Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kebutuhan akan informasi yang cepat dan valid semakin mendesak di tengah arus in- formasi yang cepat. Kemajuan teknologi memberikan dampak signi kan terhadap in- dustri jurnalisme untuk mengakomodasi kebutuhan informasi tersebut. Proses produksi berita, yang tradisionalnya memakan waktu, terus dihadapkan pada tuntutan untuk meng- hasilkan informasi dengan cepat dan akurat. Penelitian ini merespon tantangan terse- but dengan melakukan pengembangan model generatif yang dapat melakukan pembuatan berita secara otomatis. Dalam pengembangan model generatif, penulis melakukan bebe- rapa skenario percobaan untuk menguji pengaruh ukuran jumlah parameter, jenis prompt- ing, dan penggunaan delimiter pada prompt yang digunakan terhadap kualitas model yang dihasilkan. Percobaan dilakukan dengan melakukan ne tuning pada dua buah large language model yang memiliki arsitektur berbeda, yaitu Falcon dan BLOOM. Pengem- bangan large language model selanjutnya dilakukan proses evaluasi dengan menggunakan metrik measurement BLEU, ROUGE, perplexity, dan human evaluation kepada wartawan terhadap berita yang dihasilkan. Hasil yang penulis dapatkan menunjukkan bahwa terda- pat beberapa aspek yang memengaruhi kualitas berita yang dihasilkan oleh model dalam proses ne tuning. Beberapa aspek tersebut di antaranya adalah ukuran jumlah parameter, jenis prompting, dan penggunaan delimiter pada prompt yang digunakan. Model terbaik yang didapatkan dari keseluruhan model percobaan adalah BLOOM dengan jumlah pa- rameter 7B yang mendapatkan hasil evaluasi ROUGE-1 sebesar 0,3856 dan perplexity sebesar 5,79809. Model ini juga dapat menghasilkan berita yang sesuai dengan kebu- tuhan wartawan dalam proses human evaluation, baik dari kesesuaian dengan kaidah ke- bahasaan dan penulisan berita maupun ketepatan berita dengan fakta sebenarnya. Model ini mendapatkan penilaian sebesar 4,25 dari 5,00 untuk kesesuaian dengan kaidah keba- hasaan dan 4,27 dari 5,00 untuk ketepatan dengan fakta sebenarnya.

---

The escalating need for swift and accurate information in today's dynamic information landscape poses a significant challenge. Technological advancements have profoundly impacted the journalism industry, necessitating adaptations to fulfill evolving information requirements. The traditional, time-consuming news production process is under constant pressure to deliver information swiftly and accurately. This research tackles these challenges by developing a generative model capable of automating news creation. The author explores various experimental scenarios in the generative model development, investigating the influence of parameters' quantity, prompting techniques, and the use of delimiters in prompts on the resulting model's quality. The experiments involve fine-tuning two large language models with different architectures, Falcon and BLOOM. The subsequent evaluation process utilizes metrics such as BLEU, ROUGE, perplexity, and human evaluation by journalists to assess the quality of the generated news. The findings underscore that several factors, including parameter quantity, prompting techniques, and delimiter use, impact the news model's quality during the fine-tuning process. Significantly, among the experimented models, the BLOOM model with 7B parameters emerges as the overall best performer. This model achieves a ROUGE-1 evaluation of 0.38656 and a perplexity of 5.79809. In human evaluation, the BLOOM model excels in linguistic adherence and factual accuracy, receiving ratings of 4,25 out of 5.00 and 4,27 out of 5.00, respectively."

