Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKIde bunuh diri dan psikosis dini prodromal merupakan masalah kesehatan jiwa yang cukup sering ditemukan pada remaja SMA dan dipengaruhi oleh berbagai faktor. Faktor risiko yang ditemukan adalah keputusasaan, depresi, kecemasan, dan stres. Sedangkan untuk faktor perlindungan meliputi koping, dukungan sosial, dan harga diri. Penelitian ini bertujuan untuk mengetahui hubungan antara faktor risiko dan faktor protektif terhadap ide bunuh diri dan psikosis dini prodromal pada remaja. Penelitian ini merupakan penelitian deskriptif korelasional cross sectional dan dilakukan pada 207 responden dengan mengisi kuesioner terkait ide bunuh diri, psikosis dini prodromal, faktor risiko, dan faktor proteksi. Ada hubungan antara semua faktor risiko dan faktor pelindung dipelajari dengan ide bunuh diri. Ada juga hubungan antara faktor risiko dan faktor protektif dipelajari dengan prodromal kecuali keputusasaan dan dukungan sosial. Hasil penelitian ini dapat digunakan sebagai bahan pertimbangan untuk memberikan intervensi promotif dan preventif bagi remaja yang tidak bermasalah, serta memberikan intervensi kuratif dan rehabilitatif bagi remaja yang bermasalah dengan ide bunuh diri dan psikosis dini prodromal.ABSTRACTSuicidal ideation and early prodromal psychosis are mental health problems that are quite often found in high school adolescents and are influenced by various factors. The risk factors found were hopelessness, depression, anxiety, and stress. As for the protection factors include coping, social support, and self-esteem. This study aims to determine the relationship between risk factors and protective factors against suicidal ideation and early prodromal psychosis in adolescents. This study is a cross-sectional correlational descriptive study and was conducted on 207 respondents by filling out a questionnaire related to suicidal ideation, early prodromal psychosis, risk factors, and protection factors. There was an association between all the risk factors and protective factors studied with suicidal ideation. There is also an association between risk factors and protective factors studied with prodromal except hopelessness and social support. The results of this study can be used as consideration for providing promotive and preventive interventions for adolescents who do not have problems, as well as providing curative and rehabilitative interventions for adolescents who have problems with suicidal ideation and early prodromal psychosis."

"ABSTRAKDistribusi normal adalah salah satu jenis persebaran kelompok data yang didefinisikan berdasarkan rata-rata dan standar deviasi dari sekelompok data, yang dapat digunakan untuk mengelompokkan data berdasarkan posisinya terhadap standar deviasi dari kelompok data tersebut. Learning Vector Quantization adalah salah satu jenis neural network yang bisa mempelajari sendiri masukan yang ia terima kemudian memberi keluaran sesuai dengan masukan tersebut, dengan metode supervised dan competitive learning. Skripsi ini membahas penerapan dan analisis dari kedua sistem tersebut untuk menguji hasil deteksi plagiarisme oleh sistem deteksi plagiarisme berbasis latent semantic analysis, yang berasal dari program Simple-O. Beberapa modifikasi dilakukan untuk meningkatkan akurasi pengujian, antara lain dengan melakukan variasi parameter-parameter dari metode distribusi normal, yakni dengan mengubah batas standar deviasi maupun dengan mengubah koefisien pengali batas nilai pada standar deviasi tertentu, dimana hasilnya adalah standar deviasi maupun koefisien pengalinya berbanding lurus dengan aspek relevansi program (recall) namun tidak pada akurasi (F-Measure). Modifikasi juga dilakukan pada parameter percepatan belajar dari algoritma learning vector quantization, dimana hasilnya adalah parameter percepatan belajar berbanding terbalik dengan relevansi program maupun akurasi. Kemudian variasi dan analisis dilakukan pada tujuh jenis besaran hasil keluaran sistem deteksi plagiarisme berbasis latent semantic analysis, yakni frobenius norm, slice, dan pad, beserta kombinasinya, dimana hasilnya keberadaan frobenius norm diwajibkan untuk melakukan evaluasi kemiripan antara dua teks. Kemudian hasil pengujian menggunakan kedua metode digabungkan menggunakan operasi AND yang memberikan hasil yang beragam, dengan catatan perlunya keseimbangan antara precision dan recall dari masing pengujian yang akan dilakukan operasi AND untuk memberikan hasil yang baik. Dengan menggunakan kombinasi metode dan parameter yang tepat, terdapat peningkatan akurasi sistem dari 35-46% pada penelitian sebelumnya hingga maksimal 65,98%.

