Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Tersedianya sumber informasi yang tidak terbatas pada saat ini, menjadikan perolehan informasi melibatkan banyak sumber informasi. Hal-hal tersebut memicu penelitian mengenai metode peringkasan dokumen yang semula ditujukan untuk membuat sebuah ringkasan dari sebuah dokumen menjadi metode peringkasan yang ditujukan untuk menghasilkan ringkasan dari banyak dokumen. Peringkasan multi-dokumen merupakan suatu metode yang ditujukan untuk menyampaikan informasi-informasi utama dari banyak dokumen dalam ringkasan. Penelitian yang dilakukan oleh penulis ini merupakan penelitian dengan topik peringkasan multi-dokumen untuk dokumen berbahasa Indonesia. Pada penelitian ini, penulis menggunakan dua buah teknik peringkasan multi-dokumen yaitu centroidbased summarization dan k-means-based summarization. Pada penelitian ini penulis mencoba untuk mengaplikasikan kedua teknik tersebut untuk membuat ringkasan dari dokumen berbahasa Indonesia. Untuk mengukur kualitas ringkasan yang dihasilkan oleh kedua teknik tersebut, penulis membuat ringkasan referensi untuk masing-masing sumber dokumen yang dibuat secara manual sebagai perbandingan. Hasilnya adalah pada teknik centroidbased summarization, kualitas ringkasan yang dihasilkan akan semakin bagus jika kelompok dokumen yang digunakan sebagai masukan berisi dokumen-dokumen yang relevan terhadap topik. Sedangkan pada teknik k-means-based summarization, kualitas ringkasan yang dihasilkan akan semakin bagus jika kelompok dokumen yang digunakan sebagai masukan merupakan kelompok dokumen yang besar (lebih banyak mengandung dokumen/kalimat). Evaluasi terhadap kualitas ringkasan juga dilakukan dengan menggunakan juri/penilai manusia. Hasilnya adalah pada teknik centroid-based summarization, para juri menilai ringkasan yang dihasilkan sudah bagus. Pada teknik k-means-based summarization dengan 10% compression rate, para juri menilai bahwa ringkasan.

Abstrak :
Akta autentik biasanya berisi suatu perjanjian dengan akibat hukum yang disepakati oleh para pihak. Yang berwenang untuk membuat akta autentik adalah Notaris. Dalam Putusan Majelis Pemeriksa Wilayah Notaris Provinsi DKI Jakarta Nomor 1/PTS/Mj.PWN.Prov.DKIJakarta/XI/2017, Notaris sedang dalam keadaan tidak berwenang untuk menjalankan jabatannya dan juga salah melakukan penerapan hukum sehingga akta yang dibuatnya tidak sesuai dengan kehendak salah satu pihak dalam akta. Penelitian ini bertujuan untuk mengetahui implikasi hukum atas ketidakwenangan yang dilakukan oleh Notaris serta bentuk tanggung jawabnya terhadap akta yang dibuatnya berdasarkan Putusan Majelis Pemeriksa Wilayah Notaris Provinsi DKI Jakarta Nomor 1/PTS/Mj.PWN.Prov.DKIJakarta/XI/2017 dengan menggunakan metode penelitian berbentuk Yuridis-Normatif menggunakan data sekunder untuk meneliti dan mengkaji lebih lanjut mengenai objek penelitian. Implikasi hukum yang terjadi adalah tidak terlindunginya hak para pihak dan dirugikan secara finansial, akta yang mengandung unsur ketidakwenangan  dapat dibatalkan serta menjadi berkekuatan seperti akta di bawah tangan dan untuk itu Notaris selain bertanggung jawab secara administrasi sesuai dengan Putusan Majelis Pemeriksa Wilayah Notaris Provinsi DKI Jakarta Nomor 1/PTS/Mj.PWN.Prov.DKIJakarta/XI/2017 dapat juga dikenakan sanksi perdata, pidana dan kode etik Notaris.

---

A legal document commonly contains an agreement with legal effects that are agreed by the parties involved. The one with authority to make a legal document is Notary. In the Notarial Inspectorate Regional of Province DKI Jakarta Verdict Number 1/PTS/Mj.PWN.Prov.DKIJakarta/XI/2017, the Notary who at the time had no authority to serve her duty misapplied legal effect causing the drafted document be unsuitable to one of the parties need. This research aims to know the legal implications of the unauthorization and the responsibilities entitled by the notary towards those documents according to the Notarial Inspectorate Regional of Province DKI Jakarta Verdict Number 1/PTS/Mj.PWN.Prov.DKIJakarta/XI/2017 by using the Judicial-Normative research method using secondary data to further explore and examine the object of the research. The legal implications towards the involved parties are their rights are unprotected and may suffer financial loss, the legal documents may be voided and degraded into ordinary documents and for those implications the Notary has to take responsibilities in the form of administrative sanction according to the Notarial Inspectorate Regional of Province DKI Jakarta Verdict Number 1/PTS/Mj.PWN.Prov.DKIJakarta/XI/2017 as well as civil, criminal and Notary code of ethics sanctions.

