Hasil Pencarian  ::  Simpan CSV :: Kembali

"Metodologi pengembangan perangkat lunak disusun berdasarkan siklus pengembangan perangkat lunak yang terdirl atas sejumlah tahapan yaitu: analisis, perancangan, implementasi, uji program, dan perawatan. Setiap tahapan dapat dibantu oleh sistem komputer yang dikenal sebagai alat bantu pengembangan perangkat lunak [Computer Aided Software Engineering-CASE tool]. Metodologi pengembangan perangkat lunak yang saat ini banyak digunakan adalah metodologi terstruktur. Salah satu metoda terstruktur untuk tahap perancangan adalah metoda yang dikemukakan oleh Edward Yourdon, yang kemudian diperluas oleh Larry Constantine. Hasil penerapan dari metoda ini untuk perancangan adalah suatu diagram struktur yang menggambarkan struktur dari perangkat lunak yang dirancang, yakni hirarki fungsional, ketergantungan, pengulangan, inklusi, pemilihan, serta pengiriman arus data dan kontrol antara modul-modul pembentuk perangkat lunak tersebut. Tulisan ini merupakan hasil penelitian dari pemanfaatan diagram struktur berdasarkan metoda perancangan terstruktur Yourdon/Constantine guna membantu otomasi tahap implementasi. Perangkat lunak sebagai hasil dari penelitian ini adalah prototipe sebuah alat bantu pembangkit kode yang diberi nama DB4GEN, dimana kode yang dihasilkan berupa kerangka program dBase IV. Dengan menggunakan DB4GEN ini konsistensi antara program yang dihasilkan dengan rancangan program dapat dijaga serta waktu yang dibutuhkan untuk penulisan program dapat dipersingkat karena telah tersedia kerangka kode program dalam bentuk program terstruktur. Selain itu DB4GEN menghasilkan dokumentasi program guna mempermudah pemrogram dalam melengkapi kerangka program menjadi program lengkap."

"Stemming merupakan salah satu bagian penting dalam proses penilaian esai secara otomatis. Stemming merupakan proses transformasi suatu kata-kata tertentu menjadi kata dasarnya. Salah satu algoritma stemming yang ada adalah dengan menggunakan persamaan kata, dimana semua kata yang berimbuhan dan istilah yang berbeda untuk satu kata bermakna sama dapat disetarakan bobotnya. Untuk itu proses stemming menggunakan persamaan kata ini akan diimplementasikan pada sistem penilai esai otomatis Simple-O berbasis Generalized Latent Semantic Analysis (GLSA) yang bertujuan untuk meningkatkan ketepatan penilaiannya agar semakin mendekati hasil penilaian oleh manusia. Dari 98 kali pengujian, kinerja GLSA menggunakan proses stemming memberikan hasil yang lebih baik dengan tingkat ketepatan sebanyak 72 kali atau sekitar 73,4% lebih unggul dibandingkan GLSA tanpa proses stemming yang hanya unggul sebanyak 20 kali dari 98 kali percobaan atau dengan presentase sekitar 20,4%. Hal ini menunjukkan bahwa implementasi proses stemming pada Simple-O berbasis GLSA menghasilkan hasil yang lebih baik daripada GLSA tanpa proses stemming.

---

Stemming is one of the important processes on automatic essay grading. Stemming is a process to transform a word into its root word in order to make essay grader becoming more accurate. One of stemming algorithm that have developed is using word similiarity, where in this algorithm all the prefixed word or the other words that have a similar meaning have an equal weight. This algorithm is implemented on an automatic essay graderbased on Generalized Latent Semantic Analysis (GLSA) called Simple-O in order to match the grade from human raters.

The experiment result shows that from 98 samples GLSA algorithm with the stemming process outperform GLSA without stemming 72 times with the percentage about 73,4%, on the other hand GLSA without stemming only give the better result 20 times with the percentage of 20,4%. This experiments result shows that GLSA based Simple-O using stemming algorithm gives better result than GLSA without stemming process."

"This book contains a wide swath in topics across social networks & data mining. Each chapter contains a comprehensive survey including the key research content on the topic, and the future directions of research in the field. There is a special focus on text embedded with heterogeneous and multimedia data which makes the mining process much more challenging. A number of methods have been designed such as transfer learning and cross-lingual mining for such cases."

"Big data analytics will assist managers in providing an overview of the drivers for introducing big data technology into the organization and for understanding the types of business problems best suited to big data analytics solutions, understanding the value drivers and benefits, strategic planning, developing a pilot, and eventually planning to integrate back into production within the enterprise."