---

ABSTRACT

Normal distribution is a type of data distributions which is defined from the average and standard deviation of the data cluster. It can be used to group datas based on its position from the standard deviation of the data cluster. Learning vector quantization is a type of neural networks that can learn from inputs it gets to give appropriate outputs, with supervised and competitive learning methods. This thesis discusses the implementation and analysis of both methods to verify the plagiarism detection results from detection plagiarism system based on latent semantic analysis, which is based on Simple-O program. Some modifications are made, such as by variating the parameters of normal distribution method, by changing the limits of standard deviation or by changing the factor of the number limit at a particular standard deviation. Both of them appear to be directly proportional to the relevance (recall), but not with accuracy (F-Measure). Modifications are also made at the learning acceleration parameters from the learning vector quantization algorithm, which sees the parameters being inversely proportional to both the relevance and accuracy. Then, variations and analysis are done to seven types of magnitude from the results of the plagiarism detection system, which are frobenius norm, slice, and pad, and their combinations, which suggest that frobenius norm is the most verifiable results, and must be included to be evaluated when text similarity analysis are conducted. Then, verification results using both methods are combined using AND operation which gives diverse results. However, it is needed to have a balance between precision and recall from each verifications to produce good results. With correct combinations of methods and parameters, system accuracy are increased from 35-46% of last research to maximum accuracy of 65,98%."

"Kesadaran masyarakat Indonesia terhadap gangguan kejiwaan pada mahasiswa tergolong rendah, walaupun prevalensinya masih tinggi. Penelitian ini ingin membandingkan pola sintaksis antara mahasiswa dengan gejala depresi dan tanpa gejala depresi dengan mengukur rerata jumlah pronomina persona orang pertama tunggal. Machine learning digunakan dalam analisis pola sintaksis agar jumlah pronomina persona orang pertama tunggal dapat menjadi penanda biologis yang objektif dari gejala depresi untuk kepentingan skrining dan pencegahan dini. Studi potong lintang dilakukan pada mahasiswa S1 Universitas Indonesia yang berlokasi di Depok dan diperoleh 121 responden dengan data yang mencukupi untuk dianalisis. Hasil pengukuran kuesioner DASS-21 menemukan 37 mahasiswa dengan gejala depresi dan 84 mahasiswa tanpa gejala depresi. Aplikasi berbasis machine learning “StethoSoul” dimanfaatkan dalam proses ekstraksi dan deteksi fitur linguistik dari responden. Mann-Whitney U test dilakukan untuk melihat korelasi antara jumlah pronomina persona orang pertama tunggal dengan gejala depresi. Penelitian ini tidak menemukan korelasi yang signifikan antara kedua variabel yang diteliti. Penemuan ini berkontradiksi dengan hasil dari banyak penelitian yang mendahului. Meskipun hasil tidak signifikan secara statistik, terdapat peningkatan jumlah pronomina persona orang pertama tunggal pada mahasiswa dengan gejala depresi. Dengan demikian, tidak dapat disimpulkan bahwa kedua variabel tidak berhubungan karena berbagai faktor keterbatasan pada studi ini.

---

Although the prevalence of depression on university students is high, awareness regarding their mental health in Indonesia remains underestimated. This research compared the syntax pattern between undergraduates with and without depression symptoms by measuring the average sum of first-person singular personal pronouns. Syntax pattern was analysed with the assistance of machine learning so that first-person singular personal pronouns can become an objective biomarker of depression symptoms for future screening and preventive measures. A cross-sectional study was conducted on undergraduate students at University of Indonesia in Depok. A total of 121 respondents who fulfilled the criteria were analyzed. Based on DASS-21 measurement, 37 students displayed depression symptoms while 84 others did not. “StethoSoul”, a machine-based learning application, was utilized to extract and detect linguistic features of the respondents. Mann-Whitney U test was done and showed no statistically significant correlation between the two variables being studied. This finding contradicts the outcomes of numerous prior studies. However, an increase in the number of first-person singular personal pronouns of undergraduates with depression symptoms was evident. Therefore, it cannot be concluded that the variables under investigation do not exhibit any correlation due to the limitations inherent in this study."

