Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

1.431

P-Index

This Author published in this journals

All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Techno.Com: Jurnal Teknologi Informasi TELKOMNIKA (Telecommunication Computing Electronics and Control) Scan : Jurnal Teknologi Informasi dan Komunikasi Journal of ICT Research and Applications International Journal of Advances in Intelligent Informatics EMITTER International Journal of Engineering Technology Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JIEET (Journal of Information Engineering and Educational Technology) INOVTEK Polbeng - Seri Informatika Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Jurnal Linguistik Komputasional Indonesian Journal of Engagement, Community Services, Empowerment and Development (IJECSED) International Journal of Engagement and Empowerment (IJE2) Jurnal Nasional Teknik Elektro dan Teknologi Informasi

Afrida Helen

Teknik Informatika Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Padjadjaran

Author-ID : 564494

Humanities Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Energy Engineering Other

Published : 18 Documents Claim Missing Document

Claim Missing Document

Articles

1 2

Automatic Abstractive Summarization Task for New Article Helen, afrida
EMITTER International Journal of Engineering Technology Vol 6, No 1 (2018)
Publisher : Politeknik Elektronika Negeri Surabaya (PENS)

Understanding the contents of numerous documents requires strenuous effort. While manually reading the summary or abstract is one way, automatic summarization offers more efficient way in doing so. The current research in automatic summarization focuses on the statistical method and the Natural Processing Language (NLP) method.Statistical method produce Extractive summary that the summaries consist of independent sentences considered important content of document. Unfortunately, the coherence of the summary is poor. Besides that, the Natural Processing Language expected can produces summary where sentences in summary should not be taken from sentences in the document, but come from the person making the summary. So, the summaries closed to human-summary, coherent and well structured.This study discusses the tasks of generating summary. The conclusion is we can find that there are still opportunities to develop better outcomes that are better coherence and better accuracy.

Rule-based Sentiment Degree Measurement of Opinion Mining of Community Participatory in the Government of Surabaya Putra, Berlian Juliartha Martin; Helen, Afrida; Barakbah, Ali Ridho
EMITTER International Journal of Engineering Technology Vol 6, No 2 (2018)
Publisher : Politeknik Elektronika Negeri Surabaya (PENS)

Diskominfo Surabaya, as a government agency, received much community participatory for improvement of governmental services, with increasing number of 698, 2717, 4176 and 4298 participatory data respectively in 2011, 2012, 2013 and 2014. It is challenging for Diskominfo Surabaya to set a target by giving the response back within 24 hours. Due to task complexity to address the degree of participatory and to categorize the group of participatory, they faced difficulty to fulfill the target. In this research, we present a new system for measuring the sentiment degree of community participatory. We provide 5 functions in our system, which are: (1) Data Collection, (2) Data Preprocessing, (3) Text Mining, (4) Sentiment Analysis and (5) Validation. We propose our rule-based technique for the sentiment analysis of opinion mining with detection of 8 important parts, which are (1) Verb, (2) Adjective, (3) Preposition, (4) Noun, (5) Adverb, (6) Symbol, (7) Phrase, and (8) Complimentary. For applicability of our proposed system, we made a series of experiment with 410 data of community participatory in Twitter for Diskominfo Surabaya and compared with other sentiment classification algorithms which are SVM and Naive Bayes Classifier. Our system performed 77.32% rate of accuracy and outperformed to other comparing algorithms.

KLASIFIKASI ANALISIS SENTIMEN MENGENAI HOTEL DI YOGYAKARTA Setiowati, Yuliana; Helen, Afrida
SCAN - Jurnal Teknologi Informasi dan Komunikasi Vol 13, No 1 (2018)
Publisher : Universitas Pembangunan Nasional "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/scan.v13i1.1052