"Jurnalisme modern memperketat persaingan dalam segi kecepatan penerbitan berita. Sementara itu, pembuatan berita sendiri melibatkan proses yang panjang dan penuh ketelitian. Hal ini menimbulkan dilema antara mengutamakan kecepatan pemberitaan atau kualitas berita. Imbasnya, sistematika penulisan berita tidak dijalankan dengan baik sehingga tidak sedikit media massa memberitakan hal tidak benar. Menyadari permasa- lahan tersebut, Automatic Indonesian News Generation System (AINGS) menghadirkan sebuah inovasi dengan mengembangkan Content Management System (CMS) berbasis web yang terintegrasi dengan kecerdasan buatan untuk membantu jurnalis dalam menulis dan melakukan veri kasi berita secara otomatis. Dengan fokus pada perancangan sistem dan implementasinya dalam bentuk front-end berbasis web, pengembangan ini mencoba menyelesaikan masalah yang lebih spesi k dengan membagi CMS AINGS menjadi dua bagian, yaitu CMS untuk wartawan dan CMS untuk redaktur. Wartawan dan redaktur dipilih menjadi aktor utama dalam sistem karena dua profesi tersebut terjun langsung dalam proses penulisan dan veri kasi berita. Pengembangan dilakukan dengan mener- apkan phased development methodology, mulai dari perencanaan, analisis, hingga system versioning. Melalui 3 iterasi, tujuan pengembangan berturut-turut antara lain MVP, kebu- tuhan pengguna, dan evaluasi pengguna. Berdasarkan hasil evaluasi akhir produk meng- gunakan metode UAT dan survei evaluasi penggunaan, kedua sistem dinilai sudah cukup memenuhi kebutuhan jurnalis, baik wartawan maupun redaktur, dalam membantu proses pembuatan berita.

---

Modern journalism has intensi ed competition in terms of speed of news publication, while news production itself involves a long and careful process. This creates a dilemma between prioritizing the speed of reporting or the quality of the news. As a result, the systematic of news writing are not carried out well so that quite a few media people re- port false news. Realizing this problem, Automatic Indonesian News Generation System (AINGS) presents an innovation by developing a web-based Content Management System (CMS) that is integrated with arti cial intelligence to assist journalists in writing and ver- ifying news automatically. By focusing on the system design and front-end of the AINGS system implementation, this development tries to solve speci c problems by dividing the AINGS CMS into two parts, namely CMS for reporter and CMS for editor. Reporter and editors were chosen to be the main actors in the system because these two professions are directly involved in the process of writing and verifying news. Development is carried out by implementing phased development methodology, starting from planning, analysis, to system versioning. Through 3 iterations, the development objectives in each iterations are for the MVP, ful lling user needs, and re ne based on user evaluations. Based on the results of the nal product evaluation using UAT method and system’s usage evaluation survey, the two systems were deemed suf cient to meet the needs of journalists, both re- porters and editors, in assisting the news creation process."

"Large Language Model (LLM) generatif merupakan jenis model machine learning yang dapat diaplikasikan dalam industri jurnalisme, khususnya dalam proses pembuatan dan validasi berita. Namun, LLM memerlukan sumber daya yang besar untuk operasionalnya serta membutuhkan waktu proses inferensi yang relatif lama. Penelitian ini bertujuan untuk mengembangkan layanan web machine learning yang memanfaatkan LLM generatif untuk proses pembuatan dan validasi berita. Tujuan lainnya adalah menciptakan sistem dengan mekanisme manajemen beban yang efisien untuk meminimalkan waktu inferensi. Pengembangan melibatkan beberapa tahap, yakni analisis kebutuhan stakeholder, perancangan desain dan arsitektur, implementasi, serta evaluasi. Dalam implementasi layanan web machine learning, pengembangan ini berfokus pada manajemen GPU untuk meningkatkan kecepatan proses inferensi LLM. Selain itu, dilakukan implementasi design pattern untuk meningkatkan skalabilitas dalam penambahan model machine learning. Untuk manajemen beban, dikembangkan dua mekanisme, yaitu load balancer dan scheduler. Implementasi load balancer memanfaatkan NGINX dengan metode round-robin. Sedangkan untuk scheduler, digunakan RabbitMQ sebagai antrean, dengan publisher menerima permintaan dan subscriber mendistribusikan permintaan ke layanan yang tersedia. Berdasarkan API Test, layanan ini berhasil melewati uji fungsionalitas dengan waktu respons API sekitar 1-2 menit per permintaan. Evaluasi performa pada kedua mekanisme manajemen beban menunjukkan tingkat keberhasilan 100%, dengan waktu respon rata-rata meningkat seiring dengan peningkatan jumlah request per detik. Pengelolaan beban dengan load balancer menghasilkan waktu respon yang lebih cepat, sementara pengelolaan beban dengan scheduler menghasilkan mekanisme yang lebih efektif pada proses koneksi asinkron.

