Article Per Year (5 Year)
p-Index From 2020 - 2025
10.216
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Informatika Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Ilmu Komputer dan Informasi Lontar Komputer: Jurnal Ilmiah Teknologi Informasi Jurnal Teknik ITS IPTEK Journal of Science IPTEK Journal of Proceedings Series IPTEK The Journal for Technology and Science Techno.Com: Jurnal Teknologi Informasi MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) Jurnal Buana Informatika TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Ilmiah Mikrotek Jurnal Simantec Jurnal Ilmiah Kursor Scan : Jurnal Teknologi Informasi dan Komunikasi Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) Scientific Journal of Informatics Journal of Information Systems Engineering and Business Intelligence Register: Jurnal Ilmiah Teknologi Sistem Informasi EMITTER International Journal of Engineering Technology Jurnal Inspiration Briliant: Jurnal Riset dan Konseptual Journal of Development Research Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) International Journal of Artificial Intelligence Research Inform : Jurnal Ilmiah Bidang Teknologi Informasi dan Komunikasi INTEGER: Journal of Information Technology Seminar Nasional Teknologi Informasi Komunikasi dan Industri JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal ULTIMATICS MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Explore IT : Jurnal Keilmuan dan Aplikasi Teknik Informatika Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) CCIT (Creative Communication and Innovative Technology) Journal SPIRIT ILKOMNIKA: Journal of Computer Science and Applied Informatics Indonesian Journal of Electrical Engineering and Computer Science Jurnal Teknik Informatika (JUTIF) Journal of Technology and Informatics (JoTI) Melek IT: Information Technology Journal Jurnal Nasional Teknik Elektro dan Teknologi Informasi Journal Research of Social Science, Economics, and Management Sewagati Jurnal Indonesia : Manajemen Informatika dan Komunikasi
Chastine Fatichah
Departemen Teknik Informatika Institut Teknologi Sepuluh Nopember Surabaya
Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Public Health Social Sciences Other

Published : 158 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 158 Documents
Search

 2   3   4   5   6 
ANALISA SENTIMEN KEBIJAKAN PEMERINTAH PADA KONTEN TWITTER BERBAHASA INDONESIA MENGGUNAKAN SVM DAN K-MEDOID CLUSTERING Pradany, Latifa Nurrachma; Fatichah, Chastine
SCAN - Jurnal Teknologi Informasi dan Komunikasi Vol 11, No 1 (2016)
Publisher : Universitas Pembangunan Nasional "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/scan.v11i1.635

Abstract

Abstrak. Pada saat ini penggunaan Twitter semakin luas. Semua pengguna twitter yang dapat dengan bebas untuk berpendapat dan membagikan sudut pandang mereka mengenai isu tren dunia membuat konten twitter menjadi beragam dan menarik untuk dianalisa, termasuk dengan tren kebijakan politik yang ramai diperbincangkan di Indonesia setahun terakhir. Hal tersebut menjadi alasan kuat bahwa analisis opini publik dan sentimen tentang kebijakan pemerintah dari isi twitter Indonesia sangat penting untuk dilakukan. Namun, identifikasi sentimen di dalam pesan konten Twitter berbahasa Indonesia memiliki tantangan. Pertama, konten tidak memiliki kalimat dengan struktur baku. Kedua, domain dari setiap konten sangat luas dan heterogen, sehingga sulit untuk mengelompokkan topik tersebut dan mengklasifikasikan sentimen. Ketiga, penggunaan slang menyebabkan ambiguitas dan Out of Vocabbulary (OOV). Di dalam penelitian ini diusulkan metode K-Medoid Clustering dan Support Vector Machine (SVM) untuk melakukan klasifikasi berdasarkan fitur sentiment score. Tujuan dari penggunaan K-Medoid clustering untuk mengeliminasi data yang tidak sesuai dan mengelompokkan data sesuai dengan homogenitas topik. Penelitian ini dilakukan dalam skenario uji coba perbandingkan hasil analisa sentimen setelah dilakukan clustering berdasarkan fitur sentiment score terhadap fitur berbasis konten dengan parameter tingkat akurasi yang dianalisa dengan uji t. Hasil akhir menunjukkan bahwa metode yang diusulkan memiliki kualitas lebih baik daripada metode sebelumnya yang menggunakan fitur berbasis konten.   Kata Kunci: analisa sentimen, SVM, K-Medoid, clustering
Otomatisasi Pembangkitan Mind Map dari Buku Teks Berbahasa Indonesia Berbasis Analisis Struktur Kalimat Kusuma, Selvia Ferdiana; Siahaan, Daniel O.; Fatichah, Chastine
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 6, No 3 (2020): Volume 6 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v6i3.42405

