Claim Missing Document
Check
Articles

Found 33 Documents
Search

Implementasi Term Frequency dan Cosine Similarity pada Aplikasi Koreksi Otomatis Jawaban Esai Berbasis Web Joko Suwarno; Galuh Saputri; Willis Puspita Sari; Didik Kusuma Rahmat
Jurnal Indonesia : Manajemen Informatika dan Komunikasi Vol. 7 No. 3 (2026): September
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Indonesia Banda Aceh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63447/jimik.v7i3.2101

Abstract

Manually grading essay answers is time-consuming and labor-intensive, as teachers must review each student's response individually against an answer key. This study aims to implement Term Frequency (TF) and Cosine Similarity within a web-based automated essay grading application. The system was developed using the Waterfall Software Development Life Cycle (SDLC) model, with text processing involving case folding, tokenization, filtering, and stemming stages. Preprocessing results were represented as term frequencies and subsequently compared using Cosine Similarity. A sample calculation using a single pair—an answer key and a student response—yielded a Cosine Similarity score of 0.878 (87.8%), indicating the level of textual similarity between the two documents; this figure does not represent the system's overall accuracy, as algorithm testing in this study was limited to a single document pair and did not include a comparison with teacher assessments. Functional testing using Black Box Testing demonstrated that the application's core functions operated according to the designed scenarios. The results indicate that TF and Cosine Similarity can be implemented as a mechanism for measuring textual similarity in web-based essay grading applications. Validation using a larger dataset of student answers and comparisons with teacher assessments is required to evaluate the method's performance more comprehensively.
Implementasi Metode SMART pada Aplikasi Bimbingan Jasmani Gatotkaca Training Club Daniel Nuralamsyah; Galuh Saputri
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.13781

Abstract

Seleksi penerimaan calon siswa TNI, POLRI, dan Sekolah Kedinasan menuntut standar kualitas fisik yang tinggi melalui pelaksanaan Tes Kesegaran Jasmani (Garjas). Dalam proses pembinaan dan evaluasi peserta di Gatotkaca Training Club (GTC), pengelolaan data saat ini masih dilakukan secara konvensional sehingga berpotensi menimbulkan berbagai permasalahan, seperti kehilangan data, keterlambatan proses rekapitulasi, ketidakefisienan administrasi, serta kesalahan manusia dalam perhitungan nilai konversi Garjas yang cukup kompleks. Kondisi tersebut menunjukkan perlunya suatu sistem informasi yang mampu membantu proses pengelolaan data secara lebih terstruktur, cepat, dan akurat. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi berbasis website dengan menerapkan metode Agile dalam proses pengembangan sistem serta mengintegrasikan metode Simple Multi Attribute Rating Technique (SMART) pada fitur kalkulator Garjas. Sistem yang dikembangkan diarahkan untuk mendigitalisasi proses pendaftaran calon siswa, pengelolaan data administrasi, pencatatan hasil tes, serta perhitungan nilai Garjas secara otomatis. Metode SMART digunakan sebagai kerangka dalam mengolah beberapa atribut penilaian yang terdapat pada Tes Kesegaran Jasmani sehingga proses penentuan nilai dan peringkat siswa dapat dilakukan secara lebih sistematis dan objektif. Penerapan sistem berbasis website diharapkan dapat mempermudah pengelola GTC dalam melakukan pengolahan, penyimpanan, pencarian, dan rekapitulasi data peserta secara terpusat. Selain itu, fitur kalkulator Garjas otomatis diharapkan dapat mengurangi kesalahan perhitungan manual dan meningkatkan konsistensi penilaian. Dengan demikian, sistem ini dapat menjadi solusi digital untuk meningkatkan efisiensi administrasi dan mendukung proses evaluasi kemampuan fisik peserta secara lebih efektif.
Klasifikasi Tingkat Kemampuan Bahasa Anak Berdasarkan Sinyal EEG Menggunakan Random Forest dengan Ektraksi Fitur Wavelet Galuh Saputri; Anton Yudhana; Abdul Fadlil
JURIKOM (Jurnal Riset Komputer) Vol. 13 No. 5 (2026): Oktober 2026
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v15i5.9874

