Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal Semantik Jurnal Buana Informatika Dinamika Informatika Jurnal technoscientia Seminar Nasional Informatika (SEMNASIF) JURNAL TEKNOLOGI TECHNOSCIENTIA
Ernawati -
Universitas Atma Jaya Yogyakarta
Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Earth & Planetary Sciences Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Buana Informatika

 1 
Pembangunan Aplikasi Klasifikasi Mahasiswa Baru untuk Prediksi Hasil Studi Menggunakan Naïve Bayes Classifier Mega Kartika Sari; Ernawati Ernawati; Irya Wisnubhadra
Jurnal Buana Informatika Vol. 7 No. 2 (2016): Jurnal Buana Informatika Volume 7 Nomor 2 April 2016
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v7i2.492

Abstract

Abstract. Every university hopes to create the best potential graduates. Some of the efforts can be achieved by utilizing university data to be processed into information. The resulting information can help the university to determine the decisions to take in improving the students’ academic performance. One of the methods to process the data is by using Naive Bayes Classifier. This method requires some information such as GPA, average credits and attendance percentage. The prediction results are taken based on the data of the students at the university. Because there are large number of data to process it will require an information system that can classify data using Naïve Bayes Classifier. This application is built by using C# programming language with an average of 81,67% accuracy results (the accuracy depends on the data used). This application is expected to help the university to increase the achievements of its graduates.Keywords: Classification, Naive Bayes, Machine learning, Data miningAbstrak. Setiap universitas tentu berharap dapat meluluskan mahasiswa dengan prestasi terbaik. Usaha meningkatkan prestasi dapat diwujudkan dengan memanfaatkan data universitas untuk diolah menjadi informasi. Informasi yang dihasilkan dapat berguna untuk menentukan keputusan yang harus diambil pihak universitas dalam meningkatkan prestasi. Salah satu metode yang digunakan untuk memproses data ialah metode klasifikasi Naive Bayes. Metode ini menggunakan beberapa informasi seperti IPK, rata-rata sks dan persentase kehadiran mahasiswa sebagai data pelatihan. Data pelatihan tersebut digunakan untuk memprediksi IPK, rata-rata sks dan presentase kehadiran mahasiswa baru sebagai data uji. Adanya data yang cukup besar untuk diolah, maka dibutuhkan aplikasi klasifikasi mahasiswa baru menggunakan metode Naive Bayes Classifier. Aplikasi ini dibangun menggunakan bahasa pemrograman C# dengan rata-rata hasil akurasi 81,67%. Aplikasi ini diharapkan dapat membantu universitas dalam meningkatkan hasil prestasi akademik mahasiswa.Kata Kunci: Naive Bayes, Pembelajaran mesin, Penambangan data
Pembangunan Aplikasi Identifikasi Waktu Kawin Ternak Babi dengan Alihragam Wavelet dan Backpropagation B. Yudi Dwiandiyanta; Marcellinus Pratama W Putra; Ernawati Ernawati; Martinus Maslim
Jurnal Buana Informatika Vol. 10 No. 1 (2019): Jurnal Buana Informatika Volume 10 Nomor 1 April 2019
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v10i1.1832

Abstract

Abstract.Pigs are one of the animals that are usually bred for pork production. In order to have the pork production which meet the high level of consumption, it is necessary to handle the mating time for the nursery process so that pigs can mate at the right time to avoid problems such as pregnancy failure. Determination of the right mating time in pigs can be decided by observing the shape and color of female pig vulva that is opened and slimy. The uniqueness of vulva in this breeding season can be analyzed and identified by using Haar Wavelet and Backpropagation neural networks. Wavelets are used to perform image feature retrieval, while Backpropagation artificial neural networks are used to create a base of knowledge to decide whether the pigs are at the right mating time. This application is a web application built by Visual Studio 2015 MVC5 framework with C # programming language. Users can use this application by using the Android application. The construction of this application aims to enable pig breeder to get the right time of mating to increase the pork production. This application will also be made for the smart phone version in order to make the detection process with this application more efficient.Keywords: Pattern Recognition, Haar Wavelet, Backpropagation, Pig Breeding.Abstrak. Babi merupakan hewan yang diternakkan untuk dimanfaatkan dagingnya. Agar produksi daging babi dapat memenuhi tingkat konsumsi yang tinggi, diperlukan penanganan waktu kawin agar babi dapat kawin pada waktu yang tepat sehingga menghindari permasalahan seperti kegagalan kebuntingan.Penentuan waktu kawin yang tepat pada babi terlihat pada bentuk dan warna vulva babi betina yang terlihat terbuka dan berlendir. Keunikan vulva ini dapat dianalisis dan dikenali polanya menggunakan alihragam Haar Wavelet dan jaringan syaraf tiruan Backpropagation. Wavelet digunakan untuk pengambilan ciri citra, jaringan syaraf tiruan Backpropagation digunakan untuk membuat basis pengetahuan untuk mengkategorikan karakter yang membuat babi dinyatakan berada dalam waktu kawin yang tepat. Aplikasi ini merupakan aplikasi web yang dibangun dengan bahasa pemrograman C#. Dibangunnya aplikasi ini bertujuan agar peternak babi dapat mendapatkan waktu yang tepat untuk mengawinkan ternaknya agar produksi babi dapat meningkat. Aplikasi ini juga dibuat pada ponsel pintar agar proses pendeteksian dengan aplikasi ini menjadi lebih efisien.Kata Kunci: Pengenalan Pola, Haar Wavelet, Backpropagation, Ternak Babi.
Pembangunan Aplikasi Alat Bantu Proses Anotasi Menggunakan Progressive Web Apps I Gede Bagus Artha Suryawan; Y. Sigit Purnomo WP; Ernawati Ernawati
Jurnal Buana Informatika Vol. 10 No. 2 (2019): Jurnal Buana Informatika Volume 10 Nomor 2 Oktober 2019
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v10i2.2380