"Korpus relasi semantik dapat menunjang berbagai penelitian di bidang pengolahan bahasa manusia. Untuk Bahasa Indonesia, korpus relasi semantik yang berukuran besar dan berkualitas baik masih belum tersedia. Korpus relasi semantik dapat dibuat secara manual dengan melibatkan anotator dan juga dapat dihasilkan secara otomatis menggunakan algoritma rule-based atau machine learning. Penelitian ini bertujuan untuk mengevaluasiseberapa baik kualitas korpus relasi semantik Bahasa Indonesia, khususnya relasi hiponim-hipernim, apabila dibangun dengan pendekatan machine learning dan metode crowdsourcing yang menerapkan gamifikasi. Algoritma pattern-based yang sebelumnya pernah diteliti untuk Bahasa Indonesia akan digunakan untuk menghasilkan data training algoritma machine learning dan kandidat entri korpus untuk dianotasi dengan metode crowdsourcing. Kualitas korpus hasil metode crowdsourcing diukur berdasarkan tingkat persetujuan antar anotator dan diperoleh hasil yang cukup baik walaupun belum sempurna. Untuk pendekatan machine learning, beberapa modelmachine learning yang diterapkan masih belum memberikan hasil optimal karenaketerbatasan resource.Kata kunci: relasi semantik, hiponim-hipernim, crowdsourcing, gamifikasi, machinelearning, pattern-based

---

Semantic relations corpus is vital to support research in the field of Natural Language

Processing. Currently, there is no existing corpus of semantic relations in Indonesian

language which is enormous and high-quality. The corpus can be constructed manually

by employing human annotators or built automatically using rule-based or machine

learning algorithms. This research aims to evaluate the quality of Indonesian hyponym-

hypernym semantic relations corpus that is produced by crowdsourcing mechanism with

gamification, and to test the model for semantic relations prediction using machine

learning algorithms. The pattern-based method is applied to obtain the training data for

machine learning experiments and corpus entry candidates to be annotated using the

crowdsourcing method. The quality of the crowdsourced corpus is measured using inter-

annotator agreement. The experimental result shows that the gamification-based

crowdsourcing method is promising to produce the corpus. On the other hand, machine

learning models tested in this research have not given optimal results yet due to the

limitations of the lexical resources in Indonesian language."

"ABSTRAKDi Indonesia, prevalensi kelebihan berat badan pada remaja umur 16-18 tahun meningkat dari 1.4 persen 2010 menjadi 7.3 persen 2013 . Obese pada tubuh memicu timbulnya ldquo;chronic low grade inflammation rdquo; dalam jangka waktu yang lama. Diet merupakan faktor penting yang mengatur kondisi inflamasi dalam tubuh. Penelitian ini bertujuan untuk melihat inflamasi yang terkandung dalam makanan yang dikonsumsi oleh remaja dan hubungannya dengan status gizi mereka di kabupaten Trenggalek. Studi perbandingan potong lintang dengan subjek remaja terdiri dari 152 kelebihan gizi dan 151 normal dilaksanakan di kabupaten Trenggalek. Variabel bebas dari inflamasi pada makanan diukur menggunakan ldquo;dietary inflammatory index rdquo;. Status gizi remaja dikategorikan menggunakan CDC BMI/U . Data dianalisis dengan ldquo;chi square rdquo; menggunakan SPSS versi 20. Tidak terdapat perbedaan yang signifikan pada parameter inflamasi makanan dan status gizi pada remaja p>0.05 . Namun, remaja yang mengkonsumsi makanan yang mengandung pro inflamasi memiliki resiko mengalami kelebihan berat badan 1.16 kali dibandingkan dengan remaja yang mengkonsumsi anti inflamasi adjusted OR 1.16, 95 CI=0.718-1.881 . Makanan yang bersifat pro inflamasi berkaitan remaja dengan gemuk dan obese. Sebaliknya, makanan yang bersifat pro inflamasi berkaitan dengan remaja normal.

