Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPenelitian ini bertujuan untuk menganalisis unsur makro dan mikro dari sebuah teks yang berjudul IMAN (Vereinigung Acehnesischer Studenten in Deutschland) yang ada pada majalah NADI (Nachrichten für Alumni über Deutschland und Indonesien). Metode yang digunakan dalam penelitian ini adalah metode kualitatif dengan bentuk kajian pustaka. Teks ini akan dianalisis menggunakan teori dari Nord (2010) tentang sistematika analisis teks menggunakan skema W-Frage. Berdasarkan hasil penelitian, diketahui bahwa pada teks sumber ataupun teks sasaran terdapat semua unsur makro dan mikro. Di samping itu pada teks sasaran juga ditemukan kesalahan seperti kesalahan penulisan dan ketidaksesuaian kaidah bahasa sasaran.

---

ABSTRACTThis study aims to analyze micro and macro elements of a text with the title IMAN (Vereinigung Acehnesischer Studenten in Deutschland) in NADI (Nachrichten für Alumni über Deutschland und Indonesien) magazine. The method that used in this study is qualitative method with literature review. The text will be analyzed by using the theory of Nord (2010), about the systematics text analysis by using W-Frage scheme. Based on the result, it is known that both original text and the translation text have all the elements of micro and macro. Furthermore, several mistakes also found in writting and mismatch of translation."

"Kajian risiko bencana di Indonesia oleh BNPB menunjukkan jumlah jiwa terpapar risiko bencana tersebar di seluruh Indonesia dengan total potensi jiwa terpapar lebih dari 255 juta jiwa. Hasil kajian ini menunjukkan bahwa dampak bencana di Indonesia terbilang sangat tinggi. Sistem penanggulangan khususnya pada masa tanggap darurat menjadi hal yang krusial untuk dapat meminimalisir risiko. Namun, pemberian bantuan kepada korban bencana terkendala beberapa hal, antara lain keterlambatan dalam penyaluran, kurangnya informasi lokasi korban, dan distribusi bantuan yang tidak merata. Untuk memberikan informasi yang cepat dan tepat, BNPB telah membangun beberapa sistem informasi seperti DIBI, InAware, Geospasial, Petabencana.id dan InaRisk. Akan tetapi tidak secara realtime menampilkan wilayah terdampak bencana dengan memnunjukkan jenis kebutuhan bantuan apa yang dibutuhkan korban pada saat itu. Untuk memberikan solusi atas permasalah tersebut, penelitian ini membangun model yang mampu mengklasifikasikan data teks dari Twitter terkait bencana kedalam jenis bantuan yang diminta oleh korban bencana secara realtime. Selain itu visualisasi berupa dashboard dibangun dalam bentuk aplikasi berbasis peta untuk menampilkan lokasi korban yang terdampak. Penelitian ini mengunakan teknik text mining mengolah data Twitter dengan pendekatan metode klasifikasi multi label dan ekstraksi informasi lokasi menggunakan metode Stanford NER. Algoritme yang digunakan adalan Naive Bayes, Support Vector Machine, dan Logistic Regression dengan kombinasi metode tranformasi data multi label OneVsRest, Binary Relevance, Label Power-set, dan Classifier Chain. Representasi teks menggunakan N-Grams dengan pembobotan TF-IDF. Model terbaik untuk klasifikasi multi label pada penelitian ini adalah kombinasi Support Vector Machine dan Clasifier Chain dengan fitur UniGram+BiGram dengan nilai precision 82%, recall 70%, dan F1-score 75%. Stanford NER menghasilkan F1-score 83% untuk klasifikasi lokasi yang menjadi masukan untuk teknik geocoding. Hasil geocoding berupa informasi spasial ditampilkan dalam bentuk dashboard berbasis peta.

---

The study of disaster risk in Indonesia by BNPB shows the number of people exposed to disaster risk throughout Indonesia with a total potential life of 255 million people. The results of this study indicate that the impact of disasters in Indonesia is quite high. The response system, especially during the emergency response period, is crucial to be able to minimize risks. However, providing assistance to disaster victims is hampered by several things, including delays in providing assistance, lack of information on the location of victims, and uneven distribution of aid. To provide fast and accurate information, BNPB has built several information systems such as DIBI, InAware, Geospatial, Petabencana.id and InaRisk. However, it does not display the disaster area in real-time by showing what kind of assistance needs the victim needs at that time. To provide a solution to these problems, this study builds a model that is able to classify text data from Twitter related to the type of assistance requested by disaster victims in real-time. In addition, a dashboard is built in the form of a map-based application to display the location of the realized victim. This study uses text mining techniques to process Twitter data with a multi-label classification approach and location information extraction using the Stanford NER method. The algorithms used are Naive Bayes, Support Vector Machine, and Logistic Regression with a combination of OneVsRest, Binary Relevance, Power-set Label, and Classifier Chain. Text representation using N-Grams with TF-IDF weighting. The best model for multi-label classification in this study is a combination of Support Vector Machine and Classifier Chain with UniGram+BiGram features with 82% precision, 70% recall, and 75% F1-score. Stanford NER produces an F1-score of 83% for location classification which is the input for geocoding techniques. Geocoding results in the form of spatial information are displayed in a map-based dashboard."

