Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Penelitian ini membahas tentang pengembangan sistem penilaian ujian lisan (SIPENILAI) pengucapan bahasa Jepang menggunakan algoritma winnowing. Winnowing merupakan algoritma dengan basis fingerprint yang digunakan untuk mengukur tingkat kemiripan teks. Masukan sistem penilaian ujian lisan (SIPENILAI) adalah suara yang pada proses selanjutnya diubah dalam bentuk teks dengan speech recognition Julius. Keluaran Julius adalah teks berkarakter Jepang. Pada teks tersebut dilakukan proses romanisasi untuk mengubah karakter ke bentuk romaji. Pemodelan bahasa N-gram diterapkan pada algoritma winnowing dan Julius. Sistem penilaian menggunakan variasi parameter winnowing n=2, p=2 dan w=2 dan perhitungan cosine similarity yang menghasilkan akurasi sebesar 91,94%. Diamati faktor-faktor yang mempengaruhi akurasi setiap pengguna. Dalam melakukan penilaian, sistem berjalan dengan kecepatan sebesar 35,49 KB/s. ...... This research discusses the development of oral examination grading system (SIPENILAI) for Japanese pronunciation using winnowing algorithm. Winnowing is a fingerprint-based algorithm that is used to measure text similarity rate. The oral examination grading system (SIPENILAI) receives speech input, then it is converted into text with Julius speech recognition. The output of Julius is text with Japanese characters. Romanization process is carried out to convert the Japanese character to the romaji form. N-gram language modeling is applied to winnowing algorithm and Julius. The accuracy rate is 91,94% by using n = 2, p = 2 and w = 2 winnowing parameters and cosine similarity. In this research, factors that influence the accuracy rate are observed. The system executes the process with speeds of 35,49 KB/s.

Abstrak :
SIMPLE-O atau Sistem Penilaian Esai Otomatis merupakan sebuah proyek yang dikembangkan oleh Departemen Teknik Elektro, Universitas Indonesia sejak tahun 2007. Penelitian ini membahas penerapan algoritma winnowing dan algoritma ASCII-Based Hashing pada pengembangan SIMPLE-O untuk ujian bahasa Jepang. Sistem dikembangkan dengan menggunakan bahasa pemrograman Python. Beberapa penelitian sebelumnya pernah menggunakan algoritma winnowing untuk mengembangkan SIMPLE-O. Namun yang membedakannya pada penelitian ini adanya penggantian algoritma hashing yang biasa digunakan, yaitu dari Rolling Hash menjadi algoritma ASCII-Based Hashing. Algoritma hashing tersebut termasuk kedalam algoritma LSH (Locality-sensitive hashing). Proses penilaian membutuhkan dua data input, yaitu jawaban mahasiswa (peserta ujian) dan kunci jawaban dosen. Kedua data input yang masih dalam bahasa Jepang akan diromanisasi menjadi teks romaji (huruf latin), setelah itu akan diproses oleh algoritma winnowing dan algoritma hashing untuk menghasilkan fingerprint. Maksud dari penelitian ini adalah untuk mencoba mendapatkan akurasi sistem yang paling tinggi. Dari hasil penelitian, didapatkan rata-rata akurasi nilai total sistem sebesar 87.10% jika parameter winnowing untuk setiap data input diseragamkan (n = 2 dan w = 2). Akurasi tersebut mengalami peningkatkan sebesar 0.24% dari hasil penelitian sebelumnya yang bernilai 86.86%. Namun jika parameter winnowing disesuaikan menggunakan nilai kombinasi yang paling terbaik, maka rata-rata akurasi nilai total sistem yang didapatkan adalah 92.74%. Akurasi tersebebut mengalami peningkatan sebesar 1.82% dari hasil penelitian sebelumnya yang bernilai 90.92%. Untuk akurasi total per mahasiswa dapat mencapai 99.95%, dan akurasi pernomor untuk tiap sampel mahasiswa berkisar dari 69.55% hingga 100%. ......SIMPLE-O or Automated Essay Grading System is a project developed by the Department of Electrical Engineering, University of Indonesia since 2007. This research discusses the implementation of the winnowing algorithm and the ASCII-Based Hashing algorithm in the development of SIMPLE-O for the Japanese language exam. The system was developed using the Python programming language. Several previous research have used the winnowing algorithm to develop SIMPLE-O. But what distinguishes it in this research is the replacement of the hashing algorithm that is commonly used, namely from Rolling Hash to ASCII-Based Hashing algorithm. ASCII-Based Hashing is one of the LSH (Locality-sensitive hashing) algorithm. The grading process requires two input data, namely the examinee's answers and lecturers' answer keys. The two-input data that are still in Japanese will be romanized into romaji text (Latin letters), after that it will be processed by the winnowing algorithm and hashing algorithm to generate fingerprints. The purpose of this research is to try to get the highest system accuracy. From the research results. The average accuracy of the total system value is 87.10% if the winnowing parameters for each input data are equated (n = 2 and w = 2). The accuracy increased by 0.24% from the results of previous research which were worth 86.86%. However, if the winnowing parameter is adjusted using the best combination value, then the average accuracy of the total system value obtained is 92.74%. The accuracy has increased by 1.82% from the results of previous research which were worth 90.92%. The total accuracy of each student can reach 99.95%, and the accuracy of each number for each student sample ranges from 69.55% to 100%.

