cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota adm. jakarta selatan,
Dki jakarta
INDONESIA
Jurnal INKOM
Published by Lembaga Ilmu Pengetahuan Indonesia
ISSN : -     EISSN : -     DOI : -
Core Subject : Science,
Computer Science & IT
Arjuna Subject : -
Articles 14 Documents
 1   2 
Search results for , issue "Vol 8, No 2 (2014)" : 14 Documents clear
Entity Recognition of User Profile on Twitter Titin Pramiyati; Iping Supriana; Ayu Purwarianti
INKOM Journal Vol 8, No 2 (2014)
Publisher : Pusat Penelitian Informatika - LIPI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14203/j.inkom.411

Abstract

Atribut trust scope sebagai atribut untuk menentukan tingkat kepercayaan sumber informasi, akan diisi dengan data yang terdapat pada user profile Twitter yang dikenal sebagai Bio Twitter. Hanya saja, data tersebut harus sesuai dengan karakteristik dan fungsi dari masing-masing atribut trust scope, seperti atribut pendidikan harus diisi dengan informasi yang berkaitan dengan latar belakang pendidikan dari pemilik profil tersebut. Untuk mendapatkan data yang sesuai dengan atribut, kami melakukan named entity recognition, yang merupakan salah satu kegiatan pada proses ekstraksi informasi. Oleh karena itu, paper ini menjelaskan hasil proses pengenalan entitas yang dilakukan terhadap data yang terdapat pada user profile. Perangkat lunak yang digunakan untuk mengenali data sebagai entitas adalah IndonesiaNetagger. IndonesiaNettagger, merupakan perangkat lunak untuk mengenali entitas yang ditulis dalam bahasa Indonesia. Kami melakukan penelitian dalam empat tahap, yaitu pengenalan entity dengan data Bio twitter yang asli,identifikasi kesalahan proses pengenalan, formalisasi data dan pengujian pengenalan entitas akhir. Hasil penelitian menunjukkan keberhasilan sebagai berikut; entitas Person dikenali dengan benar adalah sebesar 71% dari total data entitas yang tersedia, entitas Organization dikenali dengan benar sebasar 50%, entitas Position 20% dikenali denganbenar, dan 50% entitas Location dikenali dengan benar.
Junal INKOM Vol 8 No 2, 2014 Kepala Editor
INKOM Journal Vol 8, No 2 (2014)
Publisher : Pusat Penelitian Informatika - LIPI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14203/j.inkom.469

Abstract

Model dan Metoda Arsitektur pada Sistem Tanya Jawab Medis wiwin suwarningsih; Iping Supriana; Ayu Purwarianti
INKOM Journal Vol 8, No 2 (2014)
Publisher : Pusat Penelitian Informatika - LIPI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14203/j.inkom.303

Abstract

Pada makalah ini, akan dilakukan survey beberapa penelitian yang membahas mengenai sistem tanya jawab dengan domain pada bidang medis (medical question answering = MedQuAn). Sistem MedQuAn mengolah pertanyaan yang diajukan dalam bentuk teks bahasa alami dan kemudian sistem akan memberikan jawaban yang relevan. Makalah ini mencoba menelaah modul konseptual MedQuAn, bahwa sistem tanya jawab terdiri dari tiga komponen inti yang berbeda beserta metoda/ pendekatan yang digunakan. Ketiga komponen inti tersebut adalah klasifikasi pertanyaan, pencarian dokumen, dan ekstraksi jawaban. Hasil akhir dari survey ini adalah sebuah kontribusi untuk pengembangan penelitian di masa mendatang di domain MedQuAn khususnya untuk sistem tanya jawab medis dengan menggunakan bahasa Indonesia.
CIELab Color Moments: Alternative Descriptors for LANDSAT Images Classification System Retno Kusumaningrum; Hisar Maruli Manurung; Aniati Murni Arymurthy
INKOM Journal Vol 8, No 2 (2014)
Publisher : Pusat Penelitian Informatika - LIPI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14203/j.inkom.409

Abstract

This study compares the image classification system based on normalized difference vegetation index (NDVI) and Latent Dirichlet Allocation (LDA) using CIELab color moments as image descriptors.  It was implemented for LANDSAT images classification by evaluating the accuracy values of classification systems. The aim of this study is to evaluate whether the CIELab color moments can be used as an alternatif descriptor replacing NDVI when it is implemented using LDA-based classification model.  The result shows that the LDA-based image classification system using CIELab color moments provides better performance accuracy than the NDVI-based image classification system, i.e 87.43% and 86.25% for LDA-based and NDVI-based respectively.  Therefore, we conclude that the CIELab color moments which are implemented under the LDA-based image classification system can be assigned as alternative image descriptors for the remote sensing image classification systems with the limited data availability, especially when the data only available in true color composite images.

Page 2 of 2 | Total Record : 14

 1   2 

Filter by Year

2014 2014


Reset
Filter By Issues
All Issue Vol 11, No 1 (2017) Vol 10, No 2 (2016) Vol 10, No 1 (2016) Vol 9, No 2 (2015) Vol 9, No 1 (2015) Vol 8, No 2 (2014) Vol 8, No 1 (2014) Vol 7, No 2 (2013) Vol 7, No 1 (2013) Vol 6, No 2 (2012) Vol 6, No 1 (2012) Vol 5, No 2 (2011) Vol 5, No 1 (2011) Vol 4, No 2 (2010) Vol 4, No 1 (2010) Vol 3, No 1-2 (2009) Vol 2, No 2 (2008) Vol 2, No 1 (2008) Vol 1, No 2 (2007) Vol 1, No 1 (2007) More Issue