"[ABSTRAKAplikasi Fajr merupakan aplikasi mobile yang memiliki konten islami denganfitur utama yaitu Fajr Cards. Namun, Fajr Cards belum mampu menarikperhatian pengguna dengan minimnya jumlah pengguna fitur ini. Fajr Cardssebagai fitur yang berbasiskan kepada konten dapat ditingkatkan denganmemberikan konten yang relevan dengan pengguna. Twitter sebagai media sosialmemiliki data real-time dan jumlah yang banyak sehingga dapat menjadi sumberdata aktual untuk dianalisa. Data Twitter dapat dianalisa dengan menggunakantext mining. Salah satunya yaitu text classification atau klasifikasi teks Tujuanpenelitian ini adalah untuk menentukan metode klasifikasi apa yang terbaik untuk klasifikasi tema konten Fajr Cards. Metodologi yang digunakan menggunakan tahapan preprocess Text Mining danpenggunaan metode Text Mining yaitu Text Classification. Hasil yang diharapkan adalah gambaran bagaimana data Twitter diproses untuk proses klasifikasi dan metode klasifikasi apa yang terbaik untuk klasifikasi tema konten Fajr Cards.

---

ABSTRACTFajr application is a mobile application that contains Islamic contents for moslem daily life. To get more users, the developers create a main feature called Fajr Cards. But, Fajr Cards has not been able to attract users. It is based on the minimum of users that using Fajr Cards. Fajr Cards as a feature based on contents can be improved by adding more content that have relevance value to users. Twitter as microblog social media have real time and a lot of data. Those data can be used as an actual source data for analyze. Text mining such as text classification will be used to analyze the data. The purpose of this research is to get what classification method that suited best for this classification. Methodology that used in this research is Text Mining including preprocess and Text Classification. The expected results is to know what classification method that suited best for Fajr Card?s theme classification.;Fajr application is a mobile application that contains Islamic contents for moslemdaily life. To get more users, the developers create a main feature called FajrCards. But, Fajr Cards has not been able to attract users. It is based on theminimum of users that using Fajr Cards. Fajr Cards as a feature based on contentscan be improved by adding more content that have relevance value to users.Twitter as microblog social media have real time and a lot of data. Those data canbe used as an actual source data for analyze. Text mining such as textclassification will be used to analyze the data. The purpose of this research is toget what classification method that suited best for this classification.Methodology that used in this research is Text Mining including preprocess andText Classification. The expected results is to know what classification method that suited best for Fajr Card?s theme classification.;Fajr application is a mobile application that contains Islamic contents for moslemdaily life. To get more users, the developers create a main feature called FajrCards. But, Fajr Cards has not been able to attract users. It is based on theminimum of users that using Fajr Cards. Fajr Cards as a feature based on contentscan be improved by adding more content that have relevance value to users.Twitter as microblog social media have real time and a lot of data. Those data canbe used as an actual source data for analyze. Text mining such as textclassification will be used to analyze the data. The purpose of this research is toget what classification method that suited best for this classification.Methodology that used in this research is Text Mining including preprocess andText Classification. The expected results is to know what classification method that suited best for Fajr Card?s theme classification., Fajr application is a mobile application that contains Islamic contents for moslemdaily life. To get more users, the developers create a main feature called FajrCards. But, Fajr Cards has not been able to attract users. It is based on theminimum of users that using Fajr Cards. Fajr Cards as a feature based on contentscan be improved by adding more content that have relevance value to users.Twitter as microblog social media have real time and a lot of data. Those data canbe used as an actual source data for analyze. Text mining such as textclassification will be used to analyze the data. The purpose of this research is toget what classification method that suited best for this classification.Methodology that used in this research is Text Mining including preprocess andText Classification. The expected results is to know what classification method that suited best for Fajr Card’s theme classification.]"

