Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 256 dokumen yang sesuai dengan query
cover
Ismirani Mardalena
"The absence of equivalents is an issue that has always been faced by translators in translating the source text. When translating proverbs, which are loaded with moral and cultural messages, translators are required to be able to transfer the messages appropriately. The different types of proverbs between French and Indonesian are a major cause of translators' difficulty in finding the equivalents in the form of proverbs. This issue was raised from the author's own experience in translating French fable by Jean de La Fontaine into Indonesian. By using the theory of Paremi and proverbs types of Bhuvaneswar (2000), French and Indonesian proverbs are analyzed in order to find the kinds of proverbs of the source language and the target language. It was found that the absence of equivalents in the form of Indonesian proverbs caused by the opposite of types of French proverbs and Indonesian proverbs. The majority of French proverbs are literal, whereas Indonesian proverbs are mostly metaphors. Data were taken from the fables of Jean de La Fontaine and its translation into Indonesian."
Depok: Fakultas Ilmu Pengetahuan Budaya Universitas Indonesia, 2016
306 UI-PJKB 6:2 (2016) ; PDF
Artikel Jurnal  Universitas Indonesia Library
cover
Muhammad Ariq Syauqi
"ABSTRAK
Karena tidak adanya aturan internasional mengenai jenis huruf font , pemilihan jenis huruf untuk teks akademik menjadi kebijakan setiap institusi. Banyak universitas yang memublikasikan karya akademik, termasuk Universitas Indonesia, memilih Times New Roman TNR sebagai font standar. Meski begitu, diprakarsai oleh perubahan font default Microsoft dari TNR menjadi Calibri pada 2007, beberapa universitas telah menerima Calibri sebagai font yang cocok untuk penulisan akademik. Meski penelitian terdahulu menunjukkan bahwa Calibri memiliki tingkat keterbacaan yang lebih baik pada layar, belum satu pun dari penelitian tersebut yang memakai aspek sosiolinguistik untuk menilai font. Penelitian kuantitatif-kualitatif ini mencoba untuk menilai keformalitasan font dalam konteks akademik. Responden yang terdiri dari 255 mahasiswa UI diminta untuk menilai tingkat keformalan font menggunakan skala Likert dan membandingkan ciri anatomis font yang mungkin memengaruhi keformalan. Penelitian ini menemukan bahwa TNR masih dianggap sebagai font yang paling formal, dan bahwa beberapa sifat TNR seperti serif dan ketebalan batang yang dinamis, yang tidak dimiliki oleh Calibri, membantunya untuk meningkatkan nuansa formal.

ABSTRACT
Choosing font for academic texts becomes the authority of each institution as there is no international standard for this. Many universities which publish academic papers, including Universitas Indonesia, choose Times New Roman TNR as the standard font. Nevertheless, initiated by the change of Microsoft default font into Calibri in 2007, some institutions have considered Calibri a suitable font for academic writing. Although recent studies show Calibri has better legibility on screen, none of them uses aspects of sociolinguistics to score which font is better. This quantitative qualitative study attempts to fill the gap by scoring formality of fonts in academic contexts. Respondents consisting of 255 UI students are asked to rate the formality of fonts using Likert scale and compare their anatomic features which might affect formality. This study finds TNR is still considered the most formal, with a big gap with that of Calibri, and that some features of TNR such as serif and dynamic stroke width, which are missing in Calibri, help the font gain formality."
