Claim Missing Document
Check
Articles

Found 4 Documents
Search

Pengembangan Website Analisis Keterbacaan dan Penyederhanaan Bahasa pada Teks Pendidikan Berbahasa Indonesia Yusrida Jelianti Sihite; Alvin Hafiz; M. Rois Lukman Damanik; Khairul Fahmi Sagala; Anggia Puteri
Edutik : Jurnal Pendidikan Teknologi Informasi dan Komunikasi Vol. 6 No. 3 (2026): EduTIK : Juni 2026
Publisher : Jurusan PTIK Universitas Negeri Manado

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.67142/edutik.v6i3.396

Abstract

ABSTRAK  Kemajuan teknologi informasi mendorong transformasi dunia pendidikan melalui penyediaan bahan ajar digital, namun banyak teks pendidikan berbahasa Indonesia masih menggunakan struktur kalimat panjang dan istilah kompleks yang menyulitkan pemahaman peserta didik. Penelitian ini bertujuan mengembangkan website EduText Analyzer untuk menganalisis tingkat keterbacaan dan menyederhanakan bahasa pada teks pendidikan secara otomatis. Metode penelitian menggunakan pendekatan Research and Development (R&D) dengan rekayasa perangkat lunak berbasis model Agile. Sistem diimplementasikan menggunakan arsitektur web modern dengan frontend React.js/Next.js, backend terintegrasi API Large Language Model (LLM) untuk pemrosesan bahasa alami, serta modul OCR untuk ekstraksi teks dari dokumen dan gambar. Fitur utama meliputi input teks manual dan unggah file, analisis otomatis tingkat keterbacaan (Mudah, Sedang, Sulit) dengan identifikasi kata kompleks beserta penjelasan ganda, serta modul penyederhanaan kalimat akademik. Pengujian sistem dilakukan melalui unit testing, integration testing, system testing, dan user acceptance testing. Hasil pengujian menunjukkan bahwa website berhasil berjalan stabil dengan waktu respons rata-rata 3–5 detik untuk teks sepanjang 413 kata, memiliki antarmuka responsif, dan mampu menghasilkan analisis keterbacaan yang akurat serta penyederhanaan teks yang mempertahankan makna asli. Penelitian ini membuktikan bahwa integrasi teknologi NLP berbasis LLM efektif dalam meningkatkan aksesibilitas konten pendidikan. Keterbatasan sistem meliputi ketergantungan pada koneksi internet dan akurasi OCR pada gambar berkualitas rendah, sehingga pengembangan selanjutnya disarankan mencakup optimasi model offline dan integrasi dengan sistem manajemen pembelajaran. ABSTRACT  Advances in information technology have driven educational transformation through digital learning materials; however, many Indonesian educational texts still employ complex sentence structures and academic vocabulary that hinder student comprehension. This study aims to develop the EduText Analyzer website to automatically assess readability and simplify language in Indonesian educational texts. The research employs a Research and Development (R&D) method using a software engineering approach based on the Agile model. The system is implemented using a modern web architecture with a React.js/Next.js frontend, a backend integrated with a Large Language Model (LLM) API for natural language processing, and an OCR module for text extraction from documents and images. Key features include manual text input and file upload, automatic readability analysis (Easy, Medium, Hard) with complex word identification and dual explanations, and an academic sentence simplification module. System testing was conducted through unit, integration, system, and user acceptance testing. Results indicate that the website operates stably with an average response time of 3–5 seconds for 413-word texts, features a responsive interface, and accurately generates readability assessments and text simplifications that preserve original meaning. This research demonstrates that integrating LLM-based NLP technology effectively enhances educational content accessibility. System limitations include internet dependency and OCR accuracy on low-quality images, suggesting future development should focus on offline model optimization and learning management system integration.
Analisis Spasio-Temporal Multi-Sensor NASA Menggunakan Algoritma K-Means untuk Zonasi Potensi Kesehatan Tanaman di Wilayah Sumatera Yusrida Jelianti Sihite; Yohanes Gerardus Haga Zai; Andika Veriando Saragih
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.934