"ABSTRAKDokumen ilmiah memuat ilmu pengetahuan yang dihasilkan dari penelitian. Dokumen-dokumen ini saling terhubung apabila terdapat hubungan antara penelitian yang satu dengan yang lain. Bidang ilmu pengetahuan merupakan bagian penting dalam menganalisis perkembangan ilmu pengetahuan. Domain kajian suatu bidang ilmu pengetahuan dapat dilihat dengan bantuan alat visualisasi. Salah satu bentuk visualisasi adalah pemetaan ilmu. Penelitian ini bertujuan untuk mendapatkan informasi tentang gambaran peta penelitian publikasi internasional Fakultas Teknik UI selama 6 tahun terakhir Januari 2010 ndash; Oktober 2016 yang terindeks Scopus. Pemetaan dilakukan dengan membangun jaringan hubungan antar artikel. Metode pendekatan analisis co-word dilakukan pada subjek penelitian kata kunci atau deskriptor . Data yang diolah diambil dari atribut author keyword dan index keyword publikasi internasional. Berdasarkan kemunculan co-occurence dari pasangan kata, analisis co-word menggambarkan tema penelitian dan menunjukkan hubungan antar tema dari konten berupa teks. Hasil dari penelitian ini adalah pemetaan dan klaster tema publikasi FT UI dan setiap departemen FT UI. Klaster tema publikasi FT UI didominasi oleh tema dari Departemen Teknik Elektro, Teknik Mesin, dan Teknik Metalurgi.

---

ABSTRACTScientific document contains knowledge generated from the research. These documents are connected if there is a link between each research. Science field is an important part in analyzing the development of science. Domain study of a field of science can be seen with the aid of visualization tools. One form of visualization is science mapping. The aim of this research is to achieve up to date information on the map of six years January 2010 ndash October 2016 international publication conducted by the researchers from Fakultas Teknik UI that are indexed by Scopus database. Science mapping is conducted by construct networks of links between articles. Method of co word analysis approach on subjects keywords or descriptor was implemented. Tabulation of data are extracted from the author keyword and index keyword of documents. Based on the co occurrence of pairs of words, co word analysis seeks to extract the themes of science and detect the linkages among these themes directly from the subject content of texts. The results of this study shows the theme map dan clusters in FT UI and each department of FT UI. Publication themes of FT UI are dominated by the theme from Department of Electrical Engineering, Mechanical Engineering, and Metallurgical Engineering."

"Ulasan hotel online di era modern ini memiliki peran besar mengingat hotel merupakan faktor penentu daya saing sebuah daerah wisata, namun pemanfaatannya masih jarang ditemukan. Berkaitan dengan rencana pemerintah untuk meningkatkan kunjungan wisatawan ke Indonesia, penelitian ini mengaplikasikan text mining terhadap ulasan hotel online untuk menemukan pengetahuan yang bermanfaat dalam membangun sektor perhotelan sebagai bagian integral dalam industri pariwisata. Teknik klasifikasi teks digunakan untuk mendapatkan informasi sentimen yang terkandung dalam kalimat ulasan melalui analisis sentimen, serta teknik klasterisasi pada text summarization untuk menemukan kalimat representatif yang mampu menggambarkan keseluruhan isi ulasan. Percobaan dengan ulasan hotel di Labuan Bajo, Lombok, dan Bali menghasilkan luaran yang memuaskan, di mana akurasi model penggolong klasifikasi sebesar 78 dan Davies-Bouldin Index DBI sebesar 0.071 untuk proses klasterisasi. Luaran penelitian ini diharapkan mampu menggambarkan kondisi hotel di daerah wisata unggulan Indonesia sehingga dapat berkontribusi dalam peningkatan kualitas sektor perhotelan sebagai penunjang industri pariwisata di Indonesia.

---

In this modern era, online hotel reviews have a big role considering the hotel is one the aspects in determining the competitiveness in the tourist area, but its implementation is still rare. Regarding the government 39 s plan to increase tourist arrivals to Indonesia, this research utilized text mining towards online hotel reviews to find useful knowledge in building the hospitality sector as an integral part of the tourism industry. Text classification technique was used to obtain sentiment information contained in review sentences through sentiment analysis, as well as clustering technique as a part of text summarization to find representative sentences that are able to describe the entire contents of the review. Experiments with hotel reviews in Labuan Bajo, Lombok and Bali generated surprising outcomes, where the accuracy of classification model reaches 78 and the Davies Bouldin Index DBI of clustering algorithm strikes 0.071. The output of this research is expected to be able to describe the condition of the hotel in tourist area based on the different level of tourism development so that it can contribute to improving the quality of the hotel industry as well as supporting the tourism industry in Indonesia."