Abstract

Salah satu indikator penting dalam perkembangan kognitif anak terhadap kemampuan komunikasi, proses pembelajaran, dan literasi adalah kemampuan bahasa, tetapi pengukuran kemampuan bahasa masih sering dilakukan dengan pendekatan konvensional seperti tes akademik dan observasi yang mengarah ke subjektif dan belum bias merepresentasikan aktivitas otak secara langsung. Urgensi penelitian ini mengatasi keterbatasan subjektif konvensional menjadi pendekatan klasifikasi kategori kemampuan bahasa anak menggunakan sinyal electroencephalography (EEG).  Tujuan penelitian ini adalah mengembangkan pendekatan klasifikasi kategori kemampuan bahasa anak berbasis sinyal EEG sebagai indikator objektif menggunakan algoritma Random Forest dan ekstraksi fitur wavelet. Data EEG yang digunakan adalah Kumar EEG Imagined Speech Dataset untuk mendukung pengujian karakteristik sinyal EEG yang berkaitan dengan aktivitas bahasa dan pengembangan tahapan pengolahan serta ekstraksi fitur. Sedangkan kategori kemampuan bahasa anak dioperasionalkan berdasarkan nilai akademik bahasa anak yang diperoleh dari tiga sekolah dasar di Yogyakarta. Tahapan penelitian ini, yaitu pra-pemrosesan data, ekstraksi fitur dengan Discrete Wavelet Transform (DWT), klasifikasi menggunakan algoritma Random Forest, dan evaluasi model. Hasil penelitian ini menunjukkan performa klasifikasi yang memuaskan dengan akurasi 0.86, precision 0.89, recall 0.83, dan f1-score 0.83, Hasil penelitian ini menunjukkan adanya potensi karakteristik fitur EEG yang dapat dimanfaatkan untuk membedakan kategori kemampuan bahasa yang ditetapkan berdasarkan data nilai akademik. Penelitian ini memberikan kontribusi awal dalam menghubungkan representasi neurofisiologis sinyal EEG dengan kategori kemampuan bahasa anak melalui pendekatan machine learning.
Co-Authors Abd Wahid Abdul Fadlil Abdul Hafizh Ala’uddin Achmad Setya Budi Rojak Agi Nurpalin Agung Siswopranoto Agus Rahmawan Agusti Setiabudi Pramata Ahkmad Fazmi Septiandi Ahmad Doni Ahmad Nuryadi Ahmad Rifki Fachrudin Aldiansyah, Aldiansyah Alfan Akbar Halim Syakur Alva Herbart Miftahul Firdaus Alwiyah Rachman Anas, Irham Anggi Pradana Yoani, Anggi Anton Yudhana Ariz Nur Annafi Firman Aulia Ikhsan Barry Vasyah Bayu Urip Pandiangan Daniel Nuralamsyah Deni Setia Budi Didik Kusuma Rahmat Diky Syafitra Diky Dimas Adiansyah Dimas Danang Aji W.I Yajid Dita Arysanti Emi Sita Eriana Fauzan Kholid Fauzan Musyaffa Fikri Agustiawan jumaidi Fitra Listiyono Haqun Baitika Iis Aisyah Ikhsannudin Ma'sum Ikhwan Naufal Yupi Imam Balda Pendo Intan Kamelasari Joko Suwarno Joko Suwarno Joko Suwarno Jonathan Jeremi Siagian Junaidi Junaidi Kayla Fadalwa Khofifah Nurfaisah Leonard Viffo Lisda Amalia Maria Elisabeth Taena Maulana Sandy Mochamad Masdarul Anwar Muhamad Fahmi Muhamad Rino Setiawan Muhammad Bintang Muhammad Hafidz Asyauri Muhammad Rafi Shiddiq Muhammad Raihan Muhammad Rizky Safrihza Nailan Shafa Noveindra Salim Nurohman Oktavia, Hani Paryanto, Agus Prasetyo , Andhika Rafi Ivan Alessandro Rapli Muhammad Ardiansah Umar Rapli Saputra Rayhan Bilal Alghifary Alghifary Remis Putra Tafonao Rescue Asmara Asmara Ria Ester Rica Rahim Rizky Ardiansyah Moh.Zubaidi Rizqa Rahmawati Rosa Shinta Putri Fairul Samsul Maarif Siti Raudhatul Syifa Siti Ulfiah Suwely Suwely Syech Teguh Firmansyah Verolia Yunita Putri Wahyu Wibowo Wendy Kautsar Willis Puspita Sari Wirayuga Rizkia Suwahyo Yatatema Zai Yazid Azriel Yoel Michael Sihombing Yuke Pradikta, Arivansa Zidane Muhammad Azmi