Abstract

Mind map adalah sebuah media yang dapat digunakan untuk memvisualisasikan keterkaitan suatu informasi. Adanya visualisasi informasi dapat mempermudah pemahaman terhadap informasi tersebut. Tidak ada aturan khusus dalam pembuatan mind map. Namun butuh proses yang cukup panjang ketika ingin membuat sebuah mind map, mulai dari membaca seluruh informasi, memahami keterkaitan informasi, kemudian memvisualisasikan keterkaitan informasi tersebut. Tentunya hal ini akan menyita banyak waktu. Oleh sebab itu penelitian ini mengusulkan sebuah metode otomatisasi pembangkitan mind map berbasis analisis struktur kalimat. Input dari metode ini berupa teks per bab dan outputnya adalah mind map. Setiap kalimat inputan akan diidentifikasi dan dilabeli dengan tag khusus, kemudian dari tag-tag tersebutlah akan dibentuk mind map secara otomatis dengan aturan khusus yang telah dibuat. Uji coba penelitian ini menggunakan lebih dari 1000 kalimat yang divisualisasikan menjadi sebuah mind map. Kemudian hasil visualisasi tersebut  divalidasi kebenaranya oleh ahli di bidang pendidikann yang telah memiliki pengalaman mengajar lebih dari 20 tahun. Hasil pegujian yang telah dilakukan menunjukkan bahwa metode yang diusulkan dapat digunakan untuk membangkitkan mind map secara otomatis.
Analisis Metode Representasi Teks Untuk Deteksi Interelasi Kitab Hadis: Systematic Literature Review Amelia Devi Putri Ariyanto; Chastine fatichah; Agus Zainal Arifin
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 5 No 5 (2021): Oktober2021
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (359.814 KB) | DOI: 10.29207/resti.v5i5.3499

Abstract

Hadith is the second source of reference for Islamic law after the Qur'an, which explains the sentences in the Qur'an which are still global by referring to the provisions of the Prophet Muhammad SAW. Classification of text documents can also be used to overcome the problem of interrelation between the Qur'an and hadith. The problem of interrelation between books of hadith needs to be done because some hadiths in certain hadith books have the same meaning as other hadith books. This study aims to analyze the development of text representation and classification methods suitable to overcome similarity meaning problems in detecting interrelationships between hadith books. The research method used is Systematic Literature Review (SLR) sourced from Google Scholar, Science Direct, and IEEE. There are 42 pieces of literature that have been studied successfully. The results showed that contextual embedding as the newest text representation method considered word context and sentence meaning better than static embedding. As a classification method, the ensemble method has better performance in classifying text documents than using only a single classifier model. Thus, future research can consider using a combination of contextual embedding and ensemble methods to detect interrelationships between books of hadith.
Parsing struktur semantik soal cerita matematika berbahasa indonesia menggunakan recursive neural network Prasetya, Agung; Fatichah, Chastine; Yuhana, Umi Laili
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 5, No 2 (2019): July
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/register.v5i2.1537