"ABSTRAKPerkembangan teknologi komunikasi dan web pada industri pariwisata kian mempengaruhi cara orang dalam mengakses informasi. Salah satu bentuk perkembangannya diwakili dengan ulasan online oleh pengguna hotel pada travel website yang keberadaannya tengah menjamur dewasa ini. Opini pengguna dapat dimanfaatkan oleh pengelola hotel dalam meningkatkan kualitas industri perhotelan, bersamaan dengan rencana pemerintah untuk mendatangkan lebih banyak wisatawan ke Indonesia. Penelitian ini menggunakan pendekatan opinion mining guna mengetahui aspek yang berkaitan dengan layanan dan fasilitas beserta sentimennya untuk menggambarkan pendapat pengguna terhadap kualitas hotel. Sebuah program yang bekerja atas prinsip Recursive Neural Tensor Network (RNTN) digunakan dalam penelitian ini. Ulasan pengguna hotel di Labuan Bajo, Lombok, dan Bali digunakan untuk mewakili daerah wisata yang mirip dan berdekatan, serta tingkat perkembangan pariwisata yang berbeda-beda. Luaran analisis sentimen menunjukkan bahwa aspek yang berkaitan dengan aktivitas dan hiburan, fasilitas ruangan, dan jasa transportasi di ketiga daerah masih didominasi dengan sentimen negatif. Hasil penelitian dapat digunakan untuk evaluasi dalam meningkatkan kualitas industri perhotelan sebagai penunjang pariwisata di Indonesia

---

ABSTRACTThe rapid development of communication technology and website on the tourism domain increasingly influence the way people access information. One of the development impact is represented by hotel users? review on travel websites whose existence is flourishing today. Users? opinion can be used by hotel managers for improving the quality of the hospitality industry, in line with the government plans to bring more tourists to Indonesia. Opinion mining approach is used in this research to determine the aspects related to service and facility of the hotel, along with the sentiment to describe users? opinion towards the quality of the hotel. A program that works on the principle of Recursive Neural Tensor Network (RNTN) used in this study. Hotel users? review in Labuan Bajo, Lombok, and Bali used to represent the tourist areas that are similar and close to each other, with different levels of tourism development. The output of this research shows that the hotel aspects related to activities and entertainment, room amenities, and transportation services in the three regions are still dominated by negative sentiment. Therefore, the results of this research can be used for evaluation to improve the quality of the hospitality industry as an important support in Indonesia tourism"

"Provinsi DKI Jakarta memiliki tantangan dan permasalahan urban yang lebih kompleks dibandingkan daerah lainnya di Indonesia. Oleh karena itu, dibutuhkan perencanaan pembangunan daerah yang melibatkan seluruh pemangku kepentingan, terutama masyarakat. Salah satu pendekatan yang dilakukan adalah menyediakan sarana bagi masyarakat untuk menyampaikan aspirasi dan permasalahan yang terjadi di lingkungannya. Aspirasi dan permasalahan yang terjaring selanjutnya perlu dipetakan dan disinergikan dengan kebijakan dan prioritas pembangunan nasional. Penelitian ini menggunakan teknik Text Mining untuk mengklasifikasi laporan yang berupa teks menjadi beberapa kelas dan mengelompokkan set data setiap kelas untuk mendapatkan topik-topik khusus. Hasil penelitian menunjukkan bahwa masalah banjir dan kebersihan, khususnya menyangkut saluran air dan masalah sistem transportasi, khususnya mengenai jalan yang butuh perbaikan atau peninggian menjadi topik yang paling sering dilaporkan masyarakat. Visualisasi dan analisis dengan Sistem Informasi Geografis serta Diagram Pareto menunjukkan persebaran masalah dan masalah yang perlu diprioritaskan oleh tiap kota/kabupaten

---

Jakarta has more complex problems and challenges than other urban areas in Indonesia. Therefore, the development plan of Jakarta involves all of the stakeholders, especially the public. One approach taken is to provide a means for public to submit aspirations and problems that occur at their surroundings. Aspirations and problems conveyed by public then need to be mapped and synergized with national policy and development priorities. This study uses Text Mining techniques to classify the textual report into several classes and then cluster data set in each class into specific topics. The results showed that the majority of public reports are associated with flood problems, especially regarding to drainage and waterways, and transportation system problems, especially regarding to roads condition. Visualization and analysis using Geographic Information Systems and Pareto Chart shows the spreads of the problems and issues that need to be prioritized by each city/county"