Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal KOMPUTA : Jurnal Ilmiah Komputer dan Informatika
Nelly Indriani Widiastuti
Teknik Informatika – Universitas Komputer Indonesia
Computer Science & IT

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
LEARNING VECTOR QUANTIZATION UNTUK PENDETEKSIAN ANAK BERBAKAT (GIFTED CHILD) PADA MASA PERKEMBANGAN Nuri Insania Andyani; Nelly Indriani Widiastuti
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 4 No 2 (2015): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2108.199 KB) | DOI: 10.34010/komputa.v4i2.2426

Abstract

Anak berbakat (gifted child) adalah anak yang memiliki potensi kecerdasan, kreatifitas dan tanggung jawab terhadap tugas diatas anak seusianya. Setiap anak berbakat memiliki gejalagejala berdasarkan perilaku dan sosial emosi. Gejala antara satu tipe anak berbakat beririsan dengan tipe anak berbakat lainnya. Hal ini dapat menyebabkan proses deteksi menjadi sulit. Berdasarkan hal tersebut maka penelitian ini menggunakan sebuah metode yaitu metode learning vector quantization. Data masukan yang digunakan adalah data gejala-gejala berdasarkan perilaku serta sosial emosi anak yang kemudian disusun menjadi 75 variabel masukan. Dari gejala–gejala tersebut maka hasil yang diperoleh yaitu tipe anak berbakat yang terdeteksi, persentasi keakuratan terhadap kelas asli dengan kelas hasil deteksi serta optimasi nilai parameter yang bervariasi dan waktu pemrosesan. Adapun tipe anak berbakat yang terdeteksi yaitu tipe the successfuls, the challanging, the underground, the dropouts, the double labeled dan the autonomous learner. Berdasarkan hasil proses pengujian yang menggunakan cross validation dan confusion matrix dengan 5 fold dari jumlah data sebanyak 50 data,maka performansi metode learning vector quantization. untuk pendeteksian anak berbakat pada masa perkembangan termasuk performansi yang baik dengan nilai parameter yang optimal pada maksimal epoh = 100, learning rate = 0,02 dan error minimum = 0,0001 dan waktu pemrosesan selama 15 detik memperoleh persentasi keakuratan yang mencapai 100%.
PERBANDINGAN ALGORITMA K-MEANS DAN K-NEAREST NEIGHBORS PADA SISTEM PERINGKASAN OTOMATIS Ken Kinanti Purnamasari; Nelly Indriani Widiastuti
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 6 No 2 (2017): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (610.15 KB) | DOI: 10.34010/komputa.v6i2.2478

Abstract

Peringkasan suatu dokumen mengambil informasi utama yang terkandung dalam dokumen tersebut. Akan tetapi untuk memperoleh informasi penting yang terkandung di suatu artikel, dibutuhkan waktu yang lama. Hal inilah yang menyebabkan munculnya berbagai penelitian yang berkaitan dengan sistem peringkasan otomatis. Dengan adanya sistem ini, pembaca diharapkan dapat lebih mudah menemukan informasi yang relevan dengan kebutuhannya. K-Means dan K-NN adalah dua buah metode yang telah digunakan untuk meringkas teks secara otomatis. Kedua penelitian yang masing-masing menggunakan metode tersebut, menghasilkan kinerja yang baik (akurasi di atas 50%). Namun, untuk dapat digunakan secara luas, perlu diteliti metode mana yang memiliki akurasi lebih tinggi. Berdasarkan hal tersebut dalam penelitian ini, dilakukan perbandingan metode K-Means dan K-NN dalam kasus peringkasan teks secara otomatis. Dokumen yang digunakan sebagai bahan uji adalah dokumen latar belakang laporan Skripsi. Perbandingan dilakukan dengan menggunakan 100 buah data. Berdasarkan pengujian yang telah dilakukan, peringkasan dengan K-NN menghasilkan rata-rata akurasi sebesar 49%, sementara K-Means sebesar 51%. Hal ini menunjukkan bahwa walaupun K-Means memiliki akurasi yang lebih tinggi, perbedaan keduanya tidaklah mencolok secara umum. Dalam beberapa dokumen, K-NN justru menghasilkan akurasi yang lebih tinggi secara signifikan.
EKSTRAKSI INFORMASI PADA DOKUMEN SKRIPSI BERBASIS ATURAN Dimas Mustaqwa; Nelly Indriani Widiastuti
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 7 No 2 (2018): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (505.874 KB) | DOI: 10.34010/komputa.v7i2.3042

Abstract

Pencarian suatu informasi dapat dilakukan salah satunya dengan cara membaca suatu dokumen. Dokumen yang tersedia dalam bentuk softcopy pada umumnya menggunakan media penyimpanan dengan format pdf atau doc. Di perpustakaan penyimpan suatu dokumen harus diberikan suatu informasi atau identitas. Pustakawan memasukan suatu identitas pada suatu dokumen dengan cara mengisi data-data yang diperlukan kedalam sistem. Kelemahan dari cara ini salah satunya adalah adalah membutuhkan waktu relatif lama jika jumlah dokumen banyak yang harus disimpan, masalah lain yang mungkin timbul adalah kesalahan pengetikan identitas dokumen. Kelemahan tersebut dapat ditangani dengan cara mengisi identitas dokumen secara otomatis, salah satu caranya dengan mengektraksi dokumen. Ekstraksi informasi menggunakan rule based merupakan suatu metode yang menggunakan aturan berdasarkan fakta dari data yang dianalisis. Untuk pengujian akurasi mengggunakan 50 pada dokumen laporan skripsi cover, abstrak, dan abstract menunjukan hasil yang cukup baik, yang berarti ekstraksi informasi pada penelitian ini bisa digunakan untuk mengekstrak identitas data skripsi yang diinginkan.
EKSTRAKSI INFORMASI UNTUK NOVEL Arbi Insani; Nelly Indriani Widiastuti
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 8 No 1 (2019): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (216.19 KB) | DOI: 10.34010/komputa.v8i1.3046

Abstract

Informasi dalam bentuk digital menjadi salah satu alternatif untuk mendapatkan informasi yang akurat dan cepat. Pada umumnya setiap perpustakaan melakukan pendataan informasi dan identitas suatu dokumen dilakukan dengan cara mengisi data kedalam sistem, masalah yang dihadapi oleh pustakawan adalah setiap kurun waktu ke waktu dokumen setiap tahunnya bertambah dan jumlahnya yang banyak mengakibatkan dalam melakukan pendataan informasi novel banyak terjadi kesalahan dan membutuhkan waktu yang lama dalam pendataan novel. Dalam penelitian ini di bangun suatu sistem agar dalam pengerjaan pendataan informasi dapat dilakukan secara otomatis oleh sistem yaitu dengan cara mengekstraksi informasi tersebut secara mudah, cepat dan menghasilkan data informasi yang benar. Ekstraksi informasi yang digunakan dalam penelitian ini menggunakan metode berbasis aturan atau disebut rule-based. Metode ini merupakan suatu metode yang menggunakan aturan berdasarkan fakta dari data yang dianalisis. Hasil penelitian ini menunjukkan hasil setelah dilakukan pengujian akurasi menggunakan 50 buku berupa novel. Hasil yang ditunjukkan sangat baik. Hal ini berarti ekstraksi informasi pada penelitian ini dapat digunakan untuk mengekstrak identitas data pada novel.
Co-Authors Arbi Insani Dimas Mustaqwa Ken Kinanti Purnamasari Nuri Insania Andyani