---

Generative Large Language Model (LLM) is a type of machine learning model that can be applied in the journalism industry, especially in the process of news generation and validation. However, LLM requires large resources for its operation and requires a relatively long inference process time. This research aims to develop a machine learning web service that utilizes generative LLM for news generation and validation. Another goal is to create a system with an efficient load management mechanism to minimize inference time. The development involves several stages, namely stakeholder needs analysis, design and architecture, implementation, and evaluation. In the implementation of machine learning web services, this development focuses on GPU management to increase the speed of the LLM inference process. In addition, the implementation of design patterns is done to improve scalability in adding machine learning models. For load management, two mechanisms are developed: load balancer and scheduler. The load balancer implementation utilizes NGINX with the round-robin method. As for the scheduler, RabbitMQ is used as a queue, with the publisher receiving requests and the subscriber distributing requests to available services. Based on the API Test, the service successfully passed the functionality test with an API response time of about 1-2 minutes per request. Performance evaluation on both load management mechanisms showed a 100% success rate, with the average response time increasing as the number of requests per second increased. The use of a load balancer results in faster response times, while load management with a scheduler results in a more effective mechanism for asynchronous connection processes."

"Tujuan dari pengembangan proyek Automatic Indonesian News Generation System (AINGS) adalah untuk mengoptimalkan proses penyuntingan dan pengiriman berita di era digital, dengan fokus khusus pada aspek usability layanan web dan efisiensi basis data. Proses pengembangan dimulai dengan pemetaan kebutuhan fungsional sistem de ngan fitur yang akan diimplementasi. Kebutuhan fungsional sistem mencakup pengelo laan draf berita, pembuatan draf berita dan validasi draf berita secara otomatis serta komu nikasi antara redaktur dan wartawan. Implementasi fitur diwujudkan dengan layanan web berupa REST API yang terintegrasi dengan basis data serta layanan web machine learn ing. Perancangan basis data dilakukan dengan melibatkan identifikasi empat entitas utama dan identifikasi hubungan antar entitas. Pengembangan basis data dilanjutkan dengan melakukan normalisasi hingga Third Normal Form (3NF) untuk memastikan konsistensi dari data yang disimpan serta efisiensi dalam waktu pemrosesan. Selain itu, dilakukan im plementasi Elasticsearch dan performanya dibandingkan dengan PostgreSQL dalam hal waktu pemrosesan untuk pencarian draf berita. Evaluasi layanan web dilakukan dengan melakukan integration testing dan evaluasi usability menggunakan heuristik. Hasil inte gration testing menunjukan layanan web lulus semua skenario tes dan mampu memenuhi seleuruh kebutuhan fungsional sistem. Berdasarkan hasil evaluasi heuristik, layanan web yang dikembangkan mencapai nilai metrik knowability (96.49%) dan robustness (100.00%) yang baik namun untuk metrik operability (84.07%) dan efficiency (83.33%) dapat ditingkatkan dengan memberikan opsi format data pada request dan menerapkan caching. Hasil evaluasi basis data menunjukan bahwa normalisasi pada tahap Second Normal Form (2NF) memberikan waktu pemrosesan yang lebih optimal dengan tetap memastikan konsistensi data yang terjaga. Rata-rata waktu pemrosesan yang dihasilkan oleh tahap 2NF adalah 1,712ms, sedangkan pada tahap 3NF mencapai 3,363ms. Semen tara itu, penerapan Elasticsearch meningkatkan kinerja pencarian sehingga menghasilkan waktu pemrosesan yang lebih cepat. Menggunakan kata kunci pencarian ”Jakarta”, Elas ticsearch dapat memproses permintaan hanya dalam waktu 8ms, sementara PostgreSQL membutuhkan waktu hingga 142,943ms

