Claim Missing Document
Check
Articles

EVALUASI IMPLEMENTASI ALGORITMA IMPROVED K-NEAREST NEIGHBOR PADA KATEGORISASI LIRIK LAGU BAHASA INDONESIA MENURUT USIA Faisal Rahutomo; Pangestu Nur Mirzha; Imam Fahrur Rozi
Jurnal Informatika Polinema Vol. 6 No. 2 (2020): Vol 6 No 2 (2020)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v6i2.290

Abstract

Pesatnya perkembangan teknologi mempercepat proses penyebaran lagu di Indonesia. Namun lagu yang beredar belum disertai dengan label batasan usia pendengar berdasarkan liriknya, seperti label usia pada film. Hal tersebut tentu membuat masyarakat kesulitan untuk memilih lagu yang sesuai usianya, sehingga masyarakat bebas menikmati berbagai lagu dan akan berdampak buruk terhadap perkembangan mental masyarakat di bawah umur. Oleh karena itu, dengan membuatkan sebuah sistem yang dapat menyaring sebuah lagu berdasarkan latar belakang usia sehingga lagu akan mempunyai sebuah label. Penelitian ini menggunakan metode Improved K-Nearest Neighbor yaitu untuk mengklasifikasikan sebuah lagu berdasarkan usianya. Proses dimulai dari melakukan preprocessing data, perhitungan TF.IDF, perhitungan cosine similarity, dan melakukan klasifikasi dengan metode Improved K-Nearest Neighbor. Berdasarkan pengujian yang sudah peneliti lakukan tingkat akurasi dari pengembangan rekomendasi lirik lagu menggunakan Improved K-Nearest Neighbor mendapatkan hasil terbaik yakni akurasi sebesar 51%, precision sebesar 100%, recall sebesar 100%, dan f-measure sebesar 100% untuk masing-masing kategori.
Implementasi Library Deep Learning Keras pada Sistem Ujian Essay Online Ekojono; Faisal Rahutomo; Dhiana Novita Sari
Jurnal Informatika Polinema Vol. 6 No. 2 (2020): Vol 6 No 2 (2020)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v6i2.303

Abstract

Abstrak— Ujian Essay merupakan salah satu alat evaluasi dari sistem pembelajaran di instansi pendidikan. Ujian essay sangat penting dilakukan karena dapat melatih siswa dalam mengolah kemampuan berpikir kritis saat menjawab soal yang dipaparkan dalam beberapa kalimat. Dalam penerapannya, ujian ini memungkinkan hasil jawaban siswa lebih variatif dan mengharuskan para pengajar dalam bidang mata pelajaran tersebut untuk mengoreksi jawaban secara manual. Dari hal itu menimbulkan masalah jika mengoreksi secara manual membutuhkan waktu lama. Berdasarkan permasalahan tersebut maka diperlukan sebuah sistem otomatis yang dapat menilai jawaban essay siswa. Pengembangan tentang sistem penilaian essay otomatis masih terus dilakukan dengan tujuan untuk memperoleh nilai akurasi kemiripan antara jawaban dan kunci jawaban yang semakin baik. Pada penelitian ini menggunakan algorima Siamese LSTM untuk menguji tingkat kemiripan jawaban dan kunci jawaban. Data yang digunakan berjumlah 2162 dari 4 kategori soal yaitu politik, lifestyle, teknologi dan olahraga dari penelitian tentang “Analisis Aspek-Aspek Ujian Esai Daring Berbahasa Indonesia” [1]. Tiap kategori memiliki 10 soal dan dijawab kurang lebih oleh 50 siswa. Dari hasil uji coba dengan menggunakan algoritma Siamese LSTM didapatkan nilai error untuk kategori politik sebesar 61%. Untuk kategori lifestyle memiliki error percentage sebesar 112%. Kategori olahraga sebesar 162% dan untuk kategori teknologi mendapatkan error percentage sebesar 175%.
IMPLEMENTASI EXPLICIT SEMANTIC ANALYSIS BERBAHASA INDONESIA MENGGUNAKAN CORPUS WIKIPEDIA INDONESIA Faisal Rahutomo; Pramana Yoga Saputra; Carfin Febriawan Pratama Putra
Jurnal Informatika Polinema Vol. 4 No. 4 (2018): Vol 4 No 4 (2018)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v4i4.215