Fakultas Ilmu Pengetahuan Budaya Universitas Indonesia, 2017
MK-Pdf
UI - Makalah dan Kertas Kerja  Universitas Indonesia Library
cover
Ismirani Mardalena
Depok: Fakultas Ilmu Pengetahuan Budaya Universitas Indonesia, 2016
907 PJKB 6: 2 (2016)
Artikel Jurnal  Universitas Indonesia Library
cover
Dita Anggraeni Kusumaningrum
"Kepuasan pelanggan merupakan salah satu faktor penting bagi keberhasilan suatu bisnis, termasuk pada industri jasa penerbangan yang mengalami peningkatan dari tahun ke tahun. Salah satu cara untuk mengukur tingkat kepuasan pelanggan adalah dengan cara penyampaian opini atau ulasan. Opini atau ulasan disampaikan melalui pesan singkat, kotak saran, media sosial maupun halaman web sehingga data yang tersedia berjumlah banyak. Pendekatan text mining tepat digunakan untuk mengekstrak informasi dari data ulasan yang berjumlah banyak secara otomatis. Penelitian ini mengevaluasi dan menganalisis ulasan pelanggan terhadap layanan dan fasilitas Bandara Soekarno-Hatta yang merupakan bandara terbesar di Indonesia. Penelitian ini mengombinasikan pendekatan text mining berupa analisis sentimen dan text summarization. Teknik klasifikasi digunakan untuk mengidentifikasi sentimen positif atau negatif yang terkandung dalam kalimat ulasan. Teknik klasifikasi yang digunakan adalah support vector machine yang cocok digunakan untuk data yang berjumlah besar dan na ve bayes classifier yang hanya membutuhkan jumlah data latihan yang kecil untuk menentukan estimasi parameter dalam proses pengklasifikasian. Text summarization dengan teknik k-medoids clustering digunakan untuk memperoleh kalimat representatif yang menggambarkan keseluruhan isi ulasan. Hasil dari teknik klasifikasi pada penelitian ini menunjukkan bahwa algoritme support vector machine menghasilkan nilai akurasi yang lebih tinggi dibandingkan algoritme na ve bayes classifier dalam menganalisis sentimen. Tahap text summarization dengan teknik k-medoids clustering menghasilkan nilai Davies-Bouldin Index yang mendekati nol. Luaran dari penelitian ini berupa identifikasi aspek layanan dan fasilitas bandara yang menjadi kekuatan dan kelemahan serta penentuan prioritas perbaikan dan peningkatan kualitas aspek layanan dan fasilitas yang masih menjadi kelemahan.

Customer satisfaction is an important factor for the business rsquo success, including airline service industry which is increasing from year to year. One way to measure customer satisfaction level is by customer opinions or reviews. Opinions or reviews are conveyed via short messages, suggestion boxes, social media and web pages so customer reviews provided are numerous. Text mining is a right approach to extract information from a large number of review data automatically. This study evaluates and analyzes customer reviews of services and facilities of Soekarno Hatta Airport as the largest airport in Indonesia. This study combines text mining approach of sentimental analysis and text summarization. The classification technique is used to identify the positive or negative sentiments contained in the review sentence. The classification technique used is a support vector machine suitable for large amounts of data and na ve bayes classifier which requires only a small amount of exercise data to determine parameter estimation in the classification process. Text summarization with k medoids clustering technique is used to obtain representative sentences that describe the entire contents of the review. The results of the classification technique in this study indicate that support vector machine algorithm has a higher accuracy value than na ve bayes classifier algorithm in analyzing sentiments. Text summarization stage with k medoids clustering technique yields a near zero Davies Bouldin Index value. The output of this research is identification of service aspect and airport facility which become the strength and weakness as well as the improvement prioritization of aspects that still become weakness.
"
Depok: Fakultas Teknik Universitas Indonesia, 2018
S-Pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Annisa Sekar Andini
"Iklan memiliki berbagai cara supaya konsumen dapat menerima pesan iklan dengan baik. Cara yang dianggap efektif adalah penggunaan humor yang diadaptasi oleh Langnese pada iklan kampanye bertajuk Talking Ice Cream. Penelitian ini bertujuan untuk menelaah unsur-unsur semantik dan pragmatik yang terlibat dalam penyampaian pesan iklan dan hubungannya dengan gambar pada iklan. Hasil dari penelitian ini menunjukkan bahwa iklan Langnese Talking Ice Cream melibatkan unsur semantik berupa makna leksikal, makna idiom, ambiguitas makna serta unsur pragmatik berupa tindak tutur ilokusi, dan pelanggaran prinsip kerja sama. Konteks situasi tutur yang bergantung dengan faktor budaya serta hubungannya dengan gambar dan teks berdasarkan teori Nina Janich juga tidak lepas dari perannya sebagai penunjang humor.

