Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JURNAL INSTEK (Informatika Sains dan Teknologi) Data Sciences Indonesia (DSI)
Maulidya Prastita Syah
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Physics

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

Found 2 Documents
Search

 1 
Perbandingan Representasi Teks Tf-Idf Dan Bert Terhadap Akurasi Cosine Similarity Dalam Penilaian Otomatis Jawaban Berbasis Teks Maulidya Prastita Syah; Ajeng Puspa Wardani; Mohammad Idhom; Trimono
Data Sciences Indonesia (DSI) Vol. 5 No. 1 (2025): Article Research Volume 5 Issue 1, June 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v5i1.6021

Abstract

Penilaian manual terhadap jawaban uraian siswa seringkali menghadapi berbagai tantangan, seperti waktu koreksi yang lama, ketidakkonsistenan antar penilai, serta potensi bias subjektif. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan sistem penilaian otomatis berbasis teks dengan pendekatan Natural Language Processing (NLP). Dua metode representasi teks, yaitu TF-IDF dan BERT, digunakan untuk menghitung kemiripan semantik antara jawaban siswa dan kunci jawaban menggunakan teknik Cosine Similarity. Penelitian ini menggunakan data sebanyak lima jawaban siswa terhadap tiga pertanyaan uraian. Proses penelitian melibatkan tahapan preprocessing data, ekstraksi fitur teks, perhitungan similarity, dan evaluasi terhadap skor manual. Hasil eksperimen menunjukkan bahwa BERT memiliki korelasi Pearson sebesar 0,8533, jauh lebih tinggi dibandingkan TF-IDF yang hanya mencapai 0,5497, menandakan BERT lebih konsisten dengan pola penilaian manual. Sementara itu, nilai MAE untuk TF-IDF adalah 1,9167 dan untuk BERT adalah 2,1141, menunjukkan bahwa keduanya memiliki selisih rata-rata prediksi yang relatif kecil. Meskipun TF-IDF lebih sederhana dan unggul dalam nilai MAE, BERT dinilai lebih andal secara keseluruhan karena mampu memahami makna semantik dalam teks. Dengan demikian, pendekatan berbasis BERT lebih direkomendasikan sebagai model utama dalam sistem penilaian otomatis berbasis teks yang akurat, objektif, dan efisien.
VERIFIKASI OTOMATIS SERTIFIKAT MENGGUNAKAN IMPROVED SIFT DAN RANSAC BERBASIS ANALISIS VISUAL LOGO DAN STEMPEL Maulidya Prastita Syah; Wahyu Syaifullah Jauharis Saputra; Alfan Rizaldy Pratama
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 1 (2026): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i1.66776

Abstract

Proses verifikasi sertifikat prestasi pada jalur Seleksi Nasional Berdasarkan Prestasi (SNBP) masih dilakukan secara manual dan menghadapi tantangan akibat tingginya jumlah dokumen serta variasi kualitas citra. Kondisi ini meningkatkan risiko kesalahan dalam menilai kredibilitas sertifikat, khususnya pada elemen visual seperti logo dan stempel yang tidak valid. Penelitian ini bertujuan mengembangkan metode otomatis dalam mengidentifikasi kredibilitas sertifikat berbasis analisis fitur visual. Metode yang digunakan adalah Improved Scale Invariant Feature Transform (Improved SIFT) untuk mengekstraksi fitur lokal yang stabil, serta Random Sample Consensus (RANSAC) untuk menyaring kecocokan fitur berdasarkan konsistensi geometris. Pencocokan dilakukan antara citra sertifikat dan citra parameter berupa logo dan stempel yang telah diidentifikasi sebagai tidak valid. Pengujian dilakukan pada 200 citra sertifikat yang terdiri dari dua kelas, yaitu kredibel dan tidak kredibel yang menunjukkan Improved SIFT mampu meningkatkan kualitas representasi fitur dengan akurasi sebesar 0.47 dibandingkan SIFT standar sebesar 0.16. Selanjutnya, RANSAC mampu menyaring false match dengan peningkatan akurasi dari 0.47 menjadi 0.91 setelah RANSAC. Kontribusi penelitian ini adalah mengintegrasikan Improved SIFT dan RANSAC untuk meningkatkan validitas pencocokan fitur visual dalam mendeteksi indikasi ketidak-kredibelan sertifikat pada citra dengan variasi kualitas tinggi. Dengan demikian, metode yang diusulkan mampu meningkatkan keandalan sistem dalam proses verifikasi otomatis berbasis analisis visual.
Co-Authors Ajeng Puspa Wardani Alfan Rizaldy Pratama Mohammad Idhom Trimono Wahyu Syaifullah Jauharis Saputra