Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal EXPLORE
Siti Tuhpatussania
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Normalisasi Teks Komentar Instagram Masyarakat Makassar Menggunakan Metode Levenshtein Distence Siti Tuhpatussania
Jurnal Explore Vol 12, No 1 (2022): JANUARI
Publisher : Universitas Teknologi Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (235.985 KB) | DOI: 10.35200/explore.v12i1.515

Abstract

Pertumbuhan pengguna internet dan pengguna instagram di indonesia dapat menjadi peluang yang baik untuk menggali potensi yang dapat digunakan untuk media promosi, sentiment analysis, segmentasi costumer, mapping opinion, menangkap umpan balik (feedback) pelanggan untuk meningkatkan layanan jasa atau barang yang kita tawarkan. Di instagram sendiri banyak tersebar komentar-komentar yang sulit dipelajari oleh mesin dikarenakan banyaknya penggunaan leksikon bahasa gaul atau karena typo atau bisa dikarenakan penggunaan bahasa daerah secara parsial di tiap komentar. Hal inilah yang perlu dievaluasi dalam tahap pre-processing komentar, lebih tepatnya pada tahap normalisasi teks. Seperti di kota makassar misalkan komentar yang tersebar pada akun-akun terkenal di kota tersebut kadang menggabungkan kata baku bahasa indonesia, bahasa gaul indonesia, bahasa baku makassar dan bahasa gaul makassar. Hal inilah yang mendorong penulis untuk mencoba memecahkan masalah normalisasi teks untuk semua komentar ke bahasa baku indonesia agar mempermudah dalam hal pengolahan selanjutnya menggunakan metode levenshtein distence. Dalam hasil pengujian didapatkan masih kurang maksimal dalam normalisasi teks, penulis menduga dikarenakan kata gaul makassar yang ternyata memiliki imbuhan, penggalian morfologi kata yang tidak dilakukan serta belum menerapkan frasa detection untuk bahasa makassar
Automatic Text Summarization Artikel Berita Menggunakan Metode Maximum Marginal Relevance Siti Tuhpatussania; Lalu Moh Nurkholis
Jurnal Explore Vol 12, No 2 (2022): JULI
Publisher : Universitas Teknologi Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (270.419 KB) | DOI: 10.35200/explore.v12i2.543

Abstract

Sejak tahun 2000, di Indonesia media online berkembang dengan pesat, terlihat dari jumlah portal berita online yang meningkat. Berdasarkan konten berita, portal berita online ada yang berskala nasional dan lokal. Struktur kalimat pada portal berskala nasional lebih dominan menggunakan kalimat yang panjang, sedangkan berita pada portal berskala lokal lebih banyak menggunakan kalimat yang lebih ringkas. Kalimat yang panjang memiliki informasi yang lebih lengkap jika dibandingkan dengan kalimat yang ringkas. Meningkatnya jumlah portal berita online menimbulkan tingginya jumlah berita yang disuguhkan kepada masyarakat, sehingga kebutuhan peringkasan teks semakin diperlukan untuk kemudahan dan kehematan waktu manusia mengetahui inti berita. Oleh karena itu dibuatlah sistem peringkasan teks otomatis dengan metode Maximum Marginal Relevance dan pembobotan kata dengan algoritma TF-IDF-DF untuk melihat keefektifan dalam menghasilkan ringkasan. Dokumen uji coba diambil dari grafikanews.com untuk portal online berskala nasional, sedangkan untuk portal online berskala lokal dari suarantb.com dan radarlombok.co,id. Proses peringkasan melalui tahap text preprocessing, yang terdiri dari segmentasi kalimat, case folding, tokenizing filtering dan stemming. Tahap selanjutnya perhitungan TF-IDF-DF untuk menentukan bobot kata dan menentukan ringkasan dengan MMR. Hasil pengujian dibandingkan dengan ringkasan manual yang menghasil nilai precision 76, 39 %, recall 65,28 %, dan f-measure 70,4 % untuk dokumen berita dari portal online berskala nasional, sedangkan peringkasan artikel berita dari portal berita online lokal menghasilkan nilai precision 45,83 %, recall 45,83 %, dan f-measure 45,83%.
Co-Authors Lalu Moh Nurkholis