In advertising, there are variety of ways in which consumers can receive and take in the message properly. The method that is considered an effective way is the use of humor that Langnese adapted in campaign advertisement titled Talking Ice Creams. This research aims to examine semantic and pragmatic elements involved in the delivery of the messages and the relation to images on ads. The result of this research show that Talking Ice Creams involves semantic elements of lexical meaning, idiomatic meaning, ambiguity and pragmatic elements in illocution act, infringement of cooperative principle. Speech situational context which depends on cultural factors and the relation between image and text based on Nina Janich rsquo;s theory also can not be separated from its role as a supporter of humor.
"
Depok: Fakultas Ilmu Pengetahuan Budaya Universitas Indonesia, 2018
MK-Pdf
UI - Makalah dan Kertas Kerja  Universitas Indonesia Library
cover
Gusman Dharma Putra
"Jenis bencana alam, lokasi, dan waktu kejadian adalah informasi minimal bisa mengindikasi terjadinya sebuah bencana alam. Salah satu sumber informasi kejadian bencana alam adalah dari berita di media siber. Suatu sistem informasi tentang bencana alam bisa memanfaatkan berita di media siber sebagai sumber data, namun harus mengubah data teks berita menjadi bentuk data terstruktur. Teknik penambangan teks yang bisa digunakan untuk mendapatkan data terstruktur dari suatu kumpulkan teks. Penelitian ini melakukan eksplorasi efektivitas teknik penambangan data untuk mengekstrak informasi jenis bencana alam, lokasi, dan waktu kejadian. Metode web scraping digunakan untuk mengumpulkan data teks berita dari media siber dan anotasi manual dilakukan untuk membuat data gold standard. Penelitian ini menggunakan klasifikasi teks dengan machine learning untuk mengetahui jenis bencana alam yang diberitakan. Klasifikasi biner diterapkan untuk mengetahui pemberitaan tentang bencana angin topan, banjir, erupsi, gempa, karhutla, kekeringan, longsor, dan tsunami. Algoritma yang diuji untuk klasifikasi teks adalah Multinomial Naive Bayes, Support Vector Machine, Random Forest, Linear Regression dan Adaboost. Penelitian ini memanfaatkan aplikasi Stanford NER untuk mengetahui entitas lokasi di suatu teks, kemudian gazetteer digunakan untuk pemetaan wilayah administrasi. Penelitian ini menggunakan pencocokan pola teks dengan regular expression untuk mengekstrak informasi tanggal kejadian bencana alam. Nilai F1 dari model klasifikasi penelitian ini untuk berita bencana angin topan, banjir, erupsi, gempa, karhutla, kekeringan, longsor, dan tsunami adalah 0,731, 0,767, 0,760, 0,761, 0,749, 0,680, 0,763, dan 0,600. Sedangkan Nilai F1 untuk hasil ekstraksi lokasi dan waktu adalah 0,795 dan 0,881.

The minimal information to notice the occurrence of a natural disaster is its type, location, and event time. News in the cyber media can be a source of information to discover disaster events. Furthermore, natural disaster information systems can utilize that news as the data source. The news needs to be converted into structured data to be processed by system information. Text mining is a method to extract structured information from a text collection. This research explored the effectiveness of data mining to extract natural disaster type, location, and event time reported by news in cyber media. The web scraping method was used to collect news in cyber media and manual annotation was performed to create gold-standard data. This study used text classification with a machine learning approach to identify the types of natural disasters reported. Binary classification was applied to label news for following disaster types: hurricanes, floods, eruptions, earthquakes, forest and land fires, droughts, landslides, and tsunami. This research evaluated Multinomial Naive Bayes, Support Vector Machines, Random Forests, Linear Regression, and AdaBoost algorithm for text classification tasks. This study utilized the Stanford NER application to recognize location entities in a text, then the gazetteer was used to get administrative area information. This study applied text patterns with regular expressions to extract date information of disaster events. The F1 value of 8 classification model in this research for following disaster news type: hurricanes, floods, eruptions, earthquakes, forest and land fires, droughts, landslides, and tsunami, are 0.731, 0.767, 0.760, 0.761, 0.749, 0.780, 0.680, 0.763, and 0.600. The F1 value of method to extract location and event time information are 0.795 and 0.881.

