Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Kegiatan posyandu bertujuan memantau pertumbuhan balita dengan indikator pencapaian adalah cakupan penimbangan balita (D/S). Pencapaian D/S tahun 2011 di Kota Padang terendah pada Puskesmas Nanggalo 42,7% dan tertinggi pada Puskesmas Ambacang 96,7%. Tujuan penelitian untuk mengetahui hubungan faktor kader dan sarana posyandu dengan cakupan penimbangan di posyandu dua puskesmas Kota Padang tahun 2012. Desain penelitian adalah cross sectional. Hasil penelitian rata ? rata D/S tahun 2012 puskesmas 66,01 % dengan proporsi cakupan tinggi 52,4 %. Pendidikan, lama kerja, pengetahuan, pelatihan, persepsi, jumlah kader dan sarana posyandu berhubungan bermakna dengan cakupan penimbangan balita. Perlu pelatihan kader, penambahan jumlah kader dan sarana posyandu. ......Posyandu activities aimed at monitoring the growth of underfive children with indicators of achievement is the scope of child's weight (D/ S). Achievement of D / S of Padang in 2011, Nanggalo 42.7% and Ambacang 96.7%. Research purposes to determine the correlation between the cadres and the facilities posyandu to coverage of weighing in posyandu Padang City in 2012. The study design was cross-sectional. The results the average D/ S in 2012 66,01% and propostion hight coverage of weighing 52,4 %. Education, Length of work, knowledge, training, perception, number of cadres and facilities posyandu significantly associated with coverage of weighting underfive children. Need training of cadres and increasing the number of cadres and facility.

Abstrak :
Salah satu metode otomasi essay grading adalah essay grading metode LSA. LSA merepresentasikan isi kata dalam matriks dua dimensi yang besar. Bagian pemrosesan penting dari LSA adalah komponen penganalisisan bernama SVD (Singular Value Decomposition) yang mengkompresi informasi yang berkaitan dalam jumlah besar ke dalam ruang yang lebih kecil. Menggunakan teknik aljabar matriks (SVD), hubungan baru antara esai mahasiswa dan esai referensi ditentukan dan dimodifikasi untuk mewakili arti sebenarnya. SIMPLE-O adalah aplikasi penilaian esai otomatis metode LSA yang berbasis web yang dikembangkan di Indonesia. Untuk meningkatkan kualitas penilaian esai maka perlu diterapkan teknik pembobotan. Sebuah metode pembobotan merupakan susunan dari tiga buah pembobotan: pembobotan lokal (local weighting), pembobotan global (global weighting) dan normalisasi (normalization) [1]. Untuk mengimplementasikan pembobotan maka pada SIMPLE-O dilakukan perubahan pada bagian proses memasukan jawaban esai mahasiswa dan proses penilaianya. SIMPLE-OM adalah SIMPLE-O yang telah mengalami perubahan. Pada SIMPLEOM skema pembobotan yang diterapkan adalah skema pembobotan SICBI (SQRTIGFF-COSN-BNRY-IDFB). Berdasarkan hasil pengamatan dan perhitungan dari beberapa skenario pengujian, sistem aplikasi dengan pembobotan SICBI memberikan hasil yang lebih baik daripada sistem aplikasi tanpa pembobotan. Skenario pengujian yang memberikan hasil paling baik (mendekati human rater) adalah skenario yang memiliki jumlah mahasiswa terbanyak yaitu skenario 3 (20 mahasiswa). Pada skenario 3, rata-rata selisih antara penilaian sistem aplikasi dengan human rater adalah 10,9. Penerapan pembobotan akan membuat sistem aplikasi bekerja lebih lama dalam hal penilaian esai. Selain itu, beberapa hal lain yang berpengaruh pada kecepatan proses penilaian esai antara lain banyaknya kata kunci mahasiswa dan jumlah mahasiswa yang mengikui ujian.