Abstract

Pengembangan terhadap Ujian Online Bahasa Indonesia dalam bentuk esai masih terus dilakukan sampai sekarang guna memperoleh nilai akurasi yang lebih baik dalam memberikan suatu penilaian. Penilaian yang sudah ada saat ini masih menggunakan kemiripan kata pada teks kunci jawaban dan teks jawaban. Cara tersebut memiliki kelemahan mengingat kata dengan tulisan berbeda dapat memiliki makna yang sama. Masalah tersebut dapat diatasi menggunakan skema vektor konsep. Vektor konsep bekerja pada level makna dari sebuah kata. Skema vektor konsep ini dapat diimplementasikan salah satunya menggunakan metode Explicit Semantic Analysis (ESA). Metode ESA memerlukan sebuah korpus yang besar, penelitian ini akan menggunakan korpus dari Artikel Wikipedia Indonesia. Dengan menggunakan metode ESA proses penilaian akan dilakukan dengan membandingkan kemiripan makna dari teks kunci jawaban dengan teks jawaban. Pengujian dilakukan dengan membandingkan 400 teks jawaban soal esai online dengan kunci jawabannya. Dari hasil pengujian tersebut didapatkan kesimpulan bahwa nilai percentage error metode ESA adalah 65%, di mana angka tersebut merupakan probabilitas error yang terlalu tinggi. Pengujian lain yang dilakukan adalah dengan membandingkan nilai percentage error metode ESA dengan metode lain seperti Cosine Similarity, Euclidean Distance, dan Jaccard yang memberikan konklusi bahwa metode ESA tidaklah lebih akurat dari metode-metode lain tersebut.
IMPLEMENTASI TWITTER SENTIMENT ANALYSIS UNTUK REVIEW FILM MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Faisal Rahutomo; Pramana Yoga Saputra; Miftahul Agtamas Fidyawan
Jurnal Informatika Polinema Vol. 4 No. 2 (2018): Vol 4 No 2 (2018)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v4i2.152

Abstract

Sentiment analysis digunakan untuk melihat opini terhadap sebuah masalah menuju ke opini positif atau negatif. Media sosial Twitter merupakan salah satu media yang digunakan untuk memberikan opini melalui tweet. Pengguna Twitter akan memberikan opini tentang suatu hal, salah satunya film yang sedang tayang di bioskop. Opini pengguna bermanfaat bagi pengguna lain dan rumah produksi film berkaitan evaluasi film. Klasifikasi opini diperlukan untuk memudahkan pengguna dalam melihat opini positif, negatif, atau netral. Algoritma yang digunakan dalam klasifikasi adalah Support Vector Machine. Dataset berjumlah 1.027 tweet yang didapatkan dari tweet untuk film populer tahun 2016. Hasil klasifikasi opini terbagi menjadi 3, yaitu opini positif, negatif, dan netral. Evaluasi menentukan tingkat akurasi dari algoritma Support Vector Machine. Hasil akurasi klasifikasi algoritma Support Vector Machine menggunakan 60, 70, 80, dan 90 persen data training rata- ratanya adalah 76,06 persen, 76,83 persen, 81,07 persen, dan 83,3 persen. Nilai precision positif memiliki rata- rata sebesar 79,97 persen, 78,71 persen, 84,02 persen, dan 85,54 persen. Nilai precision negatif memiliki rata- rata sebesar 81,73 persen, 87,41 persen, 87,37 persen, dan 93,61 persen. Nilai precision netral memiliki rata- rata sebesar 67,13 persen, 69,47 persen, 74,08 persen, dan 74,14 persen.
ANALISA KOMPUTASI KEMUNCULAN DAN KEPUNAHAN KOSAKATA BAHASA INDONESIA BERDASARKAN CORPUS Muhammad Fachrul Kurniawan; Faisal Rahutomo; Ridwan Rismanto
Jurnal Informatika Polinema Vol. 3 No. 4 (2017): Vol 3 No 4 (2017)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v3i4.37