 

"
Depok: Fakultas Ilmu Komputer Universitas Indonesia , 2020
TA-Pdf
UI - Tugas Akhir  Universitas Indonesia Library
cover
Ryan Randy Suryono
"Penelitian ini bertujuan untuk membangun proses bisnis pengawasan Fintech P2P Lending di Indonesia berbasis Berita Daring, Twitter, dan Ulasan Google Playstore. Usulan pengawasan yang baru digambarkan dengan Business Process Modeling Notation (BPMN). Selanjutnya diimplementasikan dengan membuat prototipe. Pendekatan yang digunakan adalah pendekatan Text Mining seperti ekstraksi informasi dengan Named Entity Recognition (NER), Analisis Sentimen dan Pemodelan Topik dengan Latent Dirichlet Allocation (LDA). Hasil eksperimen pada pendekatan NER menunjukan Algoritma Multinomial Naïve Bayes mendapatkan F1-score tertinggi sebesar 90%, sedangkan pada pendekatan analisis sentiment model Naïve Bayes dan Random Forest terbukti memiliki akurasi tinggi yaitu diatas 91%. Hasil NER membuktikan bahwa platform Cashless, Yokke, Digital Artha Media, Koinworks, Moka, Privy id, PT Tunaiku Fintech Indonesia, PT Relasi Perdana Indonesia, PT Dynamic Credit Asia dan PT Progo Puncak Group tidak ada dalam daftar Fintech di Otoritas Jasa Keuangan (OJK). Sedangkan hasil Persentase positif untuk aplikasi Adakami, Easycash, Danamas, Dompetkilat, dan Indodana berturut-turut adalah 47%, 59%, 28%, 24%, dan 29%. Penelitian ini dapat digunakan oleh OJK untuk pengawasan Fintech dan meningkatkan perlindungan konsumen.

This research aims to build a business process to supervise Fintech P2P Lending in Indonesia based on Online News, Twitter, and Google Playstore Reviews. The proposed new supervision is described by the Business Process Modeling Notation (BPMN), then implemented by making a prototype. The Text Mining approach uses information extraction with Named Entity Recognition (NER), Sentiment Analysis, and Topic Modeling with Latent Dirichlet Allocation (LDA). Experimental results on the NER approach show that the Naïve Bayes Multinomial Algorithm gets the highest F1-score of 90%. In contrast, the Naïve Bayes and Random Forest model sentiment analysis approaches are proven to have high accuracy, above 91%. The NER results demonstrate that the platforms Cashless, Yokke, Digital Artha Media, Koinworks, Moka, Privy id, PT Tunaiku Fintech Indonesia, PT Relasi Perdana Indonesia, PT Dynamic Credit Asia, and PT Progo Puncak Group are not on the Fintech list at the Financial Services Authority (OJK). While the positive percentage results for the Adakami, Easycash, Danamas, Dompetkilat, and Indodana applications were 47%, 59%, 28%, 24%, and 29%, respectively. This research can be used by OJK for Fintech supervision and improving consumer protection."
