Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal JIKSI (Jurnal Ilmu Komputer dan Sistem Informasi)
Viny Christanti Marwadi
Unknown Affiliation
Computer Science & IT Mathematics Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Implementasi Text Summarization untuk Deskripsi Destinasi Wisata Nusantara Dengan Metode Maximum Marginal Relevance (MMR) Viny Christanti Marwadi; Rafael Arrelano
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 12 No. 2 (2024): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jiksi.v12i2.31560

Abstract

Dalam upaya untuk meningkatkan pengalaman pengguna dalam mencari dan memahami informasi tentang destinasi pariwisata di nusantara, peringkas teks menjadi penting. Perancangan ini mengusulkan implementasi metode Maximum Marginal Relevance (MMR) untuk merangkum deskripsi destinasi wisata Nusantara. Pendekatan ini memungkinkan pembuatan ringkasan yang relevan dan informatif dengan mempertimbangkan keseimbangan antara keunikan dan kepentingan informasi yang disajikan kepada pengguna. Dengan menerapkan MMR, diharapkan hasil ringkasan yang dihasilkan mampu memudahkan pengguna dalam memperoleh informasi yang penting dan menarik tentang destinasi wisata Nusantara, sehingga meningkatkan pengalaman, kepuasan, dan menjadi sumber informatif bagi pengguna dalam mengetahui sejarah destinasi tersebut secara informatif.
Implementasi Metode Word2Vec Dan TextRank Dalam Aplikasi Mobile Peringkas Berita Olahraga Novario Jaya Perdana; Viny Christanti Marwadi; Nathaniel Andrew
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 12 No. 2 (2024): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jiksi.v12i2.31561

Abstract

Dalam era informasi digital saat ini, volume besar dokumen berita olahraga online memunculkan kebutuhan akan alat peringkas otomatis yang efisien. Peningkatan daya tampung informasi ini memunculkan tantangan bagi pembaca untuk mendapatkan pemahaman cepat dan efisien dari berita olahraga terkini. Oleh karena itu, pengembangan aplikasi peringkas otomatis menjadi topik yang menarik untuk menyediakan ringkasan yang informatif dan ringkas dari berita atau artikel yang panjang. Metode yang akan di gunakan menggunaklan metode word2vec dan textrank dan hasil kesimpulan yang di dapat menghasilkan ringkasan berita olahraga yang terbilang cukup dapat dibaca dan dimengerti.
PENERAPAN TF-IDF DAN COSINE SIMILARITY PADA QUESTION AND ANSWERING SYSTEM TERKAIT INFORMASI KONSOL DAN GAME PLAYSTATION Adryanus Rinaldi; Lely Hiryanto; Viny Christanti Marwadi
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 13 No. 2 (2025): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jiksi.v13i2.34305

Abstract

Dengan pertumbuhan pesat informasi digital, menjadi sulit bagi pengguna untuk menemukan jawaban yang tepat dan relevan. Untuk mengatasi masalah ini, sistem Question Answering (QA) berbasis web disarankan untuk memberikan respons langsung terhadap pertanyaan pengguna yang khusus terkait dengan konsol dan permainan PlayStation. Sistem ini menemukan jawaban yang paling relevan terhadap pertanyaan yang dimasukkan melalui analisis term frekuensi-invers dokumen TF-IDF yang dikombinasikan dengan Cosine Similarity. Pengujian menggunakan dataset 50 pertanyaan dan jawabannya. Pengujian yang dilakukan merupakan pengujian pertanyaan sama persis dengan dataset dan pengujian dengan 50% kemiripan dengan pertanyaan didataset yang menggunakan nilai batasan diatas 0 dan 0,6 . pengujian pertanyaan sama persis dengan dataset menghasilkan nilai akurasi, presisi, recall, dan nilai F1 dimana semua nilai memiliki nilai 1. Percobaan dengan nilai batasan diatas 0 menghasil nilai akurasi 0,86 , nilai presisi 0,85 , nilai recall 0,93 , dan nilai F1 0,89. Sedangkan, pengujian dengan nilai batasan 0,6 menghasilkan menghasil nilai akurasi 0,94 , nilai presisi 0,98 , nilai recall 0,95 , dan nilai F1 0,96. Pengujian dengan nilai batasan 0,6 dibuktikan lebih baik daripada pengujian dengan nilai batasan diatas 0 dan pertanyaan yang sama persis dengan dataset akan pasti mendapat jawaban yang tepat.
Co-Authors Adryanus Rinaldi Lely Hiryanto Nathaniel Andrew Novario Jaya Perdana Rafael Arrelano