Abstrak :
ABSTRAK
Departemen Teknik Elektro Fakultas Teknik Universitas Indonesia telah mengembangkan sistem penilaian esai otomatis (SIMPLE-O) untuk ujian bahasa Jepang. Skripsi kali ini akan membahas pengembangan SIMPLE-O dalam mengoreksi ujian bahasa Jepang dengan menggunakan metode N-Gram dan Latent Semantic Analysis (LSA) dan bahasa pemrograman Python dengan tujuan untuk mencapai nilai akurasi yang maksimal. N-Gram digunakan untuk mengoreksi pola kalimat data yang diuji dengan referensi, serta LSA dan Frobenius Norm untuk pemrosesan teks dan pemeriksaan kesamaan teks. Dari pengujian yang telah dilakukan, SIMPLE-O dengan N-Gram dapat mencapai rata-rata akurasi sebesar88,09%.

---

ABSTRACT
Department of Electrical Engineering, Faculty of Engineering, University of Indonesia has developed a system to grade Japanese examination essay automatically. This thesis will discuss about the development of SIMPLE-O in grading Japanese examination essays using N-Gram and Latent Semantic Analysis (LSA) using Python programming languageto reach the maximum accuracy level. N-Gram is used to score the answer based on the words and the pattern of the sentence of key answer. LSA and Frobenius Norm are used toprocess the text and to check the similarity of both text. From the test that has been done, SIMPLE-O using N-GramandLSAis able to obtain an average rate of accuracy of 88,09%.

Abstrak :
Dalam penelitian ini membahas mengenai rancangan sistem penilaian ujian lisan (SIPENILAI) otomatis pada bahasa Jepang menggunakan algoritma rabin karp. Algoritma rabin karp merupakan algoritma yang digunakan untuk melakukan pencarian dan perhitungan jumlah kata yang sama dalam setiap kata kunci yang dilakukan perbandingan. Algoritma rabin karp digunakan karena mempunyai kelebihan yaitu dapat melakukan pencocokan string yang bervariasi dengan lama waktu yang cepat. Algoritma rabin karp melakukan pencocokan string berdasarkan nilai hash pada teks dan nilai hash pada pola. Input pada sistem ini ialah berupa suara yang akan diubah menjadi teks bahasa Jepang dengan menerapkan proses romanisasi untuk mengubah karakter ke bentuk romaji. Pada sistem ini, algoritma rabin karp menerapkan model Bahasa N-gram. Sistem penilaian ujian lisan (SIPENILAI) otomatis ini dilakukan pengujian pertama dengan menggunakan Google Speech API dengan variasi parameter terbaik n=2 dan p=2 dan perhitungan cosine similarity yang diuji oleh 43 mahasiswa yang menghasilkan akurasi sebesar 88.35%. Dalam melakukan penilaian, sistem berjalan dengan kecepatan rata-rata sebesar 337.05 millisecond atau 0.337 second. ...... This research discusses design of automatic grading system for Japanese-Language examination (SIPENILAI) using rabin karp algorithm. Rabin-Karp algorithm is used to search and calculate the same number of words in each keyword that is compared. Rabin Karp algorithm has the advantage that can perform string matching that varies with a very fast time. Rabin-Karp algorithm perform string matching hash value based on the text and the pattern hash value. The system receives speech or voice input, then it is converted into Japanese text with Google speech recognition. In this system, Rabin Karp algorithm applies N-gram Language model. The accuracy rate for SIPENILAI were tested by 43 students is 88.35% by using Google Speech API, by using best variation of parameters n=2 and p=2 and cosine similarity. The system executes processes with an average speed of 337.05 milliseconds or 0.337 seconds.