Abstract

Soal cerita berperan penting untuk kemajuan pengembangan kecerdasan buatan. Hal ini karena penyelesaian soal cerita melibatkan pengembangan sebuah sistem yang mampu memahami bahasa alami. Pembentukan sistem penyelesaian soal memerlukan mekanisme untuk mendekomposisikan teks soal ke segmen-segmen teks untuk diterjemahkan ke jenis operasi hitung. Segmen-segmen tersebut ditentukan melalui proses parsing semantik struktur soal agar menghasilkan segmen-segmen yang maknanya menunjuk operasi hitung. Sejumlah metode usulan saat ini sesuai untuk diterapkan pada soal cerita berbahasa Inggris dan belum diterapkan pada soal cerita berbahasa Indonesia. Dampaknya adalah segmen-segmen yang dihasilkan belum tentu menghasilkan urutan pengerjaan operasi yang sesuai makna cerita. Penelitian ini mengusulkan penggunaaan Recursive Neural Network (RNN) sebagai parser struktur semantik soal cerita berbahasa Indonesia. Pengujian parser struktur semantik soal dilakukan terhadap soal-soal yang berasal dari Buku Sekolah Elektronik (BSE) Sekolah Dasar (SD) dari Pusat Perbukuan Kementerian Pendidikan dan Kebudayaan. Hasil pengujian menunjukkan akurasi akhir sebesar 86,4%.  Math word problems play an important role for the development of artificial intelligent. This is because solving word problems involves the development of a system that can understand natural language.  Designing a system for solving math word problems requires a mechanism for decomposing a text into segments of text to be translated into math operation. The segments are categorized through the process of parsing the semantic structure of the word problems to obtain segments whose meanings refer to math operation. A number of current proposed methods are suitable to be applied to English math word problems and have never been applied to Indonesian math word problems. The impact is that the segments produced are not necessarily in line with the sequences of operations appropriate with the meaning of the story.  This study proposed the use of Recursive Neural Network (RNN) as a parser of semantic structure of Indonesian math word problems. The testing of the parser was carried out on the math word problems taken from the Elementary School’s Electronic School Book  (BSE) published by the Book Center of the Ministry of Education and Culture. The result of the testing showed that the final accuracy was 86.4%.
Multi-parent order crossover mechanism of genetic algorithm for minimizing violation of soft constraint on course timetabling problem Fajrin, Ahmad Miftah; Fatichah, Chastine
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 6, No 1 (2020): January
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/register.v6i1.1663

Abstract

A crossover operator is one of the critical procedures in genetic algorithms. It creates a new chromosome from the mating result to an extensive search space. In the course timetabling problem, the quality of the solution is evaluated based on the hard and soft constraints. The hard constraints need to be satisfied without violation while the soft constraints allow violation. In this research, a multi-parent crossover mechanism is used to modify the classical crossover and minimize the violation of soft constraints, in order to produce the right solution. Multi-parent order crossover mechanism tends to produce better chromosome and also prevent the genetic algorithm from being trapped in a local optimum. The experiment with 21 datasets shows that the multi-parent order crossover mechanism provides a better performance and fitness value than the classical with a zero fitness value or no violation occurred. It is noteworthy that the proposed method is effective to produce available course timetabling.
Segmentasi Pembuluh Darah Retina Pada Citra Fundus Menggunakan Gradient Based Adaptive Thresholding Dan Region Growing Sutaji, Deni; Fatichah, Chastine; Navastara, Dini Adni
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 2, No 2 (2016): July
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/register.v2i2.553