Abstrak. Yogyakarta adalah destinasi wisata yang sangat menarik, sering disebut dengan kota Yogya. Kota ini selalu ramai dikunjungi para wisatawan dari luar kota, terutama pada masa-masa liburan. Jumlah wisatawan baik dalam dan luar negeri pada tahun 2016 sekitar 4,5 juta orang meningkat sekitar 10% dari jumlah wisatawan pada tahun 2015. Kenaikan jumlah wisatawan diiringi dengan meningkatnya jumlah hotel bintang maupun non bintang. Tempat yang menarik dari Yogya, salah satunya adalah daerah Malioboro. Perkembangan hotel disekitar Malioboro dan okupansi hotel tentu meningkat. Banyak website penyedia informasi dan pemesanan hotel seperti www. Traveloka.com yang juga menampung opini dari wisatawan. Pengolahan data opini perlu untuk mengetahui kualitas layanan dari hotel tersebut. Di sisi lain jumlah opini semakin bertambah banyak untuk mengetahui apakah opini positif, negatif atau netral. Sehingga pengolahan data secara otomatis menjadi sangat penting. Penelitian ini melakukan analisa sentiment terhadap opini para wisatawan mengenai kualitas layanan hotel di malioboro Yogya secara otomatis. Analisa sentiment dengan melakukan klasifikasi opini untuk menentukan polaritas opini yaitu positif, negatif atau netral dengan beberapa metode klasifikasi. Pada ekstraksi fitur dilakukan dengan beberapa model dengan mengkombinasikan berbagai parameter yaitu tf, tf-idf dan penggunaan stopword atau tidak pada saat preprocessing. Ekstraksi fitur dengan beberapa model untuk mengetahui model yang optimal dengan data set uji coba. Metode klasifikasi yang digunakan adalah Naïve Bayes, KNN, J48, Random Forest dan SVM. Dari hasil uji coba, fitur yang paling optimal adalah model 1 karena menghasilkan kinerja klasifikasi lebih bagus dibandingkan dengan model fitur lain, selanjutnya diikuti oleh model 2, model 5, model 3, model 4 dan model 6. Fitur dengan model 1 adalah fitur dengan pembobotan kata TF dan pada saat preprocessing tidak menghilangkan stopword. Jumlah data set pada uji coba yang digunakan tidak terlalu besar yaitu 345 data, sehingga dimensi data tidak terlalu besar. Proses klasifikasi untuk data set ini membutuhkan fitur lengkap yaitu model 1 dan model 2. Fitur lengkap, tanpa menghilangkan stopword, karena ternyata stopword juga sebagai penentu untuk klasifikasi polaritas opini. Dari hasil uji coba, kinerja metode klasifikasi terhadap model ekstraksi fitur berdasarkan nilai recall. Nilai recall menunjukkan berapa persen data terklasifikasikan dengan benar oleh sistem. Dari hasil analisa menunjukkan bahwa metode SVM unggul dibandingkan dengan metode lainnya, selanjutnya diikuti oleh model Naïve Bayes, KNN, Random Forest dan J48. Metode SVM unggul untuk semua model kecuali model 6. Kata Kunci: klasifikasi, fitur, pembobotan kata, Yogyakarta DOI : https://doi.org/10.33005/scan.v13i1.1052

PENCARIAN JALUR ALTERNATIF PADA DAERAH BENCANA LUMPUR SIDOARJO DENGAN METODE ANALYTIC HIERARCHY PROCESS BERBASIS WAP Arna Fariza; Afrida Helen; Ardinur Mahyuzar
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 7, No 2: August 2009
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v7i2.586

In line with the increasing interest on Lapindo mud disaster which causes several roadway covered by mud, there is a need to give an alternative solution for traffic transportation problem in surrounding area. The possible criteria for the solution of this road way are length, surface, traffic, and width of the road. Types of vehicle across the road also give a contribution to the criteria. By using Geography Information System (GIS), it is easy to all drivers to take decision which way has to be chosen based on the real condition. GIS is used to visualize the alternative road, which is possible to take. Analytic Hierarchy Processing (AHP) is a decision method which is based on many criteria and alternatives. The input of AHP can be a preference or real value. Applied AHP to decide value of each alternative is based on application of Wireless Application Protocol (WAP) assessment.