Abstract

Abstract.Dataset is the key to natural language processing. Datasets can be created by giving information to a text or sentence (annotation process). The process can be done either manually or automatically. The automatic one is considered easier and it takes a shorter period of time compared to the manual process. This study is done to develop an application of data annotation (AADT) using Progressive Web Apps (PAW). This application is built by implementing text information extraction to support NER (Named Entity Recognition) approach. The result shows that AADT successfully helped the annotation process of the text data. PWA application sustains the data storage which is continually accessed with small change rate. Besides, PWA is able to keep this application stable. NER (Named Entity Recognition) implementation in this application successfully produced the dataset desired by its users.Key words: Natural Language Processing, Named Entity Recognition, Annotation, Progressive Web Apps.Abstrak.Dataset adalah komponen utama dalam pemrosesan bahasa alami. Dataset dapat dibuat dengan melakukan pemberian informasi pada sebuah teks ataupun sebuah kalimat (proses anotasi). Pembuatan dataset dapat dilakukan secara manual dan otomatis. Pembuatan dataset secara otomatis lebih mudah dan membutuhkan waktu yang lebih singkat daripada pembuatan secara manual. Penelitian ini bertujuan membuat aplikasi alat bantu proses anotasi AADT (Aplikasi Anotasi Data Teks) dengan menggunakan PWA (Progressive Web Apps). Aplikasi ini dibangun dengan menerapkan information extraction terhadap teks untuk mendukung pendekatan NER (Named Entity Recognition). Hasil penelitian menunjukkan bahwa aplikasi ini berhasil membantu proses anotasi data teks. Penggunaan PWA pada aplikasi ini membantu dalam penampungan data yang akan diakses secara terus menerus dengan tingkat perubahan yang kecil. Selain itu PWA membuat aplikasi tetap stabil. Penerapan NER pada aplikasi ini berhasil menghasilkan dataset yang sesuai dengan keinginan pengguna.Kata Kunci: Pemrosesan Bahasa Alami, Named Entity Recognition, Anotasi, Progressive
Klasifikasi Ujaran Kebencian pada Cuitan dalam Bahasa Indonesia Kevin Antariksa; Y. Sigit Purnomo WP; Ernawati Ernawati
Jurnal Buana Informatika Vol. 10 No. 2 (2019): Jurnal Buana Informatika Volume 10 Nomor 2 Oktober 2019
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v10i2.2451

Abstract

Abstract. The sheer amount of hate speech in social media is making people nauseous. The amount of hate speech these days keeps increasing and yet, there was no preventive act to counter back the hate speech. Pre-existing hate speech detection is also not yet available in Bahasa Indonesia. A machine learning model that is able to recognize hate speech in Bahasa Indonesia will be explained in this article. The model will compare pre-existing methods in machine learning. Naive Bayes, SVM, and Logistics Regression are the methods that will be used for the model. Some of the parameters in the test will be altered to achieve the maximum value for detecting hate speech. The expectation is a machine learning model that is able to recognize hate speech in Bahasa Indonesia accurately. Expected accuracy is above 85%. After the experiment, the highest accuracy achieved was at 98%, while the lowest accuracy was only 80%.Keywords: Hate speech detection, machine learning model, social media, Bahasa Indonesia, tweetsAbstrak. Banyaknya ujaran kebencian yang ada di media sosial sudah membuat jengah. Ujaran kebencian tersebut makin marak dijumpai namun masih belum ada upaya preventif dari media sosial untuk menangkalnya. Deteksi ujaran kebencian yang sudah dibuat juga belum tersedia dalam Bahasa Indonesia. Sebuah model pembelajaran mesin yang dapat mengenali ujaran kebencian dengan Bahasa Indonesia akan dibahas pada naskah ini. Dalam model tersebut dibandingkan beberapa metode pembelajaran mesin yang ada. Metode yang digunakan dalam pengujian adalah Naïve Bayes, SVM, dan Logistic Regression. Dalam pengujian, beberapa parameter akan diubah-ubah sehingga didapatkan nilai paling maksimal dalam deteksi ujaran kebencian. Hasil yang diharapkan adalah sebuah model pembelajaran mesin. Model tersebut diharapkan dapat mengenali ujaran kebencian berbahasa Indonesia secara akurat. Akurasi yang diharapkan adalah diatas 85%. Setelah percobaan, didapatkan nilai akurasi paling tinggi yaitu 98%, sedangkan nilai akurasi paling rendah yaitu 80%.Kata Kunci: Deteksi ujaran kebencian, model pembelajaran mesin, media sosial, Bahasa Indonesia, cuitan
Co-Authors Abda Abda B. Yudi Dwiandiyanta B. Yudi Dwiandiyanta B. Yudi Dwiandiyanta Emanuel Safirman Bata I Gede Bagus Artha Suryawan Irya Wisnubhadra Kevin Antariksa Marcellinus Pratama W Putra Maria Adelvin Londa Martinus Maslim Mega Kartika Sari Paulus Mudjihartono Paulus Mudjihartono R. Arum Kumalasanti Sunggito Oyama Sunggito Oyama, Sunggito Yohanes Sigit Purnomo Wuryo Putro Yudi Dwiandiyanta