Abstract

 Segmentasi pembuluh darah pada citra fundus retina menjadi hal yang substansial dalam dunia kedokteran, karena dapat digunakan untuk mendeteksi penyakit, seperti: diabetic retinopathy, hypertension, dan cardiovascular. Dokter membutuhkan waktu sekitar dua jam untuk mendeteksi pembuluh darah retina, sehingga diperlukan metode yang dapat membantu screening agar lebih cepat.Penelitian sebelumnya mampu melakukan segmentasi pembuluh darah yang sensitif terhadap variasi ukuran lebar pembuluh darah namun masih terjadi over-segmentasi pada area patologi. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan metode segmentasi pembuluh darah pada citra fundus retina yang dapat mengurangi over-segmentasi pada area patologi menggunakan Gradient Based Adaptive Thresholding dan Region Growing.Metode yang diusulkan terdiri dari 3 tahap, yaitu segmentasi pembuluh darah utama, deteksi area patologi dan segmentasi pembuluh darah tipis. Tahap segmentasi pembuluh darah utama menggunakan high-pass filtering dan tophat reconstruction pada kanal hijau citra yang sudah diperbaiki kontrasnya sehingga lebih jelas perbedaan antara pembuluh darah dan background. Tahap deteksi area patologi menggunakan metode Gradient Based Adaptive Thresholding. Tahap segmentasi pembuluh darah tipis menggunakan Region Growing berdasarkan informasi label pembuluh darah utama dan label area patologi. Hasil segmentasi pembuluh darah utama dan pembuluh darah tipis kemudian digabungkan sehingga menjadi keluaran sistem berupa citra biner pembuluh darah. Berdasarkan hasil uji coba, metode ini mampu melakukan segmentasi pembuluh darah retina dengan baik pada citra fundus DRIVE, yaitu dengan akurasi rata-rata 95.25% dan nilai Area Under Curve (AUC) pada kurva Relative Operating Characteristic (ROC) sebesar 74.28%.                           Kata Kunci: citra fundus retina, gradient based adaptive thresholding, patologi, pembuluh darah retina, region growing, segmentasi.  Segmentation of blood vessels in the retina fundus image becomes substantial in the medical, because it can be used to detect diseases, such as diabetic retinopathy, hypertension, and cardiovascular. Doctor takes about two hours to detect the blood vessels of the retina, so screening methods are needed to make it faster. The previous methods are able to segment the blood vessels that are sensitive to variations in the size of the width of blood vessels, but there is over-segmentation in the area of pathology. Therefore, this study aims to develop a segmentation method of blood vessels in retinal fundus images which can reduce over-segmentation in the area of pathology using Gradient Based Adaptive Thresholding and Region Growing. The proposed method consists of three stages, namely the segmentation of the main blood vessels, detection area of pathology and segmentation thin blood vessels. Main blood vessels segmentation using high-pass filtering and tophat reconstruction on the green channel which adjusted of contras image that results the clearly between object and background. Detection area of pathology using Gradient Based Adaptive thresholding method. Thin blood vessels segmentation using Region Growing based on the information main blood vessel segmentation and detection of pathology area. Output of the main blood vessel segmentation and thin blood vessels are then combined to reconstruct an image of the blood vessels as output system.This method is able to segment the blood vessels in retinal fundus images DRIVE with an accuracy of 95.25% and the value of Area Under Curve (AUC) in the relative operating characteristic curve (ROC) of 74.28%.Keywords: Blood vessel, fundus retina image, gradient based adaptive thresholding, pathology, region growing, segmentation.
Klasifikasi jenis kejadian menggunakan kombinasi NeuroNER dan Recurrent Convolutional Neural Network pada data Twitter Putra, Fatra Nonggala; Fatichah, Chastine
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 4, No 2 (2018): July
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/register.v4i2.1242

