumber dokumennya menggunakan model ruang vektor, dengan kueri berbentuk frase word-n-gram, dengan n dari 3, 4 dan 5 (triword, quadword dan pentaword). Eksperimen dengan berbagai kombinasi, dilakukan dengan atau tanpa stemming, dan variasi pada frekuensi kata. Hasil yang diperoleh memberikan rekomendasi dokumen mana yang paling mirip dengan dokumen input dari sejumlah dokumen hasil pencarian awal. Hal ini sangat membantu manusia dalam menemukan dokumen sumber yang paling banyak diplagiasi.
Music Information Retrieval Menggunakan k-NN dan Cosine Similarity Salam Kurniawan; Surya Agustian
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2021: SNTIKI 13
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Berbagai macam jenis, genre dan ukuran musik/lagu dapat ditemukan di jaringan internet pada saat ini, untuk dimainkan dengan komputer dan gadget. Namun, untuk mengetahui informasi tentang musik seperti judul lagu dan pencipta dari potongan musik yang dimainkan, menjadi masalah tersendiri apabila kita tidak mengetahuinya. Penelitian ini mengusulkan sebuah sistem pencarian informasi musik (music information retrieval) yang dapat mengenali fiturnya dari input kueri berupa potongan musik yang singkat. Fitur musik diekstraksi menggunakan Echonest API. Proses retrieval berdasarkan similarity fitur menggunakan metode kNNCS (K-Nearest Neighbour dan Cosine Similarity). Eksperimen dilakukan dengan pengaturan kombinasi beberapa parameter untuk mencari model terbaik. Hasilnya diterapkan pada data pengujian berupa potongan musik, menghasilkan performa berdasarkan akurasi, precision, dan recall dengan nilai masing-masing 0.6778, 0.9661, dan 0.6785. Dari segi akurasi, sistem ini telah menghasilkan nilai yang sangat baik, Namun dari segi recall, masih harus ditingkatkan agar kandidat musik yang tepat dapat berada pada peringkat teratas.
Klasifikasi Sentimen Masyarakat terhadap Kebijakan Vaksin Covid-19 pada Twitter dengan Imbalance Classes Menggunakan Naive Bayes Prima Yohana; Surya Agustian; Siska Kurnia Gusti
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2022: SNTIKI 14
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penggunaan media sosial berkembang sangat pesat hingga sebuah informasi dalam bentuk apapun bisa viral (tersebar luas) dalam sekejap saja. Hal ini dikarenakan kebanyakan masyarakat telah memiliki telepon genggam baik dari usia anak-anak hingga dewasa. Masyarakat menggunakan media sosial twitter untuk berbagai kepentingan, antara lain memberi opini dan komentar. Terkait hal tersebut, dukungan dan penolakan juga banyak disampaikan dalam menanggapi program pemerintah untuk menangani pandemi COVID-19 (corona virus disease 2019) dengan mengadakan vaksinasi massal. Penelitian melakukan analisis dan klasifikasi adanya sentimen yang menggambarkan pandangan yang bersifat positif, negatif maupun netral masyarakat tentang covid-19 dengan menggunakan metode Naïve Bayes Classfier. Analisis dilakukan dengan mencari komposisi dataset yang relatif berimbang di antara kelas positif, negatif dan netral. Kombinasi tahapan teks preprocessing diselidiki untuk menghasilkan model NB yang memiliki performa terbaik dari data training, dan divalidasi menggunakan data development. Model final yang dipilih, menghasilkan akurasi 69,56% pada data development, kemudian diterapkan untuk menguji data testing yang belum pernah terlihat sebelumnya. Hasil akurasi yang diperoleh adalah 61% dengan F1-score sebesar 0,57. Pendekatan yang digunakan telah berhasil meningkatkan performa klasifikasi, karena berhasil mengidentifikasi kelas negatif dan positif dengan lebih baik, dibandingkan bila data digunakan apa adanya, tanpa melakukan balancing.
Co-Authors AGUNG SUCIPTO Heru Wibowo Prima Yohana Salam Kurniawan Siska Kurnia Gusti