Abstrak :
ABSTRAK
Algoritma Winnowing merupakan algoritma dengan sifat character-based, dimana algoritma tersebut menggunakan fingerprint dalam mendeteksi tingkat kesamaan antar teks. Skripsi ini membahas mengenai penerapan dan pengembangan sistem penilai esai otomatis berbasis algoritma winnowing, serta metode-metode untuk mengukur tingkat kesamaan fingerprint. Pengujian beberapa pendekatan metode dilakukan untuk meningkatkan tingkat akurasi dari sistem. Pendekatan metode tersebut adalah dengan metode cosine similarity, jaccard index, dan dice similarity. Implementasi dari algoritma winnowing berhasil meningkatkan akurasi sistem. Peningkatan akurasi ini diukur dengan membandingkan SIMPLE-O berbasis winnowing dengan SIMPLE-O yang telah dikembangkan sebelumnya yaitu berbasis LSA Latent Semantic Analysis .

---

ABSTRACT
Winnowing algorithm is a character based algorithm. Winnowing used fingerprint to detect the similarity between texts. This thesis discusses the application and the development of automated essay grading SIMPLE O based on winnowing algorithm, as well as methods to measure the similarity between fingerprints. Several text similarity approaches have been tested to improve the accuracy of the system. In term of text similarity, cosine similarity, jaccard index, and dice similarity are used to measure the similarity between texts. Stemming and Synonym Recognition also implemented in this system. Winnowing algorithm has improved the accuracy of the system. The accuracy was measured by comparing SIMPLE O winnowing based with SIMPLE O LSA Latent Semantic Analysis based.

Abstrak :
Analisis sentimen merupakan bagian dari data mining text mining , yaitu proses memahami, mengekstrak, dan mengolah data tekstual secara otomatis untuk mendapatkan informasi. Pada penelitian ini, analisis sentimen diterapkan pada salah satu media sosial, yaitu Twitter. Analisis sentimen tergolong sebagai masalah klasifikasi yang dapat diselesaikan menggunakan salah satu metode machine learning, yaitu Neural Network. Pada machine learning, data dibagi menjadi data pelatihan dan data pengujian yang berasal dari domain yang sama. Permasalahan utama pada penelitian ini adalah data pelatihan dan data pengujian berasal dari dua domain yang berbeda, sehingga perlu diterapkan pembelajaran lain selain machine learning. Masalah tersebut dapat diselesaikan dengan menggunakan transfer learning. Transfer learning merupakan suatu pembelajaran model yang dibangun oleh suatu data pelatihan dari suatu domain dan diuji oleh suatu data pengujian dari domain yang berbeda dari domain data pelatihan. Simulasi dalam penelitian ini menghasilkan suatu akurasi transfer learning dengan metode Neural Network yang nantinya akan diuji dengan fitur n-gram bi-gram dan tri-gram serta satu metode seleksi fitur, yaitu Extra-Trees Classifier. Dalam penelitian ini, nilai akurasi transfer learning tertinggi didapat saat hidden layer berjumlah satu. Sebagian besar nilai akurasi tertinggi didapat saat penggunaan 250 neuron pada hidden layer. Fungsi aktivasi ReLU dan tanh menghasilkan nilai akurasi yang lebih tinggi dibandingkan fungsi aktivasi logistic sigmoid. Penggunakan metode seleksi fitur dapat meningkatkan kinerja transfer learning sehingga nilai akurasinya lebih tinggi dibandingkan simulasi tanpa penggunaan metode seleksi fitur.

---

Sentiment analysis is a part of data mining text mining , which is the process of understanding, extracting, and processing textual data automatically to obtain information. In this research, sentiment analysis is applied to one social media called Twitter. Sentiment analysis is categorized as a classification problem that can be solved using one of machine learning methods, namely Neural Network. In machine learning, data is divided into training data and test data from the same domain. The main problem in this research is training data and test data come from two different domains, so it is necessary to apply other learning beside machine learning. The problem can be solved by using transfer learning. Transfer learning is a model learning constructed by a training data from a domain and tested by a test data from a different domain from the training data domain. The simulation in this research resulted in an accuracy of learning transfer with Neural Network method which will be tested using n grams bi grams and tri grams and one feature selection method called Extra Trees Classifier. In this research, the highest value of transfer learning accuracy is obtained when one hidden layer is used. Most of the highest accuracy values are obtained from the use of 250 neurons on the hidden layer. The activation function of ReLU and tanh yield a higher accuracy value than the logical activation function sigmoid . The use of feature selection method can improve the transfer learning performance so that the accuracy value is higher than simulation without the use of feature selection method.