---

ABSTRACTIn Indonesia, prevalence of overnutrition among adolescence aged 16 18 years increase from 1,4 percent 2010 to 7.3 percent in 2013. The state of obesity in the body lead to have chronic low grade inflammation in the long term condition. Diet has been known as an important regulatory factor on inflammatory condition.This study was conducted to capture inflammation contain on foods which consumed by adolescence and observe its association with their nutritional status. A comparative cross sectional study with 152 overnutrition and 151 non overnutrition adolescence in Trenggalek District was involved. Independent variable of food rsquo s inflammation was measured using Dietary Inflammatory Index. Nutritional status of adolescence was categorized using CDC BMI for Age percentils . Data were analyzed with Chi Square using SPSS version 20. There was not significantly difference of food rsquo s inflammatory parameter and nutritional status of adolescence p 0.05 . However, adolescence who consumed highest pro inflammatory foods, had risk to suffer overnutrition 1.16 times compare to adolescence who consumed more anti inflammatory foods adjusted OR 1.16, 95 CI 0.718 1.881 . A pro inflammatory diet the higher dietary inflammatory index score was significantly associated with overweight and obese adolescence. Inversely, anti inflammatory diet the lower dietary inflammatory index score was associated with normal adolescence."

"Sistem penilai otomatis SIMPLE-O untuk bahasa Jepang telah diteliti selama beberapa tahun belakangan. Namun, penilaian yang dilakukan belum mencakup nilai morfologis, padahal morfologi merupakan hal yang penting dalam ujian sastra. Penelitian ini melakukan clustering pada 215 jawaban mahasiswa dan mengelompokkannya ke 6 cluster berdasarkan topiknya. Berdasarkan hasil, didapatkan bahwa K-means clustering mengelompokkan dengan lebih baik dibanding hierarchical agglomerative clustering (HAC), terutama dengan penambahan Romanisasi. K-means clustering dengan Romansasi menunjukkan 96.5% precision dan 96% recall, sementara HAC memiliki 95% precision dan 93.7% recall. Pada proses penilaian, jawaban dinilai pertopik atau nomor soal dan dicari rasio antara nilai yang didapat dari LSA dengan nilai morfologi dengan akurasi tertinggi. LSA memiliki rata-rata akurasi 79.92%. Penambahan analisis morfologi pada nilai akhir mendapatkan akurasi tertinggi sebesar 78.77% dengan bobot 10% nilai morfologi dan 90% nilai LSA.

---

The research on automated grading system SIMPLE-O for Japanese language has been done for a few years. However, in the grading system, there is still no means to grade the morphological component even though it is an important part of language test. This research groups 215 student answers to 6 cluster according to the topics. According to the results, K-means clustering performs better than hierarchical agglomerative clustering (HAC) especially with Romanization. K-means clustering with Romanization shows 96.5% precision and 96% recall while HAC has 95% precision and 93.7% recall. For the grading prosess, the answers will be scored by its topic or question number and the ratio between similarity measurement score and morphological score with the highest accuracy will be selected. LSA has the average accuracy of 79.92%. With the addition of morphological analysis on the final score, the highest average accuracy of 78.77% is selected with the ratio of 10% morphological score and 90% LSA score."