Abstract

Sistem deteksi kejadian dari data Twitter bertujuan untuk mendapatkan data secara real-time sebagai alternatif sistem deteksi kejadian yang murah. Penelitian tentang sistem deteksi kejadian telah dilakukan sebelumnya. Salah satu modul utama dari sistem deteksi kejadian adalah modul klasifikasi jenis kejadian. Informasi dapat diklasifikasikan sebagai kejadian penting jika memiliki entitas yang merepresentasikan di mana lokasi kejadian terjadi. Beberapa penelitian sebelumnya masih memanfaatkan fitur ‘buatan tangan’, maupun fitur model berbasis pipeline seperti n-gram sebagai penentuan fitur kunci klasifikasi yang tidak efektif dengan performa kurang optimal. Oleh karena itu, diusulkan penggabungan metode Neuro Named Entity Recognition (NeuroNER) dan klasifier Recurrent Convolutional Neural Network (RCNN) yang diharapkan dapat melakukan deteksi kejadian secara efektif dan optimal. Pertama, sistem melakukan pengenalan entitas bernama pada data tweet untuk mengenali entitas lokasi yang terdapat dalam teks tweet, karena informasi kejadian haruslah memiliki minimal satu entitas lokasi. Kedua, jika tweet terdeteksi memiliki entitas lokasi maka akan dilakukan proses klasifikasi kejadian menggunakan klasifier RCNN. Berdasarkan hasil uji coba, disimpulkan bahwa sistem deteksi kejadian menggunakan penggabungan NeuroNER dan RCNN bekerja dengan sangat baik dengan nilai rata-rata precision, recall, dan f-measure masing-masing 94,87%, 92,73%, dan 93,73%.    The incident detection system from Twitter data aims to obtain real-time information as an alternative low-cost incident detection system. One of the main modules in the incident detection system is the classification module. Information is classified as important incident if it has an entity that represents where the incident occurred. Some previous studies still use 'handmade' features as well as feature-based pipeline models such as n-grams as the key features for classification which are deemed as ineffective. Therefore, this research propose a combination of Neuro Named Entity Recognition (NeuroNER) and Recurrent Convolutional Neural Network (RCNN) as an effective classification method for incident detection. First, the system perform named entity recognition to identify the location contained in the tweet text because the event information should have at least one location entity. Then, if the location is successfully identified, the incident will be classified using RCNN. Experimental result shows that the incident detection system using combination  of NeuroNER and RCNN works very well with the average value of precision, recall, and f-measure 92.44%, 94.76%, and 93.53% respectively.
Klasifikasi penyakit noda pada citra daun tebu berdasarkan ciri tekstur dan warna menggunakan segmentation-based gray level co-occurrence matrix dan lab color moments Ratnasari, Evy Kamilah; Ginardi, Raden Venantius Hari; Fatichah, Chastine
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 3, No 1 (2017): January
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/register.v3i1.575

Abstract

 Penyakit noda pada daun tanaman tebu menampakkan gejala berupa lesi atau bercak. Lesi tersebut menghambat proses fotosintesis daun dan dapat mengakibatkan menurunnya produksi gula. Oleh karena itu, dalam meningkatkan kualitas produksi gula dibutuhkan diagnosa dini untuk mengambil keputusan penanganan penyakit yang cepat dan tepat, sehingga dapat meminimalisir kerusakan daun yang signifikan akibat penyebaran penyakit tersebut. Sayangnya keterbatasan keberadaan ahli penyakit tanaman tebu yang berpotensi dalam mendiagnosa penyakit noda tidak dapat mengatasi hal tersebut. Penelitian ini mengusulkan diagnosa penyakit noda tanaman tebu menggunakan metode pemrosesan citra berdasarkan fitur tekstur Segmentation-based Gray Level Co-Occurrence Texture (SGLCM) dan LAB color moments. Metode yang diajukan terdiri dari ekstraksi ciri warna pada citra masukan yang akan menghasilkan 12 fitur warna dan ekstraksi ciri tekstur pada citra masukan yang tersegmentasi dan menghasilkan 24 fitur tekstur, kemudian gabungan fitur warna dan tekstur tersebut digunakan sebagai masukan klasifikasi k-Nearest Neighbor (kNN) untuk mengenali jenis penyakit noda pada citra daun tanaman tebu. Jenis penyakit noda terdiri dari noda cincin, noda karat, dan noda kuning yang memiliki karakteristik berbeda. Klasifikasi penyakit noda pada tanaman tebu  menggunakan metode tersebut dapat menghasilkan akurasi tertinggi 93%.   The sugarcane spot disease attack the sugarcane with appear as spots on the leaves, so this spots prevent the vital process of photosynthesis to take place and caused sugar production losses. Early diagnosis of this spot disease can improve the quality of sugar production. The diagnosis result can be used as decision reference to control the disease fast and accurately to minimize attack severe that can caused significant damage. Unfortunately, experts who are able to identify the diseases are often unavailable. This research attempted to identify the three sugarcane spot diseases (ring spot, rust spot, and yellow spot) using Segmentation-based Gray Level Co-Occurrence Texture (SGLCM) and LAB color moments. The SGLCM obtain 24 texture features of segmented image and color moments obtain 12 color features. This method achieved at least 93% accuracy when identifying the diseases using kNN classifier.
An in-depth performance analysis of the oversampling techniques for high-class imbalanced dataset Wibowo, Prasetyo; Fatichah, Chastine
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 7, No 1 (2021): January
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/register.v7i1.2206