---

One method of automatic essay grading is "LSA Essay Grading Method". LSA represents words contained in a huge bi-dimensional matrix. Main processing part of LSA is analyzing component that called SVD (Singular Value Decomposition) which compress the large-scaled related information into smaller scale. Using matrix algebraic method (SVD), the new relations between student?s essay and the reference essay can be determined and modified in the real meaning. SIMPLE-O is an automatic essay grading application using web-based LSA method which has been developed in Indonesia. To increase essay grading quality, it needed to apply weighting technique. Weighting methods consist of three weighting: local weighting, global weighting, and normalization [1]. To implement the weighting in SIMPLE-O, it needs to make changes in student?s answers and grading process. SIMPLE-OM is a modified SIMPLE-O. In SIMPLEOM, the weighting scheme which is being implemented is SICBI (SQRT-IGFFCOSN-BNRY-IDFD) weighting scheme. According to observation results and calculation from several testing scenario, SICBI weighting application system gives better results than application system without weighting method. The best result (approaching the human rater) is given by the testing method which has the most student participants, that is in third scenario (20 students). In this scenario, the average differences between application system grading and human rater is 10.9. Weighting implementation will make the application system work longer in essay grading. The number of word and the students also affect to the essay grading speed.

Abstrak :
Simple-O merupakan sistem penilaian esai otomatis yang menerapkan algoritma Latent Semantic Analysis (LSA). Simple-O dalam penilaian hasilnya menggunakan metode pembobotan. Sebagai sistem penilaian esai otomatis, tentu saja Simple-O diharapkan agar hasil penilaiannya mirip dengan hasil penilaian secara manual (Human Raters). Metode pembobotan awal yang diterapkan pada Simple-O masih memiliki beberapa kekurangan, oleh karena itu pada skripsi kali ini akan diimplementasikan empat belas metode pembobotan (kombinasi tujuh pembobotan lokal dan dua pembobotan global) pada Simple-O dan hasilnya akan dilakukan analisa agar dapat ditentukan metode pembobotan yang mana yang paling cocok diterapkan di Simple-O. Metode pembobotan biner tanpa bobot lokal sejauh ini memiliki kemiripan yang paling tinggi dengan human raters dengan selisih perbedaan dengan human raters 9.255 poin. ......Simple-O is an automated essay grading system that complies the Latent Semantic Analysis (LSA) algorithm. Simple-O uses word weighting method in the assessment of the results. As an automated essay grading system, the assessment system in Simple-O is supposedly similar with the manual assessment (human raters). The original Simple-O weighting method still have some flaws, therefore, on this thesis will be implemented fourteen word weighting methods (the combination of seven local weightings and two global weightings) and all of the results will be analyzed to determine which weighting method have the best result to be implemented in Simple-O. Binary weighting method so far have the highest similarity with the manual assessment with the differences by 9.255 point.

Abstrak :
Stock investors are very concerned with the stock market index because intuitively, most stocks move in the same direction as the stock market index. If the stock market index rises (declines), a portfolio most likely will also increase (decrease) In value. How is the stock market index derived ? ln some capital markets where the listed stocks are quite limited such as Jakarta Stock Exchange, all the stocks (total population) are included in the index calculation. Some indexes, however, do not use the total population but take a representative sample to reflect the market. Once we have the sample (or the total population), the next question is how to give weights to each of the stocks In the sample (or the population). This article explains three weighting methods for index calculation namely price-weighted, value-weighted, and unweighted.A set of examples and an actual but simplified example on IHSG are given to help understand the three calculation (weighting) methods.