Abstrak :
Perkembangan teknologi dan digital juga meningkatkan kemudahan mengakses internet. Salah satu aspek kehidupan sehari-hari yang dipengaruhi oleh adopsi teknologi dan internet adalah bidang transaksi pembayaran. Transaksi pembayaran tidak dapat dipisahkan dari kehidupan sehari-hari. Pada saat ini dengan perkembangan teknologi, transaksi pembayaran dapat dilakukan dengan lebih praktis, mudah, aman dan nyaman. Teknologi ini disebut Teknologi Keuangan. Pembayaran mobile adalah layanan yang merupakan bagian dari teknologi keuangan. Aspek yang terkandung dalam pembayaran seluler adalah aplikasi, isi ulang, transfer, penarikan tunai, pembayaran online, dan pembayaran offline. Ketiga sumber ulasan yang digunakan yaitu Google Play Store, App Store, dan Twitter secara umum menunjukkan frekuensi aspek pada ulasan sama, namun tidak semua menunjukkan presentase sentiment yang sama. Tingkat akurasi model klasifikasi yang dihasilkan oleh semua ulasan untuk klasifikasi kombinasi unigram dan bigram menghasilkan tingkat akurasi yang lebih tinggi daripada hanya unigram. Penelitian ini diharapkan dapat bermanfaat bagi perusahaan sebagai bahan evaluasi untuk selalu meningkatkan kualitas layanannya dan juga bagi masyarakat sebagai bahan referensi pemilihan aplikasi mobile payment yang akan digunakan. ...... The development of technology and digital has also increased the ease of accessing the internet. One aspect of daily life that are affected by the adoption of technology and the internet is the field of payment transactions. Payment transactions are inseparable from everyday life. At this time with the development of technology, payment transactions can be done with the more practical, easy, safe and convenient. The technology is called Financial Technology. Mobile payment is a service that is part of financial technology. The aspects contained in the mobile payment are top up, transfers, cash withdrawals, online payment, and offline payments. The three review sources used, namely Google Play Store, App Store, and Twitter generally show the frequency of aspects in the same review, but not all show the same percentage of sentiment. The accuracy of the classification model produced by all the reviews for the classification of unigram and bigram combinations results in a higher level of accuracy than just unigram. This research is expected to be useful for the company as an evaluation material to always improve the quality of its services and also for the community as a reference material for selecting the mobile payment application that will be used.

Abstrak :
Departemen Teknik Elektro sebelumnya sudah mengembangkan sistem penilai esai otomatis (SIMPLE-O) yang berbasis algoritma winnowing dan diterapkan pada bahasa Jepang. Sistem penilai esai otomatis tersebut menggunakan algortima winnowing yang berbasiskan fingerprint dan hashing untuk mendeteksi tingkat kemiripan teks. Sistem tersebut memiliki rata-rata akurasi nilai total seluruh data hingga 90.92% dengan akurasi nilai total perpeserta ujian dapat mencapai 99.91% dan akurasi perjawaban untuk tiap peserta ujian berkisar dari 60.19% hingga 100%. Penelitian kali ini berusaha untuk mencoba untuk menaikkan akurasi tersebut. Cara yang digunakan ialah menganti hashing yang digunakan dari Rolling Hash ke MD5 dan mengimplementasi synonym recognition. Hasil percobaan ini memiliki rata-rata tingkat akurasi 85.61% dengan akurasi perjawaban untuk tiap perserta ujian berkisar 68.44% hingga 99.96%

---

Departement of Electrical Engineering has already developed automatic essay grading system (SIMPLE-O) which utilize winnowing algorithm which is a fingerprint-based and hash-based algorithm for detecting similarity between texts. The system have result of average of total score for all students is 90.92% with accuracy for each student is up to 99.91% and accuracy for each problem ranged from 60.19% to 100%. This research will try to raise the accuracy. The proposed method is by changing the hashing used by the system from Rolling Hash to MD5 and implementing synonym recognition. The result of conducted experiment has the average of accuracy of 85.61% and the accuracy for each problem ranged from 68.44% to 99.96%.