Abstract

Bahasa Indonesia merupakan bahasa yang biasa kita gunakan sehari-hari. Penelitian ini tertarik untuk mengungkap seberapa besar tingkat kepunahan dan kemunculan kosakata baru di dalam pengucapan sehari-hari karena juga terdapat bahasa baru yang sering digunakan oleh anak-anak muda jaman sekarang. Penelitian ini bertujuan untuk menganalisa hubungan antara kosakata asing maupun kosakata yang telah punah terhadap waktu sehingga kita dapat mengetahui penggunaan kosakata asing maupun kosakata yang punah dari waktu ke waktu. Di sini peneliti menggunakan data kata dari berita online untuk diteliti selama enam bulan dari berbagai situs berita online untuk menganalisa peningkatan maupun penurunan kosakata tersebut. Metode analisis yang digunakan adalah analisis regresi sederhana. Dari hasil penelitian ini, menunjukan bahwa terdapat tingkat penurunan kata asing yang digunakan pada berita online dari minggu ke minggu, sedangkan kepunahan bahasa Indonesia pada berita online cenderung mengalami peningkatan
PENGEMBANGAN SISTEM ANALISA KEBERPIHAKAN MEDIA ONLINE BERDASARKAN TREND WAKTU MENGGUNAKAN NAIVE BAYES CLASSIFIER Faisal Rahutomo; Annisa Taufika Firdausi; Nur Rochmanshah
Jurnal Informatika Polinema Vol. 6 No. 1 (2019): Vol 6 No 1 (2019)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v6i1.293

Abstract

Media online menjadi salah satu media yang paling penting dalam menyajikan informasi kepada para pembaca. Media online dapat menyajikan informasi kepada pembaca dengan cepat, gratis, dan praktis. Salah satu topik yang menjadi perhatian dari masyarakat Indonesia, khususnya di tahun 2019 adalah topik yang berkaitan dengan pemilihan Presiden dan Wakil Presiden. Banyak media online dalam penyajian berita di setiap hari, secara terang-terangan maupun tidak, berpihak kepada salah satu Pasangan Presiden dan Wakil Presiden. Penyajian Media Online yang tidak netral ataupun tidak objektif tidak hanya merugikan bagi pihak Pasangan Presiden dan Wakil Presiden, tetapi juga mampu memberikan perspektif berbeda bagi pembaca atau masyarakat kepada pasangan Presiden dan Wakil Presiden terkait. Salah satu cara untuk menentukan atau mengetahui keberpihakan media kepada pasangan Presiden dan Wakil Presiden adalah dengan membuat sistem yang secara otomatis dapat mengklasifikasikan berita-berita yang ada pada suatu media di setiap hari atau waktu tertentu menjadi kategori yang telah ditentukan. Hasil pengklasifikasian kemudian diolah dan disajikan dalam bentuk grafik serta dihitung nilai keberpihakannya. Salah satu metode pengklasifikasian adalah dengan menggunakan metode Naive Bayes Classifier (NBC). NBC adalah klasifikasi statistik yang bisa memprediksi probabilitas sebuah kelas, dan kelebihan dari metode ini adalah tingkat akurasi yang tinggi juga waktu komputasi yang lebih cepat.
PENERAPAN METODE TF-IDF DAN N-GRAM PADA PENGEMBANGAN APLIKASI CHATBOT BERBASIS LINE UNTUK LAYANAN PUBLIK KESEHATAN DI KOTA MALANG Dhebys Suryani Hormansyah; Faisal Rahutomo; Indinabilah Aulia
Jurnal Informatika Polinema Vol. 5 No. 1 (2018): Vol 5 No 1 (2018)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v5i1.233

Abstract

Teknologi kecerdasan buatan saat ini dapat diolah dengan berbagai macam bentuk, seperti ChatBot dengan berbagai metode, salah satunya menggunakan TF-IDF dan N-GRAM. TF-IDF merupakan sebuag metode dengan menghitung bobot masing-masing kata dalam suatu pertanyaan yang nantinya akan dicocokan dengan dataset, sedangkan N-GRAM merupakan metode dimana sebagai ekstrasi kalimat masukan dari user yang nantinya akan dimasukkan ke dalam dataset. Hasil penelitian dapat diperoleh bahwa Question-Answering dan pemberian informasi baru dari user dalam bentuk ChatBot menggunakan TF-IDF dan N-Gram proses pengurangan data yang relevan dengan dataset.
PENERAPAN TEKNOLOGI SEMANTIC WEB PADA ARTIKEL WIKIPEDIA INDONESIA Irvan Wahyu Nurdian; Faisal Rahutomo; Imam Fahrur Rozi
Jurnal Informatika Polinema Vol. 3 No. 1 (2016): Vol 3 No 1 (2016)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v3i1.19