Abstrak :
Query becomes one of the most decisive factor on documents searching. A query contains several words, where one of them will become a key term. Key term is a word that has higher information and value than the others in query. It can be used in any kind of text documents, including Arabic Fiqh documents. Using key term in term weighting process could led to an improvement on result?s relevancy. In Arabic Fiqh document searching, not using the proper method in term weighting will relieve important value of key term. In this paper, we propose a new term weighting method based on Positive Impact Factor Query (PIFQ) for Arabic Fiqh documents ranking. PIFQ calculated using key term?s frequency on each category (mazhab) on Fiqh. The key term that frequently appear on a certain mazhab will get higher score on that mazhab, and vice versa. After PIFQ values are acquired, TF.IDF calculation will be done to each words. Then, PIFQ weight will be combine with the result from TF.IDF so that the new weight values for each words will be produced. Experimental result performed on a number of queries using 143 Arabic Fiqh documents show that the proposed method is better than traditional TF.IDF, with 77.9%, 83.1%, and 80.1% of precision, recall, and F-measure respectivel.

---

Query menjadi salah satu faktor penentu dalam pencarian dokumen. Dalam sebuah query terdiri dari beberapa kata, dimana salah satunya menjadi key term. Key term adalah kata yang memiliki nilai informasi dan bobot lebih tinggi dibandingkan kata lain. Hal tersebut berlaku untuk semua jenis dokumen teks, termasuk dokumen fiqih berbahasa Arab. Penitik beratan pada key term dalam proses pembobotan kata memungkinkan terjadinya peningkatan relevansi pencarian. Di dalam pencarian dokumen fiqih berbahasa Arab, jika metode pembobotan kata yang digunakan tidak tepat, key term tidak akan memberikan pengaruh berarti. Oleh karena itu diusulkanlah sebuah metode pembobotan baru pada kata berbasis Positive Impact Factor Query (PIFQ) untuk perangkingan dokumen fiqih berbahasa arab. PIFQ dihitung menggunakan frekuensi kemunculan key term pada setiap kategori (mazhab) dalam fiqih. Semakin tinggi frekuensi key term tersebut pada suatu mazhab semakin tinggi pula nilainya pada mazhab tersebut, begitu pula sebaliknya. Setelah didapat nilai PIFQ, kemudian dilakukan perhitungan TF.IDF untuk setiap kata. Selanjutnya bobot PIFQ akan dikom-binasikan dengan TF.IDF sehingga menghasilkan bobot baru untuk masing-masing kata. Hasil dari pengujian yang dil-akukan pada sejumlah query dengan 143 dokumen fiqih berbahasa Arab menunjukan bahwa metode usulan dapat lebih unggul jika dibandingkan metode TF.IDF, dengan nilai precision, recall, dan F-measure masing-masing sebesar 77,9%, 83,1%, dan 80,1%.

Abstrak :
Categorical data is a kind of data that is used for computational in computer science. To obtain the information from categorical data input, it needs a clustering algorithm. There are so many clustering algorithms that are given by the researchers. One of the clustering algorithms for categorical data is k-modes. K-modes uses a simple matching approach. This simple matching approach uses similarity va-lues. In K-modes, the two similar objects have similarity value 1, and 0 if it is otherwise. Actually, in each attribute, there are some kinds of different attribute value and each kind of attribute value has different number. The similarity value 0 and 1 is not enough to represent the real semantic distance between a data object and a cluster. Thus in this paper, we generalize a k-modes algorithm for catego-rical data by adding the weight and diversity value of each attribute value to optimize categorical data clustering.

---

Data Kategorial merupakan suatu jenis data perhitungan di ilmu komputer .Untuk mendapatkan infor-masi dari input data kategorial diperlukan algoritma klastering. Ada berbagai jenis algoritma klas-tering yang dikembangkan peneliti terdahulu. Salah satunya adalah K-modes. K-modes menggunakan pendekatan simple matching. Pendekatan simple matching ini menggunakan nilai similarity. Pada K-modes, jika dua objek data mirip, maka akan diberi nilai. Jika dua objek data tidak mirip, maka diberi nilai 0. Pada kenyataannya, tiap atribut data terdiri dari beberapa jenis nilai atribut dan tiap jenis nilai atribut terdiri dari jumlah yang berbeda. Nilai similarity 0 dan 1 kurang merepresentasi jarak antara sebuah objek data dan klaster secara nyata. Oleh karena itu, pada paper ini, kami mengembangkan algoritma K-modes untuk data kategorial dengan penambahan bobot dan nilai diversity pada setiap atribut untuk mengoptimalkan klastering data kategorial.