Abstract

Class imbalance occurs when the distribution of classes between the majority and the minority classes is not the same. The data on imbalanced classes may vary from mild to severe. The effect of high-class imbalance may affect the overall classification accuracy since the model is most likely to predict most of the data that fall within the majority class.  Such a model will give biased results, and the performance predictions for the minority class often have no impact on the model. The use of the oversampling technique is one way to deal with high-class imbalance, but only a few are used to solve data imbalance. This study aims for an in-depth performance analysis of the oversampling techniques to address the high-class imbalance problem. The addition of the oversampling technique will balance each class’s data to provide unbiased evaluation results in modeling. We compared the performance of Random Oversampling (ROS), ADASYN, SMOTE, and Borderline-SMOTE techniques. All oversampling techniques will be combined with machine learning methods such as Random Forest, Logistic Regression, and k-Nearest Neighbor (KNN). The test results show that Random Forest with Borderline-SMOTE gives the best value with an accuracy value of 0.9997, 0.9474 precision, 0.8571 recall, 0.9000 F1-score, 0.9388 ROC-AUC, and 0.8581 PRAUC of the overall oversampling technique.
Peringkasan multi-dokumen berita berdasarkan fitur berita dan part of speech tagging Abdullah, Moch. Zawaruddin; Fatichah, Chastine
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 4, No 2 (2018): July
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/register.v4i2.1251