Abstrak :
Segmentasi dokumen merupakan suatu proses untuk membagi dokumen menjadi bagian-bagian yang homogen atau memiliki keterkaitan yang tinggi. Pada tugas akhir ini digunakan genetic algorithm sebagai metode untuk melakukan segmentasi dokumen. Genetic algorithm merupakan suatu algoritma pencarian solusi terhadap permasalahan dengan search space yang besar dengan menggunakan pendekatan evolusi. Penelitian tentang segmentasi dokumen menggunakan genetic algorithm telah dilakukan oleh Lamprier (Lamprier et al., 2007) terhadap dokumen bahasa Inggris dengan hasil yang memuaskan. Pada penelitian yang dilakukan Lamprier, proses segmentasi dilakukan dengan mengoptimisasi 2 fungsi objektif yaitu internal cohesion dan dissimilarity. Data yang digunakan pada percobaan ini terdiri dari dokumen artikel media massa Indonesia dan abstrak tulisan ilmiah dari Fakultas Ilmu Komputer Universitas Indonesia. Percobaan ini dilakukan dan dianalisa dari beberapa aspek yaitu aspek fitness function, metode penghitungan similarity, jumlah iterasi, ukuran populasi, jumlah segmen, dan kemiripan antar dokumen penyusun. Selain itu dilakukan pula perbandingan hasil segmentasi antara metode genetic algorithm dengan metode Texttiling. Hasil percobaan yang didapat adalah segmentasi dokumen menggunakan genetic algorithm dengan fitness function SPEA 2, metode penghitungan similarity menggunakan dice coefficient, jumlah iterasi 1000 iterasi, ukuran populasi 50 individu, tipe crossover two point crossover, dan probabilitas mutasi 0.09 memberikan hasil segmentasi terbaik. Pada percobaan untuk membandingkan 2 metode segmentasi yaitu genetic algorithm dan Texttiling diperoleh hasil precision 0.081 dan recall 0.46 untuk metode genetic algorithm dan precision 0.12 dan recall 0.58 untuk metode Texttiling. Dari data hasil percobaan diperoleh kesimpulan bahwa hasil segmentasi dengan metode Texttiling lebih baik daripada hasil segmentasi dengan metode genetic algorithm. Hasil ini bertolak belakang dengan apa yang dilaporakan pada penelitian yang dilakukan Lamprier (Lamprier et al., 2007), hal tersebut dipengaruhi oleh data dan penggunaan genetic operator yang lebih kompleks.

---

Document segmentation is a process to segments text into thematic homogeneous parts. The segmenting process uses genetic algorithm as a method to segment the text. Genetic algorithm is a searching algorithm for problem involving large search space by using evolution approach. Research about document segmentation has been done by Lamprier (Lamprier et al., 2007) for English document and show satisfied results. The segmentation in Lamprier?s research uses internal cohesion and dissimilarity as objective function to be optimized. This experiments use Indonesian mass media articles and abstracts of scientific paper from Lontar System of Faculty of Computer Science University of Indonesia. Experiments have been done and analyzed towards several aspects such as fitness function, similarity calculating method, number of iteration, number of population, number of boundary, and similarity between appended documents. Furthermore the experiment to compare genetic algorithm and other segmentation method (Texttiling) is done in the last experiment. The experiments shows that genetic algorithm using SPEA 2 as fitness function, dice coefficient as similarity calculating method, 1000 iteration, 50 individuals in population, two point crossover, and 0.09 mutation probability gives the best result. When comparing segmentation method between genetic algorithm and Texttiling, genetic algorithm gives precision 0.081 and recall 0.46 in other hand Texttiling gives precision 0.12 and recall 0.58. The results show that Texttiling gives better segmentation than genetic algorithm, this conclusion is diffrent with the conclusion reported by Lamprier?s research (Lamprier et al., 2007). The diffrent is related with data and genetic operator used by Lamprier?s research.

Abstrak :
ABSTRAK
Di dalam proses penyelenggaraan konstruksi, tahapan tender atau proses pelelangan merupakan salah satu bagian kunci yang tidak kalah pentingnya dengan kegiatan lainnya. Hal ini dikarenakan kesuksesan pada tahapan ini merupakan kegiatan awal dari proses penyelenggaraan konstruksi, yang mana jika tahapan tender ini gagal maka proses penyelenggaraan konstruksi tidak akan pernah dimulai. Oleh karena itu pada tahapan ini perlu ditangani secara baik dan benar mulai dari perencanaan sampai dengan pelaksanaannya.

Persaingan harga penawaran yang ketat pada proses pelelangan suatu proyek, jika tidak diperhitungkan secara benar dan matang akan dapat mengakibatkan sangat kecilnya keuntungan yang diperoleh atau bahkan tidak adanya keuntungan secara finansial bagi kontraktor. Hal ini bisa terjadi karena sistem penawaran yang digunakan dalam proses pelelangan tersebut serta pengambilan keputusan yang dilakukan oleh kontraktor adalah kurang tepat dalam memprediksi kondisi dan situasi yang terjadi pada persaingan industri jasa konstruksi.