Abstrak :
Tujuan penelitian ini untuk memperoleh struktur biaya output, target output yang sulit diestimasi dan bobot biaya masing-masing aktivitas. Penelitian ini menggunakan metode kualitatif dan kuantitatif dengan pendekatan studi kasus. Kerangka untuk memperoleh struktur biaya yaitu kerangka logic model. Target output yang sulit diestimasi ditentukan dengan simulasi Monte Carlo. Hasil penelitian diperoleh bahwa outcome Ditjen Kekayaan Negara yaitu optimalisasi Penerimaan Negara Bukan Pajak PNBP . Output yang dihasilkan terdiri dari pengelolaan aset, penyelesaian piutang negara dan pelayanan lelang. Indikator masing-masing output yaitu total optimalisasi penilaian aset, total bea administrasi dan total bea lelang. Kerangka logic model membuktikan bahwa anggaran disusun berdasarkan kinerja aktual.

---

The objective of this study is to obtain output cost of structure, to determine output 39 s target and the weight cost of each activity. This research uses qualitative and quantitative methods with case study approach. The logic model framework is used to produce the cost structure of output. Monte Carlo simulation is used to estimate the output rsquo s target which hardly estimated. The result of the research is that the outcome of Directorate General of State Assets is based on Non tax state revenue optimization. Outputs consist of asset management, completion of state account receivable, and the service of auction. Indicator for each of output are total optimization of asset valuation, total custom of administration, and total custom of auction. The logic model framework proves that budgeting is based of actual performance.

Abstrak :
Setiap proses pembelajaran memerlukan suatu evaluasi berupa ujian, begitu pula dengan e- learning. Pada proses e- learning jenis ujian yang banyak digunakan adalah jenis ujian pilihan ganda dan isian singkat. Alasannya adalah kemudahan dalam proses penilaian, komputer yang menjadi komponen penting dalam proses e-learning lebih mudah dalam melakukan penilaian ujian pilihan ganda dan isian singkat secara akurat dibandingkan dengan melakukan penilaian jenis ujian esai. Padahal jenis ujian pilihan ganda dan isian singkat memiliki banyak kekurangan bila dibandingkan dengan jenis ujian esai. Hal inilah yang mendasari dibuatnya sistem penilaian jawaban esai secara otomatis (automated essay grading). Sistem yang dibuat merupakan sistem yang berbasiskan web dengan a lasan kemudahan pengaksesan oleh pihak user dari mana saja dan kapan saja. Dalam hal penilaian metode yang digunakan adalah metode Latent Semantic Analysis (LSA). Metode ini mempunyai ciri khas hanya mementingkan kata-kata kunci yang terkandung dalam sebuah kalimat tanpa memperhatikan karakteristik linguistiknya. Pada LSA, kata-kata direpresentasikan dalam sebuah matriks semantik dan kemudian diolah secara matematis menggunakan teknik aljabar linier Singular Value Decomposition (SVD). Walaupun metode ini relatif sederhana, namun memiliki tingkat korelasi yang cukup tinggi bila dibandingkan dengan penilaian yang dilakukan manusia secara manual. Skripsi ini membahas mengenai kinerja dari sistem penilaian esai otomatis berbasis web dengan menggunakan metode LSA dengan 3 tingkat bobot kata kunci. Pada sistem ini dilakukan pengujian mengenai kecepatan pada waktu memasukkan soal dan jawaban serta pada waktu penghitungan nilai. Pengujian tersebut dilakukan dengan menggunakan bantuan server pada localhost. Pengujian mengenai keakuratan penilaian juga dilakukan dengan cara membandingkan hasil penilaian sistem dengan human rater. Dari hasil pengujian, perbandingan penilaian dengan human rater menunjukkan angka korelasi sebesar 0,777402209 dengan rata-rata selisih nilai untuk setiap soal sebesar 17,36.