---

The objective of developing the ”Automatic Indonesian News Generation System” (AINGS) project is to optimize the editing and delivery process of news in the digital era, with a particular focus on the usability of web services and the efficiency of the database. The development process begins with mapping the system’s functional requirements to the features to be implemented. The functional requirements of the system include man aging news drafts, creating news drafts, and validating news drafts automatically, as well as communication between editors and reporters. The feature implementation is real ized through a web service in the form of a REST API integrated with a database and machine learning web services. The database design involves identifying four main en tities and the relationships between them. The database development is continued with normalization up to the Third Normal Form (3NF) to ensure consistency of the stored data and efficiency in processing time. Additionally, Elasticsearch is implemented, and its performance is compared with PostgreSQL in terms of processing time for searching news drafts. The web service evaluation is carried out by conducting integration testing and usability evaluation using heuristics. The integration testing results show that the web service passes all test scenarios and meets all the system’s functional requirements. Based on the heuristic evaluation results, the developed web service achieves good met rics in knowability (96.49%) and robustness (100.00%), but for operability (84.07%) and efficiency (83.33%) metrics, improvements can be made by providing data format options in requests and implementing caching. The database evaluation results show that normal ization at the Second Normal Form (2NF) stage provides more optimal processing time while ensuring data consistency. The average processing time produced by the 2NF stage is 1,712ms, while at the 3NF stage, it reaches 3,363ms. Meanwhile, the implementation of Elasticsearch enhances search performance, resulting in faster processing times. Us ing the search keyword ”Jakarta,” Elasticsearch can process requests in just 8ms, while PostgreSQL requires up to 142,943ms."

"Tujuan dari pengembangan proyek Automatic Indonesian News Generation System (AINGS) adalah untuk mengoptimalkan proses penyuntingan dan pengiriman berita di era digital, dengan fokus khusus pada aspek usability layanan web dan efisiensi basis data. Proses pengembangan dimulai dengan pemetaan kebutuhan fungsional sistem de ngan fitur yang akan diimplementasi. Kebutuhan fungsional sistem mencakup pengelo laan draf berita, pembuatan draf berita dan validasi draf berita secara otomatis serta komu nikasi antara redaktur dan wartawan. Implementasi fitur diwujudkan dengan layanan web berupa REST API yang terintegrasi dengan basis data serta layanan web machine learn ing. Perancangan basis data dilakukan dengan melibatkan identifikasi empat entitas utama dan identifikasi hubungan antar entitas. Pengembangan basis data dilanjutkan dengan melakukan normalisasi hingga Third Normal Form (3NF) untuk memastikan konsistensi dari data yang disimpan serta efisiensi dalam waktu pemrosesan. Selain itu, dilakukan im plementasi Elasticsearch dan performanya dibandingkan dengan PostgreSQL dalam hal waktu pemrosesan untuk pencarian draf berita. Evaluasi layanan web dilakukan dengan melakukan integration testing dan evaluasi usability menggunakan heuristik. Hasil inte gration testing menunjukan layanan web lulus semua skenario tes dan mampu memenuhi seleuruh kebutuhan fungsional sistem. Berdasarkan hasil evaluasi heuristik, layanan web yang dikembangkan mencapai nilai metrik knowability (96.49%) dan robustness (100.00%) yang baik namun untuk metrik operability (84.07%) dan efficiency (83.33%) dapat ditingkatkan dengan memberikan opsi format data pada request dan menerapkan caching. Hasil evaluasi basis data menunjukan bahwa normalisasi pada tahap Second Normal Form (2NF) memberikan waktu pemrosesan yang lebih optimal dengan tetap memastikan konsistensi data yang terjaga. Rata-rata waktu pemrosesan yang dihasilkan oleh tahap 2NF adalah 1,712ms, sedangkan pada tahap 3NF mencapai 3,363ms. Semen tara itu, penerapan Elasticsearch meningkatkan kinerja pencarian sehingga menghasilkan waktu pemrosesan yang lebih cepat. Menggunakan kata kunci pencarian ”Jakarta”, Elas ticsearch dapat memproses permintaan hanya dalam waktu 8ms, sementara PostgreSQL membutuhkan waktu hingga 142,943ms