Abstract

News Feature Scoring (NeFS) merupakan metode pembobotan kalimat yang sering digunakan untuk melakukan pembobotan kalimat pada peringkasan dokumen berdasarkan fitur berita. Beberapa fitur berita diantaranya seperti word frequency, sentence position, Term Frequency-Inverse Document Frequency (TF-IDF), dan kemiripan kalimat terhadap judul. Metode NeFS mampu memilih kalimat penting dengan menghitung frekuensi kata dan mengukur similaritas kata antara kalimat dengan judul. Akan tetapi pembobotan dengan metode NeFS tidak cukup, karena metode tersebut mengabaikan kata informatif yang terkandung dalam kalimat. Kata-kata informatif yang terkandung pada kalimat dapat mengindikasikan bahwa kalimat tersebut penting. Penelitian ini bertujuan untuk melakukan pembobotan kalimat pada peringkasan multi-dokumen berita dengan pendekatan fitur berita dan informasi gramatikal (NeFGIS). Informasi gramatikal yang dibawa oleh part of speech tagging (POS Tagging) dapat menunjukkan adanya konten informatif. Pembobotan kalimat dengan pendekatan fitur berita dan informasi gramatikal diharapkan mampu memilih kalimat representatif secara lebih baik dan mampu meningkatkan kualitas hasil ringkasan. Pada penelitian ini terdapat 4 tahapan yang dilakukan antara lain seleksi berita, text preprocessing, sentence scoring, dan penyusunan ringkasan. Untuk mengukur hasil ringkasan menggunakan metode evaluasi Recall-Oriented Understudy for Gisting Evaluation (ROUGE) dengan empat varian fungsi yaitu ROUGE-1, ROUGE-2, ROUGE-L, dan ROUGE-SU4. Hasil ringkasan menggunakan metode yang diusulkan (NeFGIS) dibandingkan dengan hasil ringkasan menggunakan metode pembobotan dengan pendekatan fitur berita dan trending issue (NeFTIS). Metode NeFGIS memberikan hasil yang lebih baik dengan peningkatan nilai untuk fungsi recall pada ROUGE-1, ROUGE-2, ROUGE-L, dan ROUGE-SU4 secara berturut-turut adalah 20,37%, 33,33%, 1,85%, 23,14%.   News Feature Scoring (NeFS) is a sentence weighting method that used to weight the sentences in document summarization based on news features. There are several news features including word frequency, sentence position, Term Frequency-Inverse Document Frequency (TF-IDF), and sentences resemblance to the title. The NeFS method is able to select important sentences by calculating the frequency of words and measuring the similarity of words between sentences and titles. However, NeFS weighting method is not enough, because the method ignores the informative word in the sentence. The informative words contained in the sentence can indicate that the sentence is important. This study aims to weight the sentence in news multi-document summarization with news feature and grammatical information approach (NeFGIS). Grammatical information carried by part of speech tagging (POS Tagging) can indicate the presence of informative content. Sentence weighting with news features and grammatical information approach is expected to be able to determine sentence representatives better and be able to improve the quality of the summary results. In this study, there are 4 stages that are carried out including news selection, text preprocessing, sentence scoring, and compilation of summaries. Recall-Oriented Understanding for Gisting Evaluation (ROUGE) is used to measure the summary results with four variants of function; ROUGE-1, ROUGE-2, ROUGE-L, and ROUGE-SU4. Summary results using the proposed method (NeFGIS) are compared with summary results using sentence weighting methods with news feature and trending issue approach (NeFTIS). The NeFGIS method provides better results with increased value for recall functions in ROUGE-1, ROUGE-2, ROUGE-L, and ROUGE-SU4 respectively 20.37%, 33.33%, 1.85%, 23.14%. 