---

Each learning process need an evaluation in form like an exam, so also with elearning. In e-learning process type of exam that often used is multiple choice and short essay. The reason is easiness in asssessment process, computer that became important part in e- learning process is easier to grade a multiple choice and short essay exam accurately compared with an essay exam. Whereas multiple choice and short essay exam have many flaw if we compared it with long essay exam. This was the basic idea of automated essay grading. This system was made based on the web based application, the reason is web based application is easy to be accessed by user anytime from anywhere. Scoring method that is used in this system is Latent Semantic Analysis method (LSA). This method has characteristic to only emphasize keywords in a sentence without paying attention to its linguistic characteristic. In LSA, words is represented in a semantic matrix and then processed mathemathically with Singular Value Decomposition (SVD). Despite of its simpicity, this method have a quite high correlation when compared with assessment of human rater. Performance of web based automated essay grading system by using LSA method with 3 levels weight of keywords is tested here. Testing concerning speed when entering a question and answer to system and when calculating exam score are conducted in this system. Those testing is conducted by using server in localhost. Testing concerning preciseness of its grading is also carried out by comparing result of system?s grading and human rater. From result of this testing, comparison of system?s grading with human rater showed the correlation figure of 0,777402209 with average difference of score is 17,36 for every question.

Abstrak :
Dalam dunia bisnis terdapat kebutuhan terhadap sebuah strategi yang didefinisikan dengan baik. Tingkat kecepatan perubahan dan tekanan yang dihadapi menuntut organisasi harus mampu merencanakan dan menjelaskan bagaimana mendapatkan keuntungan kompetitif yang merupakan esensi dari strategi. Analytic Network Process digunakan sebagai alat bantu pengambil keputusan untuk merancang langkah-langkah efektif melalui bobot prioritas untuk meningkatkan kinerja dari sebuah organisasi. Dengan metode ini pula segala kemungkinan dari elemen-elemen yang mempengaruhi suatu tujuan dapat digabungkan sehingga keakuratan dari langkah-langkah yang diambil sangat tinggi. Aplikasi metode Anlaytic Network Process ini dapat diaplikasikan kepada pengelola apartemen. Dari hasil penelitian dan penggunaan aplikasi metode Analytic Network Process terhadap kasus ini, ada enam kriteria penting yang harus dipertimbangkan untuk peningkatan kinerja pengelola apartemen. Kriteria tersebut adalah Health and safety, maintenance, facilities, quality, management effort dan secuity. Dari enam kriteria diatas terdapat hubungan yang saling mempengaruhi tergantung dari bobot pengaruh antar kriteria. Alat bantu yang digunakan untuk menghitung bobot pengaruh serta pembuatan jaringan modelnya, menggunakan super decisons 1.6.0. Dari hasil perancangan jaringan model dengan input 6 kriteria dan 24 sub criteria diperoleh hasil bobot pengaruh secara overall. Sub kriteria yang paling berpengaruh dalam jaringan model ini adalah komitmen managemen, dilanjutkan dengan perhitungan ekspektasi pelanggan terhada quality. Kedua sub kriteria ini mempunyai bobot pengaruh yang paling tinggi terhadap peningkatan kinerja pengelola gedung. Bobot pengaruh selanjutnya adalah standarisasi material yang digunakan yang berada dalam criteria health and safety. Langkah keempat adalah sub kriteria perfection yang berada dalam kriteria maintenance. Langkah kelima adalah konsep pengamanan apartemen yang berada dalam kriteria Security dan yang terakhir adalah pengembangan peralatan secara berkelanjutan yang ada dalam kriteria facilities. ......In business, there is a need for a well-defined strategy. The rate of changes and pressures that should be faced by companies has urged them to be able to plan and describe how to gain the competitive advantages, which is the essential meaning of strategy. Analytic Network process used as an aim tool to decide effective sequences by priority rating weighting with purpose to increase their performance. By this method, every probability which can influence a goal, can be early detected so that the final result of goal would be accurate. applies this method to one of apartment management. Researcher tries to design the effective sequences for increasing their performance. As final result, researcher has found six clusters and twenty four elements as the most influence to gain the performance of apartment management. The highest rating is management effort. In management effort there are several elements which are one of elements in management effort most influences the result of management effort. The element is management commitment. So, it is means, to increase performance of apartment should be consider management effort and to increase management effort should be consider management commitment. The result of this research there are six priorities that must be done by apartment management. It is acquired from determining result of priority rating by aim super decisions 1.6.0 software. The first step is how to gain management commitment, second is determining the customer's quality expectations, third is standardization of all material used, forth is perfection with respect to maintenance activities and the last is equipments continuous improvements.