Abstract

Wikipedia adalah sebuah situs yang berisi tentang artikel ensiklopedia dan referensi online tingkat dunia. Artikel yang terdapat pada Wikipedia saat ini total telah mencapai lebih dari 37 juta artikel dari 250 lebih bahasa berbeda.Untuk Wikipedia Indonesia telah mencapai 371.281 artikel.Dengan sekian banyaknya artikel-artikel tersebut, tentunya bukan perkara mudah melakukan pencarian dengan cepat dan tepat sesuai dengan yang diharapkan. Maka dari itu dibutuhkan suatu metode yang dapat memecahkan masalah tersebut, yaitu metode semantic web. Penelitian ini dimulai dengan merancang ontologi berdasarkan class-class dari hasil clusteringartikel Wikipedia Indonesia serta dilengkapi dengan pendefinisian property-property dari masing-masing class. Dilanjutkan dengan perancangan query dengan bahasa SPARQL. Pencarian artikel pada aplikasi ini diuji dengan menggunakan 3 perhitungan untuk mengukur akurasi sistem, yakni Precision, Recall dan F-Score. Pada perhitungan Precision mendapatkan nilai rata-rata 1, Recall mendapatkan nilai rata-rata 0.53. Lalu pada perhitungan akhir akurasi sistem didapat nilai pada F-Score 0.6935 atau dengan persentase akurasi 69,35%.
PENERAPAN TEKNOLOGI SEMANTIC WEB PADA ENSIKLOPEDIA ALAM Muhammad Arief Rahman; Faisal Rahutomo
Jurnal Informatika Polinema Vol. 2 No. 3 (2016): Vol 2 No 3 (2016)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v2i3.67

Abstract

Alam merupakan segala sesuatu materi yang hidup dan materi yang bukan hidup. Dalam kata lain alam adalah lingkungan yang tanpa kegiatan manusia. Informasi mengenai alam di internet terletak terpisah satu sama lain sehingga muncul permasalahan bagaimana mencari informasi tentang alam, dan bagaimana mengklasifikasikan informasi tentang alam. Terdapat metode semantic yang dapat merangkai informasi tersebut sehingga lebih mudah untuk dimengerti. Semantic yang cocok digunakan sebagai solusi permasalahan ini adalah ontologi. Ontologi nanti akan memodelkan dan menghubungkan antara entitas alam dengan beberapa entitas lainnya seperti makhluk hidup, penggolongan makhluk hidup, dan energi. Berdasarkan pengujian, aplikasi ini mampu mencari informasi tentang alam berdasarkan entitas yang dimiliki seperti makhluk hidup, penggolongan makhluk hidup, dan energi. Ketika pengguna memasukkan kata kunci, sistem dapat melakukan klasifikasi pada alam berdasarkan informasi yang sudah dimiliki.
RANCANG BANGUN GAME FIGHTING PEWAYANGAN BAHURAKSA ARENA Aisy Muhammad R; Dyah Ayu Irawati; Faisal Rahutomo
Jurnal Informatika Polinema Vol. 3 No. 2 (2017): Vol 3 No 2 (2017)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v3i2.12