Jakarta: Fakultas Ilmu Komputer Universitas Indonesia, 2023
D-pdf
UI - Disertasi Membership  Universitas Indonesia Library
cover
Tatag Aziz Prawiro
"Normalisasi teks merupakan task pada NLP yang dapat digunakan untuk meningkatkan performa dari aplikasi-aplikasi NLP lain. Penelitian tentang normalisasi teks pada bahasa Indonesia masih jarang dan kebanyakan masih hanya menormalisasi pada tingkat token. Penelitian ini bertujuan untuk mengevaluasi pembangunan model normalisasi dengan menggunakan algoritma statistical machine translation (SMT). Isu dari pendekatan machine translation dalam penyelesaian task normalisasi teks
adalah butuhnya data yang relative banyak. Penelitian ini juga melihat bagaimana pengaruh dari pemelajaran semi-supervised dengan cara menggunakan pseudo-data dalam pembangunan model normalisasi teks dengan algoritma statistical machine translation. Model SMT memiliki performa yang cukup baik pada data tanpa tanda baca, namun memiliki performa yang buruk pada data bertanda baca karena banyaknya noise. Pendekatan semi-supervised menurunkan performa SMT secara keseluruhan, namun, pada jenis data tidak bertanda baca penurunan relatif tidak signifikan.

Text normalization is a task in NLP which can be used to improve the performance of other NLP
applications. Research on text normalization in Indonesian language is still rare and most only
normalize at the token level. This study attempts to improve the development of the normalization
model by using the statistical machine translation (SMT) algorithm. The issue in building a good
performing text normalization model using the machine translation approach is the relatively large
data needs. This research also looks at how using semi-supervised learning by using pseudo-data as
training data in SMT approach affects text normalization performance. The SMT model has a fairly
good performance on data without punctuation, but has poor performance on data with a punctuation
due to the amount of noise. The semi-supervised approach reduces the overall performance of the
SMT model, but the reduction in performance is relatively insignificant on data without punctuation.
"
Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2020
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Nicholas Glenn Dimas Adilanang
"Artificial Intelligence dalam bidang seni mengalami perkembangan yang pesat, salah satunya adalah munculnya Text-to-Images Art, fitur oleh AI dalam pembuatan gambar visual berdasarkan prompt text yang di-input oleh manusia sebagai user. Namun, karya gambar yang dihasilkan dari Text-to-Images Art menjadi perdebatan apakah karya ini dapat dilindungi oleh hak cipta atau tidak, hal ini dikarenakan hukum hak cipta Indonesia memiliki doktrin bahwa manusia (natural person) sebagai pencipta menjadi syarat dalam agar ciptaan dapat terlindungi hak cipta. Kemudian, ciptaan juga harus memenuhi unsur originality dan fixation sebagai bentuk adanya hasil usaha intelektual pencipta sebagai manusia dalam bentuk materil yang nyata, sehingga perlunya analisis atas hak cipta dari karya gambar Text-to-Images Art yang dibentuk oleh AI terutama dalam proses pembentukan karyanya berdasarkan doktrin authorship dan ownership di Indonesia dan internasional. Metode penelitian yang digunakan dalam penelitian ini yaitu berbentuk metode penelitian yang digunakan dalam penelitian ini yaitu berbentuk Yuridis-Normatif dengan menganalisis permasalahan berdasarkan Undang-Undang Nomor 28 Tahun 2014 tentang Hak Cipta sebagai dasar ketentuan peraturan mengenai Hak Cipta di Indonesia. Dalam skripsi ini akan digunakan pula pendekatan komparatif dengan membandingkan peraturan internasional dan negara-negara penganut civil law dan common law terkait dengan doktrin authorship dalam peraturan hak cipta di kedua sistem hukum. Hasil penelitian ini menemukan bahwa berdasarkan hukum Indonesia, Text-to-Images Art tidak memenuhi unsur sebagai ciptaan yang dapat dilindungi oleh hak cipta karena tidak memenuhi unsur originality yang membutuhkan usaha independen oleh manusia dan adanya creative choice dalam pembentukannya. Namun, dalam praktiknya, Text-to-Image Art dapat dilindungi oleh beberapa negara penganut common law sebagai computer-generated works dengan pengembang model Text-to-Images Art sebagai pencipta.