---

The objective of developing the ”Automatic Indonesian News Generation System” (AINGS) project is to optimize the editing and delivery process of news in the digital era, with a particular focus on the usability of web services and the efficiency of the database. The development process begins with mapping the system’s functional requirements to the features to be implemented. The functional requirements of the system include man aging news drafts, creating news drafts, and validating news drafts automatically, as well as communication between editors and reporters. The feature implementation is real ized through a web service in the form of a REST API integrated with a database and machine learning web services. The database design involves identifying four main en tities and the relationships between them. The database development is continued with normalization up to the Third Normal Form (3NF) to ensure consistency of the stored data and efficiency in processing time. Additionally, Elasticsearch is implemented, and its performance is compared with PostgreSQL in terms of processing time for searching news drafts. The web service evaluation is carried out by conducting integration testing and usability evaluation using heuristics. The integration testing results show that the web service passes all test scenarios and meets all the system’s functional requirements. Based on the heuristic evaluation results, the developed web service achieves good met rics in knowability (96.49%) and robustness (100.00%), but for operability (84.07%) and efficiency (83.33%) metrics, improvements can be made by providing data format options in requests and implementing caching. The database evaluation results show that normal ization at the Second Normal Form (2NF) stage provides more optimal processing time while ensuring data consistency. The average processing time produced by the 2NF stage is 1,712ms, while at the 3NF stage, it reaches 3,363ms. Meanwhile, the implementation of Elasticsearch enhances search performance, resulting in faster processing times. Us ing the search keyword ”Jakarta,” Elasticsearch can process requests in just 8ms, while PostgreSQL requires up to 142,943ms."

"Menjamurnya jurnalisme kloning di kalangan jurnalis media siber atau yang biasa dikenal dengan sebutan jurnalisme online telah mengakibatkan menurunnya kualitas berita yang beredar di masyarakat. Padahal seharusnya sudah menjadi hak masyarakat untuk mendapatkan informasi yang faktual dan aktual. Jurnalisme kloning juga menyebabkan perspektif dari informasi yang diterima oleh masyarakat menjadi homogen. Di dalam tulisan ini penulis menyimpulkan bahwa terdapat beberapa jenis plagiarisme yang marak terjadi di kalangan jurnalis media online. Selain itu, terdapat juga berbagai metode penulisan berita yang sangat dekat dengan plagiarisme terjadi, seperti patchwriting dan excessive aggregator.The proliferation of news plagiarism among cyber media journalists or commonly known as online journalism has resulted in decreasing quality of news circulating in the community. When it should have become the public's right to obtain information that is factual and actual. News plagiarism has also causes the perspective of the information received by the community becomes homogeneous. In this paper, the author found that there are some type of plagiarism that online journalists oftenly did. Moreover, there are few of news-writing methods that is close-to plagiarism popular to online journalists, such as patchwriting and excessive aggregator.;;"

"ABSTRAKSebuah media daring jurnalistik bernama Beritagar.id memungkinkan berita dibuat tanpa melalui proses liputan langsung ke lapangan. Mereka menggunakan teknologi computer assisted reporting yang dapat merangkum informasi yang tersebar luas di internet untuk kemudian mereka kurasikan menjadi berita. Padahal, media-media yang mereka kurasikan belum tentu menerapkan prinsip-prinsip jurnalisme terutama prinsip akuntabilitas publik sebagaimana mestinya. Disini, dapat dilihat penerapan prinsip tersebut terutama pada isu pemberitaan yang sensitif macam demo Jakarta 4 November 2016. Kata kunci: media jurnalistik daring, Beritagar.id, prinsip jurnalisme akuntabilitas publik, demo Jakarta 4 November.

---

ABSTRACTA journalistic rsquo s online media named Beritagar.id can produce a news without reporting directly to the location. They use computer assisted reporting technology that can gathers all the information on the internet, and they curate it to be a news. In fact, the media that they curate does not necessarily apply the journalism as a public good rsquo s principle. Here, you can examine the application of that principle, especially on sensitive issues like Jakarta rsquo s November 4th rally. "