Penelitian ini dilaksanakan untuk melakukan kajian terhadap pola serta sistem pengendalian penyusunan dokumen penawaran di PT. Waskita Karya terhadap peningkatan perolehan peringkat tender proyek konstruksi dalam suatu strategi penawaran bersaing, serta seberapa besar kontribusi variabel-variabel pengendalian penyusunan dokumen penawaran tersebut pengaruhnya terhadap hasil perolehan peringkat tender.

Hasil-hasil temuan penelitian ini menunjukkan bahwa terdapat beberapa variabel-variabel kegiatan pengendalian penyusunan dokumen penawaran di PT. Waskita Karya yang menjadi kunci keberhasilan dalam strategi penawaran bersaing. Variabel-variabel tersebut adalah penentuan besarnya prosentase mark-up, pengaruh tingkat resiko proyek, keterlibatan cast engineer, kualitas perangkat bantu software komputer, metode perhitungan biaya overhead dan keterlibatan site manager.

Hasil-hasil penelitian tersebut diperoleh dari 24 sampel yang telah dapat memenuhi persayaratan statistik. Sampel tersebut didapatkan dari 30 angket yang diberikan atau diisi oleh responden dari pimpinan-pimpinan proyek yang pemah menangani perencanaan maupun pelaksanaan pada proyek proyek di PT. Waskita Karya. Analisa yang dilakukan dalarn penelitian ini menggunakan analisa korelasi, analisa faktor dan analisa regresi berganda (multiple regression). Semua analisa tersebut dilakukan dengan menggunakan bantuan paket software Statistical Program for Science Release 7.5 atau SPSS Release 7.5 for Window

Abstrak :
Pengelompokan dokumen atau document clustering telah menjadi suatu teknik yang berguna dalam pengorganisasian sekumpulan dokumen. Dengan teknik ini, komputer bisa secara otomatis mengelompokkan sekumpulan dokumen ke dalam kluster-kluster yang cocok yang merepresentasikan data yang ada. Dengan demikian, proses pencarian informasi bisa dilakukan dengan lebih efisien. Telah banyak metode yang dikembangkan untuk mendukung pengelompokan dokumen. Dua diantara metode-metode tersebut adalah Nonnegative Matrix Factorization (NMF) dan Random Projection (RP). Pada penelitian ini, proses pengelompokan dokumen dilakukan dengan metode reduksi dimensi NMF dan RP pada dokumen berbahasa Indonesia. Untuk metode RP, diperlukan tahap tambahan untuk dapat mengelompokkan dokumen. Metode yang digunakan pada tahap ini adalah K-Means. Data yang digunakan pada percobaan adalah artikel media massa. Percobaan dilakukan dengan variasi pada variabel percobaan seperti jumlah kluster, jumlah data, jenis data, dan informasi fitur. Dari percobaan yang telah dilakukan, terlihat bahwa teknik NMF dan RP dapat diterapkan dalam aplikasi pengelompokan dokumen bahasa Indonesia. Akurasi pengelompokan bisa mencapai 97%. Dari percobaan terlihat juga bahwa teknik NMF menghasilkan akurasi yang lebih tinggi daripada RP dengan kisaran perbedaan sekitar 2%. Ukuran dan jumlah kluster juga mempengaruhi akurasi. Ukuran kluster yang semakin besar menyebabkan peningkatan akurasi sedangkan jumlah kluster yang semakin banyak menyebabkan penurunan akurasi. Dengan ukuran kluster 296 dan jumlah kluster 2 misalnya, akurasi mencapai 96%. Disamping itu, informasi fitur berupa presence merupakan yang paling cocok digunakan karena menghasilkan akurasi yang paling tinggi, juga mencapai 97%. Jumlah fitur yang lebih banyak dan tidak mengandung stopwords juga memberikan akurasi yang lebih tinggi.

---

Document clustering has been a beneficial technique in organizing documents. With good document clustering technique, computer can automatically group collection of documents into meaningful clusters. The information retrieval process thus can be done eficiently. There have been lots of methods developed in supporting document clustering process. Two of them are Nonnegative Matrix Factorization (NMF) and Random Projection (RP). In this research, document clustering process is conducted on Indonesian documents using both NMF and RP dimensional reduction method. For RP, additional clustering process is required. For this purpose, K-Means is used. Documents used are mass media articles. Experiments are conducted with variation of experiment variables including number of cluster, number of data, types of data, feature, etc. From the experiments conducted, it can be concluded that NMF and RP technique can be used in document clustering application for Indonesian documents. The accuracy reaches 97%. Experiments also show that NMF yields better accuracy than RP with difference range about 2%. Cluster size and cluster number also influence the accuracy. The bigger the cluster size, the higher the accuracy while the more the cluster number, the lower the accuracy. For example, with cluster size 296 and cluster number 2, the accuracy reaches 96%. Despitefully, using presence as feature is the most appropriate one because it results in the highest accuracy among others, also reaches 97%. In addition, the more the features used and excluding the stopwords, the higher the accuracy will be.