Artificial Intelligence in the field of art is experiencing rapid development, one of which is the emergence of Text-to-Images Art, a feature by AI in making visual images based on prompt text inputed by humans as users. However, the image work produced from Text-to-Images Art is a debate whether this work can be protected by copyright or not, this is because Indonesian copyright law has the doctrine that a human (natural person) as the creator is a condition for the creation to be protected by copyright. Then, the creation must also meet the elements of originality and fixation as a form of the result of the intellectual effort of the creator as a human in a tangible material form, so it is necessary to analyze the validity of the copyright of the Text-to-Images Art image created by AI, especially in the process of forming the work based on the doctrine of authorship and ownership in Indonesia and internationally. The research method used in this study is Juridical-Normative by analyzing problems based on Law Number 28 of 2014 on Copyright as the basis for the provisions of regulations regarding copyright in Indonesia. This thesis will also use a comparative approach by comparing international regulations and countries that adhere to civil law and common law related to the doctrine of authorship in copyright regulations in both legal systems. The results of this study found that based on Indonesian law, Text-to-Images Art does not meet the elements as a creation that can be protected by copyright because it does not meet the element of originality which requires independent effort by humans and creative choice in its formation. However, in practice, Text-to-Image Art can be protected by some common law countries as computer-generated works with the developer of the Text-to-Images Art model as the creator."
Depok: Fakultas Hukum Universitas Indonesia, 2022
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Haydira Prili Ananza
"Dibutuhkan strategi untuk menanggulangi krisis sampah plastik dari industri Fast-Moving Consumer Goods, salah satunya dengan membuat produk berbahan dasar plastik lebih ramah lingkungan. Metode penelitian menggunakan desain eksperimental two-factor within-subject. Pengukuran Perceived Value menggunakan alat ukur oleh Konuk (2018). Jumlah partisipan sebanyak 133, merupakan WNI usia 18-25 tahun. Hasil penelitian menunjukkan terdapat perbedaan signifikan pada Perceived Value konsumen saat diberikan produk sikat gigi dengan logo ramah lingkungan dan yang tidak F(1, 132) = 44.382, p < 0,001, η²p = 0.252), dan dengan teks ramah lingkungan dan yang tidak F(1,132) = 67.171, p < 0,001, η²p = 0.337). Selain itu, terdapat interaksi yang signifikan antara logo dan juga teks ramah lingkungan terhadap Perceived Value F(1, 132) = 13.892, p < 0,001, η²p = 0.095). Kesimpulannya, penggunaan eco-label (logo dan teks ramah lingkungan) dapat mempengaruhi Perceived Value konsumen. Dengan begitu pihak produsen dapat mengaplikasikan penggunaan logo dan teks pada kemasan produk ramah lingkungan untuk memaksimalkan pemasaran.

A strategy is needed to overcome the plastic waste crisis from the Fast-Moving Consumer Goods industry, one of which is by making plastic-based products more environmentally friendly. The research method used a two-factor within-subject experimental design. Measurement of Perceived Value using measuring tools by Konuk (2018). The number of participants are 133 Indonesian citizens aged 18-25 years. The results showed that there was a significant difference in consumers' Perceived Value when given a toothbrush product with an environmentally friendly logo and one that was not F(1, 132) = 44,382, p < 0.001, ²p = 0.252), and with environmentally friendly text and those that were not F( 1.132) = 67171, p < 0.001, ²p = 0.337). In addition, there is a significant interaction between the logo and environmentally friendly text on the Perceived Value F(1, 132) = 13,892, p < 0.001, ²p = 0.095). In conclusion, the use of eco-labels (eco-friendly logos and texts) can affect consumers' Perceived Value. That way, producers can apply the use of logos and text on environmentally friendly product packaging to maximize marketing."
Depok: Fakultas Psikologi Universitas Indonesia, 2022
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
<<   3 4 5 6 7 8 9 10 11 12   >>