"Berita online sebagai media yang saat ini umum digunakan individu untuk mendapatkan informasi memiliki berbagai fitur baru yang tidak ada pada berita cetak, salah satunya adalah kolom komentar. Fitur baru ini tidak selalu menguntungkan melainkan dapat pula merugikan berita yang membawanya. Penelitian ini bertujuan untuk melihat dinamika dari bentuk berita dan jenis komentar terhadap penilaian kualitas berita serta enjoyment individu dalam membaca berita online. Dilakukan eksperimen daring dengan rancangan 2 Komentar Sopan vs Tidak Sopan x 2 Komentar Berbobot vs Tidak Berbobot x 2 Format Teks vs Infografik dengan 252 partisipan berusia 18-34 tahun yang paling tidak membaca satu artikel berita online setiap harinya. ANOVA faktorial menunjukkan berita yang mengandung komentar tidak sopan dinilai berkualitas lebih rendah dan menghasilkan tingkat enjoyment yang rendah sedangkan tidak terdapat pengaruh dari bentuk berita terhadap keduanya. Walaupun begitu, bentuk berita menghasilkan penilaian berita yang lebih rendah apabila disertai komentar tidak sopan. Implikasi komentar tidak sopan pada berita terhadap brand media berita serta tingkah laku membaca berita audiens didiskusikan.

---

Unlike traditional print news, online news whether it appears in the form of text or infographics, enables readers to comment on a news article immediately. This feature facilitates audience participation. At the same time, previous research also showed that online news readers might use comments from other readers to evaluate the quality of the news article. This study examined the influence of news form,uncivil comment, and substance of the comments on perceived quality and enjoyment of online news. Online experiment with 252 participants Age 18 34, at least read online news every day was conducted using 2 civil vs. uncivil comment x 2 substantiated vs. unsubstantiated reasoning x 2 infographic vs. text news factorial design. The result suggested that uncivil comment negatively affected perceived quality and enjoyment in online news. News form and substance of the comment had no main effect on perceived news quality or news enjoyment. However, an interaction news form and civility was found infographic news was perceived more negatively when it received uncivil comments."

"ABSTRAKSebanyak 34,9% masyarakat Indonesia sudah memanfaatkan internet dengan 18% penggunanya adalah mahasiswa. Jurnalisme 2.0 saat ini membuat masyarakat dapat berinteraksi langsung dengan produsen berita. Praktik jurnalisme saat ini sudah mengedepankan penggunaan foto, audio, video, animasi, infografis, dan teks dan media online dapat menggabungkan semua aspek tersebut. Indonesia dibanjiri situs olahraga tetapi didominasi oleh situs olahraga sepakbola. Tidak ada situs yang khusus membahas olahraga seputar kampus. Padahal, menurut hasil wawancara mendalam, kegiatan olahraga kampus perlu diliput media sehingga atlet kampus merasa diapresiasi. Untuk menjawab permasalahan tersebut, maka dikembangan prototype portal berita olahraga kampus bernama ?Sports & Beyond?. Target primer media ini adalah penggemar olahraga yang ada di universitas seluruh Indonesia dengan mempertimbangkan jangkauan internet di kota besar Indonesia, target sekundernya adalah masyarakat Indonesia. Segmentasi demografis berusia 16-23 tahun, berjenis kelamin laki-laki dan perempuan, dan memiliki SES A-B-C. Dari sisi anggaran, Sports & Beyond akan mencapai Break Even Point (BEP) pada tahun kedua bulan ke-tiga.

---

ABSTRACT

As much as 34,9% Indonesian uses internet on a daily basis with 18% of that sum being university students. Journalism 2.0 makes it possible for the pubic to have a direct interactions news producer. Journalism practice nowadays has encouraged the uses of photos, audios, videos, animation, infographics, and texts, with internet, all of those means can be combined. Indonesia is flooded with sports related sites which most of the contents are about Football. There are, however, no sport sites which focuses on college sports activities. Whereas, according to the result of our in-depth interviews, sports activities in college needs to be covered by the media in order for the athletes to be appreciated. To answer the problem, the prototype that are being developed is a type of news portal named Sports & Beyond. This news portal is chosen based on our research that has been spread to 50 respondents. The prime target of this media is sport fans in universities in Indonesia with the consideration of internet reach in big cities in Indonesia, the secondary target is the public in Indonesia. The segmented demography is male and female that has SES A-B-C at the age of 16-23 years. Looking from budgeting, Sports & Beyond will reach its Break Even Point (BEP) in the second year on the third month."