Abstract

Wayang adalah salah satu pertunjukkan yang dimiliki oleh Indonesia, dan salah satu kisah wayang yang sering digunakan adalah “Mahabharata”. Menceritakan konflik antara Pandawa dan Kurawa, dari kedua belah pihak memiliki prajurit ataupun ksatria yang memiliki kesaktian dan cara bertarung sendiri. Sehingga sangat cocok untuk di kembangkan menjadi sebuah game fighting. Game sangat populer di semua kalangan baik dari dewasa hingga anak kecil, terutama di platform mobile, karena game mobile bisa dimainkan dimana saja. Game fighting sendiri adalah salah satu genre game yang dimana seorang pemain mengendalikan salah satu karakter dan bertarung dengan jarak yang dekat dengan seorang lawan. game ini di buat dengan menggunakan metode NGram untuk menghasilkan kecerdasan buatan yang dapat menentukan pergerakan lawan atau yang di sebut dengan NPC (Non-Player Character). N-gram adalah metode untuk memprediksi gerakan pemain, pemain akan melakukan tindakan seperti gerak maju, mundur, lompat, jongkok, menyerang 1 dan menyerang 2 kemudian kecerdasan buatan. Sehingga metode N-gram sangat cocok untuk di implementasikan pada game ber-genre fighting.
Co-Authors Abdul Latif Priyadi Agustaf Fanisnaini Narolis Ahmad Hafidh Ayatullah Aini, Velisa Nur Aisy Muhammad R Al Hanif, Zaidan Alvin Ali, Muhammad Haidar Aljalal, Majid Annisa Taufika Firdausi Annisa Taufika Firdausi Anwar, Miftahul Ariadi Retno Tri Hayati Ririd Ariyo, Bashiru Olalekan Astiningrum, Mungki Aulia, Indinabilah Bambang Harjito, Bambang Carfin Febriawan Pratama Putra Christine Dewi Christine Kartika Dewi Daffa , Aminuddin Dhebys Suryani Hormansyah, Dhebys Suryani Dhiana Novita Sari Diana Mayangsari Ramadhani Diana Mayangsari Ramadhani Dwi Puspitasari Dyah Ayu Irawati Dyah Ayu Irawati, Dyah Ayu Ekojono Febri Liantoni Febry, Dea Muthia Fidyawan, Miftahul Agtamas Gunawan Budi Prasetyo Hafidh Ayatullah, Ahmad Haris Setiyono Henda, Reihan Ibrahim, Sutrisno Ikawati, Deasy Sandhya Elya Imam Fahrur Rozi Imam Nawawi Imam Nawawi, Imam Indinabilah Aulia Inggrid Yanuar Risca Pratiwi Inggrid Yanuar Risca Pratiwi Irvan Wahyu Nurdian Joko Haryono Josaphat Tetuko Sri Sumantyo Kanieza, Ananda Putra Kharismadita, Paratisa Kurniawan, Muhammad Fachrul Latif Priyadi, Abdul mari, Ngat Meiyanto Eko Sulistyo Meiyanto Eko Sulistyo Meiyanto Eko Sulistyo Meiyanto Eko Sulistyo Mekonnen, Atinkut Molla Miftahul Agtamas Fidyawan Moechammad Sarosa Muhammad Arief Rahman Muhammad Arief Rahman Muhammad Bisri Musthafa Muhammad Elfa Rodhian Putra Muhammad Fachrul Kurniawan Muhammad Hamka Ibrahim Muhammad Hamka Ibrahim Muhammad R, Aisy Muhammad Rifky Prayanta Musthafa, Muhammad Bisri Musthofa, M Bisri Naufal, Muhammad Alif Rizky Ngatmari Ngatmari Ngatmari, Ngatmari Nugraha, Bagus Putra Nur Rochmanshah Nurdian, Irvan Wahyu Pangestu Nur Mirzha Paratisa Kharismadita Pramana Yoga Saputra Pramudita, Muhammad Aisamuddin Eka Putra Prima Arhandi, Putra Prima Putra, Carfin Febriawan Pratama Rahmad, Cahya Rahman, Muhammad Arief Ramadhan, Gilang Fajar Ridwan Rismanto Riyanarto Sarno Rochmanshah, Nur Rohman, Obby Auliyaur Rosa Andrie Asmara Rossiawan Hendra Putra, Dimas Sari, Dhiana Novita Septarina, Amalia Agung Soraya, Anna Mayyah Subuh Pramono Sulistyoningrum, Trie Endah Sutrisno Sutrisno Sutrisno Sutrisno Sutrisno Sutrisno Sutrisno, Sutrisno Ulla Delfana Rosiani Yoppy Yunhasnawa Yushintia Pramitarini Yushintia Pramitarini Yusuf, Hayyan Zanuar Hanif Rachmat Adi Zebua, Kaleb Nathan