Abstrak :
In document retrieval, besides the suitability of query with search results, there is also a subjective user assessment that is expected to be a deciding factor in document ranking. This preference aspect is referred at the fiqh document searching. People tend to prefer on certain fiqh metho-dology without rejecting other fiqh methodologies. It is necessary to investigate preference factor in addition to the relevance factor in the document ranking. Therefore, this research proposed a method of term weighting based on preference to rank documents according to user preference. The proposed method is also combined with term weighting based on documents index and books index so it sees relevance and preference aspect. The proposed method is Inverse Preference Fre-quency with α value (IPFα). In this method, we calculate preference value by IPF term weighting. Then, the preference values of terms that is equal with the query are multiplied by α. IPFα combin-ed with the existing weighting methods become TF.IDF.IBF.IPFα. Experiment of the proposed me-thod uses dataset of several Arabic fiqh documents. Evaluation uses recall, precision, and f-mea-sure calculations. Proposed term weighting method is obtained to rank the document in the right order according to user preference. It is shown from the result with recall value reach 75%, preci-sion 100%, and F-measure 85.7% respectively.

Dalam pencarian, selain kesesuaian query dengan hasil pencarian, terdapat penilaian subjektif pengguna yang diharapkan menjadi faktor penentu dalam perangkingan dokumen. Aspek prefe-rensi tersebut tampak pada pencarian dokumen fiqih. Seseorang cenderung mengutamakan meto-dologi fiqih tertentu meskipun tidak mengabaikan pendapat metodologi fiqih lain. Faktor prefe-rensi menjadi hal yang diperlukan selain relevansi dalam perangkingan dokumen. Oleh karena itu, pada penelitian ini diajukan metode pembobotan kata berbasis preferensi untuk merangkingkan dokumen sesuai dengan preferensi pengguna. Metode yang diajukan digabungkan dengan pembo-botan kata berbasis indeks dokumen dan buku sehingga mampu memperhatikan aspek kesesuaian (relevance) dan keutamaan (preference). Metode pembobotan yang diusulkan disebut dengan Invers Preference Frequency with α value (IPFα). Langkah pembobotan yang diusulkan yaitu de-ngan perhitungan nilai preferensi term dengan pembobotan IPF. Kemudian nilai preferensi dari term dokumen yang sama dengan term query dikalikan dengan 𝜶𝜶 sebagai penguat. IPFα digabung-kan dengan metode pembobotan yang telah ada menjadi TF.IDF.IBF.IPFα. Pengujian metode yang diusulkan menggunakan dataset dari beberapa dokumen fiqih berbahasa Arab. Evaluasi meng-gunakan perhitungan recall, precision, dan F-measure. Hasil uji coba menunjukkan bahwa dengan pembobotan TF.IDF.IBF.IPFα diperoleh perangkingan dokumen dengan urutan yang tepat dan se-suai dengan preferensi pengguna. Hal ini ditunjukkan dengan nilai maksimal recall mencapai 75%, precision 100%, dan F-measure 85.7%.