Performansi Neuro Fuzzy untuk Peramalan Data Time Series Arna Fariza; Afrida Helen; Annisa Rasyid
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2007
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

ANFIS (Adaptif Neuro Fuzzy Inference System) adalah metode jaringan neural yang fungsinya samadengan sistem inferensi fuzzy. Pada ANFIS, proses belajar pada jaringan neural dengan sejumlah pasangandata berguna untuk memperbaharui parameter-parameter sistem inferensi fuzzy. Metode ANFIS menggunakanalgoritma Error backpropagation yang memiliki beberapa keunggulan, yaitu baik dari segi kekonvergenanmaupun dari segi lokal minimumnya yang sangat peka terhadap perbaikan parameter ANFIS. Metode inidiimplementasikan pada peramalan data time series untuk 4 jenis tipe data yaitu stasioner (data sunspot),random (data saham), non stasioner (airline), musiman (beban listrik). Proses learning data dengan ANFISmemiliki hasil yang sempurna dimana nilai error proses training mampu mencapai 0 (nol). Metode ANFISmemiliki hasil yang sangat baik untuk peramalan data saham dimana didapatkan nilai MSE 2.27 pada time lag320. Hasil peramalan untuk data sunspot dan data beban listrik memiliki hasil yang lebih kecil dari ARIMAyaitu 10.96 untuk time lag 30 dan 24885 untuk time lag 210. Pada metode ANFIS nilai time lag sangatberpengaruh pada hasil peramalan dimana semakin besar time lag maka hasil peramalan semakin baik.Kata kunci: Peramalan Time Series, neural network, ANFIS.

Rhetorical Sentences Classification Based on Section Class and Title of Paper for Experimental Technical Papers Afrida Helen; Ayu Purwarianti; Dwi H. Widyantoro
Journal of ICT Research and Applications Vol. 9 No. 3 (2015)
Publisher : LPPM ITB

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5614/itbj.ict.res.appl.2015.9.3.5

Rhetorical sentence classification is an interesting approach for making extractive summaries but this technique still needs to be developed because the performance of automatic rhetorical sentence classification is still poor. Rhetorical sentences are sentences that contain rhetorical words or phrases. Rhetorical sentences not only appear in the contents of a paper but also in the title. In this study, features related to section class and title class that have been proposed in a previous research were further developed. Our method uses different techniques to reach automatic section class extraction for which we introduce new, format-based features. Furthermore, we propose automatic rhetoric phrase extraction from the title. The corpus we used was a collection of technical-experimental scientific papers. Our method uses the Support Vector Machine (SVM) algorithm and the NaÃ¯ve Bayesian algorithm for classification. The four categories used were: Problem, Method, Data, and Result. It was hypothesized that these features would be able to improve classification accuracy compared to previous methods. The F-measure for these categories reached up to 14%.

Semantic Information Retrival for Scientific Experimental Papers with Knowlege based Feature Extraction Nur Rosyid Mubatada'i; Ali Ridho Barakbah; Afrida Helen
Jurnal Inovtek Polbeng Seri Informatika Vol 4, No 1 (2019)
Publisher : P3M Politeknik Negeri Bengkalis

Penentuan Aspek Implisit dengan Ekstraksi Knowledge Berbasis Rule pada Ulasan Bahasa Indonesia Yuliana Setiowati; Fitri Setyorini; Afrida Helen
Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 9 No 1: Februari 2020
Publisher : Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

Determination of implicit aspects is one of the important things in opinion sentences. This study proposes a new approach for developing rule-based knowledge by forming a relation between opinion words with aspect categories. The relationship is obtained from the combination of rules, based on Opinion Word Similarity (OWS). Evaluation for rule-based knowledge extraction is in the form of threshold values of frequency and confidence to produce the best precision, recall, and f-measure values. The knowledge extraction consists of two phases: training phase and testing phase. The training phase is described as the process to extract rule-based knowledge. The testing phase is described as the process to obtain the implicit aspects of opinion sentences by referring to rule-based knowledge. To extract rule-based knowledge on user reviews, it is necessary to identify opinion sentences with explicit aspects and get pairs of aspects and words of opinion with rules generated from regular expressions. The evaluation result of rule-based knowledge with confidence using OWS showed better results compared to rule-based knowledge without using OWS. By using OWS, precision value increased by 0.25%, recall value increased by 1.15%, and precision value increased by 0.83%.