Co-Authors Achmad Arwan Addien Haniefardy Adhi Nurilham Aditya Bagusmulya, Aditya afrizal laksita akbar, afrizal laksita Agung Prasetya Agus Subhan Akbar, Agus Subhan Agus Zainal Arifin Agus Zainal Arifin Ahmad Hayam Brilian, Ahmad Hayam Ahmad Saikhu Ahmad Syauqi Ahmad Syauqi Aini, Nuru Ainul Mu'alif Akwila Feliciano Akwila Feliciano Amalia Nurani Basyarah Amelia Devi Putri Ariyanto Andika Pratama Anisa Nur Azizah Anna Kholilah Anny Yuniarti Ardian Yusuf Wicaksono Ariana Yunita, Ariana Arianto Wibowo Arif Sanjani, Lukman Ario Bagus Nugroho Arisa, Nursanti Novi Arya Yudhi Wijaya Aryo Harto, Aryo Asmawati, Diah Ayu Ismi Hanifah Benny Afandi Bilqis Amaliah Bramantya, Amirullah Andi Budi Pangestu Cahyaningtyas, Zakiya Azizah Christian Sri kusuma Aditya, Christian Sri kusuma Daniel Oranova Siahaan Daniel Sugianto Daniel Swanjaya Darlis Heru Murti Darlis Herumurti Davin Masasih Deni Sutaji Desmin Tuwohingide Dewi Rosida Dhimas Pamungkas Wicaksono Diana Purwitasari Diana Purwitasari Diema Hernyka Satyareni Dimas Renggana, Christiant Dina Zatusiva Haq Dini Adni Navastara, Dini Adni Djoko Purwanto Dwi Kristianto Dwi Taufik Hidayat edy susanto Eha Renwi Astuti Eka Prakarsa Mandyartha Eka Prakarsa Mandyartha Eko Prasetyo Esa Prakasa Evan Tanuwijaya Evelyn Sierra Evy Kamilah Ratnasari Fabroyir, Hadziq Fachrul Pralienka Bani Muhamad Fachrul Pralienka Bani Muhamad Faida Royani Faizin, Muhammad 'Arif Fajar Baskoro Fajar, Aziz Fajrin, Ahmad Miftah Fandy Kuncoro Adianto Fandy Kuncoro Adianto Faried Effendy Farosanti, Lafnidita FATRA NONGGALA PUTRA Febri Liantoni Febri Liantoni, Febri Febriani, Kristina Fiqey Indriati Eka Sari Furqan Aliyuddien Ginardi, R.V. Hari Ginardi, Raden Venantius Hari Gou Koutaki Hakiki, Muhammad Handayani Tjandrasa Hardika Khusnuliawati Hardika Khusnuliawati Hari Ginardi Hendra Mesra hidayat, dwi taufik Hilya Tsaniya I Ketut Eddy Purnama Ilmi, Akhmad Bakhrul Imam Artha Kusuma Imamah Imamah Irfan Subakti, Misbakhul Munir Irzal Ahmad Sabilla Isye Arieshanti Ivan Agung Pandapotan Izzi, Mambaul Jayanti Yusmah Sari Johan Varian Alfa Junaidi Junaidi Keiichi Uchimura Kevin Christian Hadinata Kevin Christian Hadinata Kusuma, Selvia Ferdiana Lukman Hakim M Rahmat Widyanto M. Rahmat Widyanto Machfud, M. Mughniy Mafazy, Muhammad Meftah Mamluatul Hani’ah Maulana, Avin Maulani, Irham Maulidiya, Erika Mauridhi Hery Purnomo Mirza Galih Kurniawan, Mirza Galih Moch Zawaruddin Abdullah Mohammad Sholik Muhamad, Fachrul Pralienka Bani Muhammad Bahrul Subkhi Muhammad Fikri Sunandar Muhammad Muharrom Al Haromainy Muhammad Riduwan Muhtadin Mustika Mentari Mutmainnah Muchtar Nafiiyah, Nur Nanik Suciati Nanik Suciati Narandha Arya Ranggianto Nazarrudin, Ahmad Ricky Nenden Siti Fatonah Nenden Siti Fatonah Nur Hayatin Nur Nafi’iyah Nur Nafi’iyah Nurilham, Adhi Nurina Indah Kemalasari Nursuci Putri Husain nuzula, Muhammad Iqbal firdaus Pradany, Latifa Nurrachma Priambodo, Anas Rachmadi Putra, Ramadhan Hardani R Dimas Adityo R. Dimas Adityo R. V. Hari Ginardi R.V Hari Ginardi R.V. Hari Ginardi Rachmad Abdullah Rahayu, Putri Nur Ramadhan Rosihadi Perdana Rangga Kusuma Dinata Rangga Kusuma Dinata Ratih Kartika Dewi Rendra Dwi Lingga P. Riyanarto Sarno Rizal A Saputra Rizal A Saputra, Rizal A Rizal Setya Perdana Rizka Wakhidatus Sholikah, Rizka Wakhidatus Rizqa Raaiqa Bintana Rozi, Fahrur RR. Ella Evrita Hestiandari Rully Soelaiman Safhira Maharani Safhira Maharani Sahmanbanta Sinulingga Salim Bin Usman Salim Bin Usman Sambodho, Kriyo Santoso, Bagus Jati Sarimuddin, Sarimuddin Septiyan Andika Isanta Setyawan, Dimas Ari Sherly Rosa Anggraeni Sherly Rosa Anggraeni Shofiya Syidada Siti Mutrofin Siti Mutrofin Siti Rochimah Subali, Made Agus Putra Subhan Nooriansyah Subkhi, M. Bahrul Sudianjaya, Nella Rosa Suhariyanto Suhariyanto Surya Sumpeno Susanti, Martini Dwi Endah Syah Dia Putri Mustika Sari Sylvi Novita Dewi Tanzilal Mustaqim Tesa Eranti Putri Tursina, Dara Tuwohingide, Desmin Umi Laily Yuhana, Umi Laily Umy Rizqi Vit Zuraida Wahyu Saputra, Vriza Wattiheluw, Fadli Husein Welly Setiawan Limantoro Wibowo, Prasetyo Wijoyo, Satrio Hadi Wilda Imama Sabilla Yoga Yustiawan Yosi Kristian Yudhi Purwananto Yuhana, Umi Laili Yuita Arum Sari Yulia Niza Yulia Niza Yunan Helmi Mahendra, Yunan Helmi Yuslena Sari, Yuslena Yuwanda Purnamasari Pasrun Zaenal Arifin, Agus Zakiya Azizah Cahyaningtyas Zakiya Azizah Cahyaningtyas