"Kepolisian Republik Indonesia (Polri) merupakan alat negara yang terus berusaha memberikan pelayanan publik secara prima salah satu nya dengan melakukan inovasi dengan memanfaatkan teknologi dalam memberikan pelayanan SIM melalui aplikasi bernama Digital Korlantas Polri. Namun sejak aplikasi tersebut diluncurkan pada tahun 2021 hingga tahun 2022 terdapat pemberitaan di berita online terkait kendala pada aplikasi dalam perpanjangan SIM online yang tidak berjalan sebagaimana semestinya. Penelitian ini bertujuan untuk melihat bagaimana pandangan masyarakat sebagai pengguna layanan dari Twitter dan Play Store. Data yang digunakan dalam penelitian ini berasal dari Twitter dan Play Store sebanyak 5944 data. Analisis dilakukan dengan membangun model klasifikasi relevansi, aspek, dan sentimen pada aspek reliability, efficiency, trust, dan citizen support. Algoritma yang digunakan yaitu Decision Tree, Logistic Regression, dan SVM. Hasil pemodelan klasifikasi dengan performa yang paling tinggi dalam klasifikasi relevansi, aspek, dan sentimen pada tiap aspek dihasilkan oleh algoritma Logistic Regression dengan TF-IDF unigram dan SMOTE. Pada model klasifikasi relevansi didapatkan nilai accuracy sebesar 87.05%, precision sebesar 87.38%, recall sebesar 87.04%, dan f1 score sebesar 87.16%. Pada model klasifikasi aspek, nilai accuracy sebesar 74.28%, precision sebesar 75.93%, recall sebesar 74.27%, dan f1 score sebesar 74.70%. Pada model klasifikasi sentimen pada masing-masing aspek, model klasifikasi sentimen pada aspek citizen support mendapatkan nilai yang paling tinggi dibanding aspek lain yaitu dengan nilai accuration sebesar 95.38%, precision sebesar 95.60%, recall sebesar 95.38%, dan f1-score sebesar 94.05%. Pada penelitian ini menghasilkan temuan sentimen pada masing-masing aspek dalam layanan perpanjang SIM online di aplikasi Digital Korlantas Polri dimana reliability merupakan aspek yang paling banyak dikemukakan dan mendapat sentimen negatif, kemudian diikuti oleh aspek efficiency, citizen support, dan aspek trust.

---

The Indonesian National Police (Polri) continues to strive to provide excellent public services, one of which is by innovating by utilizing technology in providing SIM services through an application called Digital Korlantas Polri. However, since the application was launched in 2021 to 2022 there have been reports in online news regarding problems with applications, so it is necessary to conduct research regarding how the public views the application as service users and maps these views into aspects which affect the quality of government services so that service providers can take improvement to realize excellent service delivery. The data used in this study are from Twitter and Play Store as many as 5944 data. The analysis is carried out by building a classification model of relevance, aspect, and sentiment on the aspects of reliability, efficiency, trust, and citizen support. The algorithms used are Decision Tree, Logistic Regression, and SVM. The results of classification modeling with the highest performance in the classification of relevance, aspect, and sentiment for each aspect were produced by the Logistic Regression algorithm with the TF-IDF unigram and SMOTE. In the relevance classification model, the accuracy value is 87.05%, precision is 87.38%, recall is 87.04%, and f1 score is 87.16%. In the aspect classification model, the accuracy value is 74.28%, precision is 75.93%, recall is 74.27%, and f1 score is 74.70%. In the sentiment classification model for each aspect, the sentiment classification model for the citizen support aspect gets the highest score compared to other aspects, namely with an accuracy value of 95.38%, a precision of 95.60%, a recall of 95.38%, and an f1-score of 94.05% . This study produced sentiment findings for each aspect of the online SIM service in the Digital Korlantas Polri application where reliability was the aspect that was most frequently raised and received negative sentiment, followed by aspects of efficiency, citizen support, and trust."

"Memprediksi niat kunjungan kembali memainkan peran penting dalam kebangkitan kembali waktu pandemi yang akan menguntungkan keunggulan kompetitif jangka pendek dan jangka panjang. Penelitian ini mengkaji faktor-faktor penentu niat berkunjung kembali dari analisis sentimen berbasis aspek dan pembelajaran mesin. Pendekatan big data diterapkan pada empat set data atraksi, hotel bintang 4&5, hotel bintang 3, dan motel dengan 49.399 ulasan dari TripAdvisor. Kami menerapkan metode pemodelan topik untuk mengekstrak aspek dan atribut, menghasilkan 10 aspek untuk kategorisasi hotel 4&5 dan kumpulan data atraksi, 6 aspek pada kumpulan data hotel bintang 3 dan Motel. Hasil analisis sentimen menunjukkan bahwa sentimen wisatawan secara positif dan negatif juga mempengaruhi kemungkinan niat berkunjung kembali. Peneliti menerapkan metode Logistic Regression, Random Forest Classifier, Decision Tree, k-NN, dan XGBoost untuk memprediksi niat berkunjung kembali yang menghasilkan tiga topik utama yang mendominasi probabilitas niat berkunjung kembali untuk masing-masing dataset. Aspek Properti pada hotel bintang 4&5 dan hotel bintang 3 mengindikasikan memiliki kemungkinan tinggi untuk niat berkunjung kembali. Sedangkan aspek Motels pada Atmosfir, Aktivitas Wisata, dan Durasi cenderung memiliki probabilitas niat berkunjung kembali. Aspek atraksi pada Harga, Layanan, Suasana meningkatkan kemungkinan niat berkunjung kembali. Studi ini berkontribusi pada pemanfaatan data besar dan pembelajaran mesin di industri pariwisata dan perhotelan dengan berfokus pada strategi inovatif sebagai pengurangan biaya untuk mempertahankan niat kunjungan kembali di kebangkitan kembali dari pandemi.