Klasifikasi Topik terhadap Judul Berita Kasus Covid-19 dengan Multilayer Perceptron Faradhiba Salsabila; Afrida Helen; Susi Yuliawati
Techno.Com Vol 21, No 4 (2022): November 2022
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v21i4.6617

Peran media massa berpengaruh dalam meningkatkan kesadaran masyarakat terhadap penyebaran Covid-19. Berdasarkan laporan Reuters Institute Digital News Report 2022, media daring cenderung dikonsumsi oleh masyarakat Indonesia sebagai sumber berita dengan persentase 88%. Hal tersebut menunjukkan media daring merupakan tempat penyebaran informasi yang penting. Penelitian ini bertujuan untuk mengklasifikasikan topik yang ada dalam berita terkait kasus Covid-19 dalam media massa Kompas dengan menggunakan multilayer perceptron. Berdasarkan hasil penelitian, berita kasus Covid-19 dapat dikategorikan menjadi empat label, yaitu kebijakan pemerintah, pemberitahuan informasi, internasional, dan masyarakat umum. Tingkat akurasi yang didapat dari pemodelan dengan multilayer perceptron adalah 75%. Kemiripan pada kata-kata dalam data menyebabkan adanya kesalahan dalam membedakan antara satu topik dengan topik lainnya.

Klasifikasi Sentimen Judul Berita Pemberitaan COVID-19 Tahun 2021 pada Media DetikHealth Fahri Delfariyadi; Afrida Helen; Susi Yuliawati
JIEET (Journal of Information Engineering and Educational Technology) Vol. 6 No. 2 (2022)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v6n2.p50-57

Penelitian ini merupakan penelitian linguistik terapan yang mengombinasikan linguistik dan ilmu komputasi dan berfokus di bidang natural language processing (NLP). Fenomena yang dikaji adalah klasifikasi sentimen pada judul berita pemberitaan COVID-19 di media DetikHealth selama tahun 2021 sehingga orientasi penelitian ini adalah mengklasifikasikan sentimen pada fenomena tersebut. Pengumpulan data dilaksanakan dengan memanfaatkan fitur saring yang disediakan media tersebut dan analisis data dilakukan dalam dua tahap besar, yaitu text preprocessing dan klasifikasi sentimen. Algoritma yang diimplementasikan dalam penelitian ini adalah algoritma MultinomialNB yang merupakan bagian dari naïve bayes classifier. Hasil dari penelitian ini adalah diperolehnya tingkat akurasi prediksi sentimen sebesar 72.5%. Selain itu, uji coba dengan tanpa melakukan salah satu atau keseluruhan tahapan preprocessing data memberikan dampak terhadap tingkat akurasi mesin. Penurunan tingkat akurasi paling menonjol terlihat pada uji coba tanpa stemming. Uji coba tanpa stemming menunjukkan adanya pemahaman linguistik yang berbeda jika tahapan stemming dilakukan dan penurunan tingkat akurasi mesin. Temuan lain adalah label sentimen netral adalah label sentimen berita dengan prediksi benar tertinggi dan label positif adalah label yang relatif salah diprediksi mesin. Implikasi dari hal ini adalah label positif merupakan label yang berpotensi mengalami kekeliruan prediksi. Kata Kunci—klasifikasi sentimen, text preprocessing, NLP

Co-Authors Aditya Pradana, Aditya Ali Ridho Barakbah Anindya Apriliyanti Pravitasari Annisa Rasyid Ardinur Mahyuzar Arna Fariza Ayu Purwarianti Ayuni, Amalia Qurrota Dwi H. Widyantoro Fahri Delfariyadi Faradhiba Salsabila Firmansyah, Eka Kurnia Fitri Setyorini Intan Nurma Yulita, Intan Nurma Mira Suryani Muhammad Afif Najma Rafifah Putri Syallya Nur Rosyid M Nur Rosyid Mubatada'i Putra, Berlian Juliartha Martin Rully Soelaiman Rustiman, Uus Setiowati, Yuliana Tita Karlita Yuliana Setiowati Yuliawati, Susi

Title Search

Found 18 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 18 Documents
Search