Abstract

Penelitian ini bertujuan untuk menganalisis zonasi potensi kesehatan tanaman di wilayah Pulau Sumatera menggunakan pendekatan analisis spasio-temporal berbasis data satelit multi-sensor. Data yang digunakan meliputi Enhanced Vegetation Index (EVI) dari produk MOD13Q1, Land Surface Temperature (LST) dari produk MOD11A1, serta data curah hujan dari produk GPM IMERG. Seluruh data satelit diproses melalui tahapan pra-pemrosesan yang mencakup ekstraksi data, mosaicking citra, penyelarasan sistem koordinat, resampling spasial, serta pembersihan data untuk menghilangkan piksel anomali. Data yang telah diproses kemudian dianalisis menggunakan algoritma K-Means Clustering untuk mengelompokkan wilayah berdasarkan kemiripan karakteristik lingkungan. Penentuan jumlah cluster optimal dilakukan menggunakan metode Elbow Method, sedangkan kualitas pengelompokan dievaluasi menggunakan Silhouette Score. Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah enam zona yang merepresentasikan variasi kondisi biofisik wilayah Sumatera, yaitu dataran rendah dengan vegetasi lebat, lahan terbuka atau terdegradasi, dataran basah dengan curah hujan tinggi, dataran pesisir dengan suhu tinggi, wilayah pegunungan dengan suhu rendah, serta wilayah lereng pegunungan sebagai zona transisi. Analisis terhadap lebih dari dua juta piksel observasi menghasilkan nilai Silhouette Score sebesar 0,2739 yang menunjukkan bahwa struktur cluster telah terbentuk dengan cukup baik. Hasil zonasi ini memberikan gambaran spasial mengenai potensi kesehatan tanaman di Pulau Sumatera dan dapat dimanfaatkan sebagai dasar dalam perencanaan pengelolaan lahan serta pengembangan sistem pertanian yang lebih adaptif terhadap kondisi lingkungan.
Desain dan Implementasi Algoritma Decision Tree untuk Klasifikasi Kategori Obesitas Yusrida Jelianti Sihite; Andika Veriando Saragih; Jatmiko Althaf Aziz
Jurnal Riset Informatika dan Inovasi Vol 3 No 12 (2026): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

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

Abstract

Perkembangan teknologi machine learning memungkinkan pengklasifikasian data kesehatan secara cepat dan akurat. Penelitian ini bertujuan menerapkan algoritma Decision Tree untuk klasifikasi kategori obesitas berdasarkan variabel tinggi badan, berat badan, dan Indeks Massa Tubuh (BMI). Dataset terdiri dari 200 sampel individu yang telah dibersihkan dan diberi label kategori obesitas: Underweight, Normal weight, Overweight, dan Obese. Model Decision Tree dioptimasi dengan pembatasan kedalaman (max_depth=5) untuk mengurangi overfitting dan meningkatkan kemampuan generalisasi. Evaluasi menggunakan data testing menghasilkan akurasi 99,5%, sementara rata-rata cross-validation 5-fold mencapai 0,995. Analisis feature importance menunjukkan bahwa BMI merupakan variabel dominan dalam klasifikasi, sedangkan tinggi badan dan berat badan tidak memberikan kontribusi tambahan. Visualisasi pohon keputusan memperlihatkan jalur klasifikasi yang jelas dan mudah diinterpretasikan, mendukung implementasi model sebagai Decision Support System (DSS) untuk identifikasi awal risiko obesitas. Penelitian ini menegaskan efektivitas Decision Tree dalam klasifikasi kategori obesitas dan konsistensinya dengan literatur sebelumnya, sekaligus memberikan dasar untuk pengembangan model yang lebih kompleks dengan menambahkan fitur pola makan, aktivitas fisik, atau algoritma ensemble.
Deteksi URL Phishing Menggunakan Hybrid Deterministic Finite Automaton dan Random Forest Yusrida Jelianti Sihite; Zulfahmi Indra; Chelsea Febiola br Sebayang; Jhon Gabriel Simarmata
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 6 No 2 (2026): JAKAKOM Vol 6 No 2 SEPTEMBER 2026
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33998/jakakom.2026.6.2.2901

Abstract

Phishing is one of the cybersecurity threats that exploits fake websites to obtain sensitive user information through URL manipulation resembling legitimate websites. Machine learning-based detection approaches have been widely used; however, most still suffer from limitations such as lack of classification transparency (black-box) and the potential for false positives on legitimate websites. This study aims to develop a phishing URL detection system using a Hybrid Deterministic Finite Automaton (DFA) and Random Forest approach to improve both detection accuracy and transparency. The study utilizes the PhiUSIIL dataset from the UCI Machine Learning Repository, consisting of phishing and legitimate URLs. The research stages include preprocessing, URL feature extraction, URL pattern analysis using DFA, classification using Random Forest, and model evaluation through Accuracy, Precision, Recall, F1-Score, and Confusion Matrix. The evaluation results indicate that the Hybrid DFA and Random Forest approach achieved the best performance with an Accuracy of 99.90%, Precision of 99.80%, Recall of 100.00%, and F1-Score of 99.90%. Furthermore, DFA integration improved system transparency through state transition visualization and significantly reduced both false positive and false negative classification errors compared to standalone models. Therefore, the proposed hybrid approach is effective for detecting phishing URLs more accurately and understandably for users.