---

Predicting revisit intention plays a crucial role in the reawakening time of pandemic that will benefit short-term and long-term competitive advantage. This study examines the determiner factors of revisit intention from aspect-based sentiment analysis and machine learning. A big data approach was applied on four datasets of attractions, hotel 4&5 stars, hotel 3 stars, and motels with 49,399 reviews from TripAdvisor. We applied a topic modeling method to extract aspects and attributes, resulting in 10 aspects for hotel 4&5 categorization and attractions dataset, 6 aspects on hotel 3 stars and Motels dataset. Results on sentiment analysis show that tourists’ sentiment in positives and negatives also affect probability of revisit intention. Researchers applied methods of Logistic Regression, Random Forest Classifier, Decision Tree, k-NN, andXGBoost to predict revisit intention resulting in three main topics that have dominated probability on revisit intention for each dataset respectively. Aspect Properties on hotels 4&5 stars and hotel 3 stars indicate to have a high probability of revisit intention. Meanwhile, Motels' aspects on Atmosphere, Tourist Activities, and Duration tend to have a probability of revisit intention. Attraction’s aspects on Price, Services, Ambience increase probability of revisit intention. This study contributes to the utilization of big data and machine learning in tourism and hospitality industry by focusing on an innovative strategy as cost reduction to maintain revisit intention in the reawakening from pandemic."

"Dunia pada saat ini membutuhkan metode transportasi untuk menggerakkan orang,atau komoditas. Namun permasalahan yang muncul adalah kemampuan individual untuk mengetahui kinerja kendaraan tersebut terbatas. Sistem indikasi secara umum dapat mendeteksi permasalahan yang muncul namun tidak dapat menganalisa degradasi kendaraan secara umum. Untuk menanggulangi tersebut, perlu didesain sistem yang dapat mendeteksi performa kendaraan secara lebih holistic. Pertama, perlu diambilnya data dari sensor kendaraan, dan kemudian diproses untuk mencari degradasi performa dan anomaly yang muncul. Data tersebut akan dapat disimpan dengan database untuk pengaksesan yang mudah. Dengan menggunakan teknologi machine learning, terutama menggunakan algoritma neural network (NN), dapat dicari relasi-relasi dari informasi yang dapat diterima dari kendaraan untuk menjadi informasi yang dapat diproses oleh pengguna untuk mengambil keputusan. Hasil yang diamati, dalam jangka waktu eksperiment belum ada terdeteksi penurunan performa signifikan. Namun dengan penambahan noise, sistem dapat mendeteksi degradasi atau anomaly pada data.Untuk menampilkan data ke pengguna, sebuah tampilan dasbor digital dapat digunakan. Secara optimal data dapat diambil dari semua lokasi. Untuk menghasilkan ini data web didesain dengan data yang tertransfer dari web ke dasbor mobil.

---

The world today need transportation methods for people and commodities. The problem lies in the capabilities of individuals to have knowledge on the performance of the vehicle will mostly be limited. The problem with common indication systems is that it can’t detect problems before the point of failure. Because of that there is a need to design a system which can detect change in performance and indicate it to users. First data is extracted from automobile sensors, then processed to form connecctions and discern the anomalies and degradation caused by wear. This data, to be more easily accessed, is stored in databases. By using Neural Network Algorithms, the model designed can find relations between informations accepted and convert it to usable information. Although with this system proposed no significant drop in performance was noticed in the available data. Although with added noise, anomalies and degradation may be detected.

To create an interface for users, an interface or digital dashboard may be used. Optimally the data can be observed reliably from every position. To create this a web may be designed with transferable data from web to car dashboard

"