Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Keberagaman sistem informasi kepegawaian yang ada di Indonesia menyebabkan terjadinya pulau-pulau informasi kepegawaian. Perbedaan sistem, platform, proses, dan metadata kepegawaian menjadi masalah yang tidak terelakan. Badan Kepegawaian Negara (BKN) sebagai pengelola data kepegawaian memiliki tugas untuk menyatukan datatersebut dalam sebuah database PNS nasional. Untuk menyelesaikan permasalahan tersebut salah satu cara yang dapat dilakukan adalah dengan membangun interoperabilitas data kepegawaian. Interoperabilitas ini akan menjadi jembatan sistem-sistem tersebut untuk dapat melakukan sharing data yang dibutuhkan. Tujuan penelitian ini adalah untuk membangun interoperabilitas data kepegawaian yang sesuai untuk BKN. Pembuatan interoperabilitas data ini menggunakan standar Indonesian E-Government Interoperability Framework (IEGIF) dan metode perancangan Rapid Application Development (RAD) sebagai framework yang digunakan untuk merancang sistem layanan data kepegawaian. Pendekatan pengumpulan data yang digunakan pada penelitian ini adalah berupa data primer yang didapat dari wawancara dan notulensi rapat serta data sekunder yang berasal dari dokumen-dokumen sistem. Penelitian ini menghasilkan sebuah rekomendasi perancangan interoperabilitas data kepegawaian baik dari sisi semantik, organisasi, maupun teknik yang sesuai dengan karakteristik BKN serta implementasi interoperabilitas data kepegawaian tersebut.

---

The current diversity of personnel information systems in Indonesia is causing segmental issues with respect to the personnel information. Thus, because of the differences in systems, platforms, process and metadata, personnel issues are inevitable. The National Civil Service Agency (BKN) has a duty to produce all the data in a single database of national civil servantsinformation. Developing central employment data entity featuring interoperability is one way amongst other to resolve the issue. This will function as a bridge for those systems to share the required data. The purpose of this study is to establish interoperability for personnel data for BKN. The development is using Standard of Indonesian E-Government Interoperability Framework (IEGIF) and architecture method of Rapid Application Development (RAD) as a framework for designing the personnel system. The data collection approach used in this study is containing primary data obtained from interviews and minutes of meetings as well as secondary data from system documents. The end result of this study is a recommendation for personnel data providing interoperability, and designed in terms of semantics, organizations and suitable techniques for BKN and implementation thereof.

Abstrak :
ABSTRAK
Perdagangan dan hubungan antar negara menyebabkan pertukaran mata uang antar negara atau lebih dikenal dengan forex atau foreign exchange. Pasar mata uang memiliki kapitalisasi yang sangat besar,sehingga perdagangan mata uang ini telah menjadi salah satu pilihan investasi. Meskipun investasi dalam pasar mata uang adalah investasi yang beresiko tinggi atau high risk, akan tetapi investasi ini juga menjanjikan hasil yang tinggi atau high return. Banyak faktor yang mempengaruhi pergerakan mata uang, salah satu faktor utamanya adalah berita fundamental. Berita fundamental adalah berita tentang kondisi perekonomian suatu negara.

Kesuksesan dalam perdagangan mata uang, para pelaku perdagangan mata uang harus memiliki kemampuan dalam melakukan analisis pergerakan mata uang. Pedagang mata uang harus menguasai analisis teknis dan analisis fundamental dalam melakukan analisis pergerakan mata uang. Namun pada kenyataannya banyak pelaku perdagangan mata uang mengalami kerugian besar yang disebabkan perbedaan persepsi antara pasar mata uang dengan analisis teknis maupun analisis fundamental yang telah dilakukan. Hal ini disebabkan karena analisis teknis dan analisis fundamental yang dilakukan bersifat konvensional dengan beberapa periode waktu saja. Dan disamping itu pedagang mata uang belum menguasai emosi dalam melakukan transaksi perdagangan mata uang.

Penelitian ini bertujuan membuat model pengambilan keputusan jual atau beli dengan menggunakan model data mining yang melibatkan data historis perdagangan masa lampu dan waktu dimana berita fundamental dikeluarkan oleh lembaga berwenang suatu negara. Dengan menggunakan data historis ini akan dibuatkan model data mining dalam pengambilan keputusan perdagangan tanpa melibatkan manusia. Metode data mining yang dipergunakan adalah Support Vector Machine (SVM) dalam melakukan klasifikasi dan pengenalan pola. SVM ini akan dipergunakan untuk mengambil keputusan jual atau beli berdasarkan indikator teknis dan waktu pengumuman berita fundamental dikeluarkan.

---

ABSTRACT
Trade relations between the state and led to cross-border currency exchange or better known as foreign exchange. The currency market has a very large capitalization, so that currency trading has become one of the investment options. Although the investment in the currency market is a high risk investment, but these investments also promises high yield or high return. Many factors affect currency movements, one of the main factors is the fundamental news. Fundamental news is news about the condition of the economy of a country. Currency traders use fundamental news as an indicator to predict the economic conditions of a country and its effect on the country's currency.

Success in currency trading, currency traders should have the ability to perform analysis of currency movements. Currency traders must master the technical analysis and fundamental analysis in the analysis of currency movements. But in fact many currency traders suffered huge losses due to the difference in perception between the currency markets with technical analysis and fundamental analysis has been done. This is due to the technical analysis and fundamental analysis is conventional with some periods of time. And besides that currency traders have not mastered the emotion in the transaction currency trading.

This research aims to create a model of selling or buying decisions using data mining models that involve historical data and trading period of time where the fundamental news issued by the authority of a country. By using this historical data will be creating data mining models in decision making without human involvement. The data mining method used is the Support Vector Machine (SVM) to do classification and pattern recognition. SVM will be used to make a decision to sell or buy based on technical indicators and fundamental news announcements released time.

Abstrak :
ABSTRAK
Bisnis perbankan tidak bisa terpisahkan dari teknologi informasi untuk mampu bersaing secara kompetitif. Tuntutan nasabah akan kemudahan layanan dan transaksi yang murah mengharuskan kehandalan aplikasi perangkat lunak yang dipergunakan. Kehandalan tersebut tentu didukung dengan kualitas aplikasi yang baik.Kualitas aplikasi perangkat lunak yang baik hanya bisa terwujud jika pengujian atas aplikasi perangkat lunak juga memadai. Penelitian ini berupa assesment atas proses pengujian perangkat lunak sehingga akan diperoleh pemetaan kondisi yang ada terhadap frameworkTest Process Improvement-Next yang menjadi acuan dalam proses assesment, key area yang masih memiliki kelemahan, prioritas perbaikan dan action plan yang direkomendasikan. Penulis mengambil kesimpulan bahwa maturity level atas proses pengujian perangkat lunak di tempat studi kasus adalah level Initial. Terdapat beberapa key area dalam proses pengujian perangkat lunak yang membutuhkan perbaikan untuk mencapai maturity level-Controlled antara lain Degree of Involvement, Test Strategy, Reporting, Test Environment, Test Profesionalism dan Test Tools. Perbaikan atas keenam key area tersebut meliputi sembilan checkpoint seperti tersebut dalam Test Maturity Matrix dengan urutan prioritas yang mengikuti metode process driven dalam Test Process Improvement - Next. Kata Kunci: assesment, action plan, framework, kualitas, key area, Test Process Improvement-Next, , maturity level, pengujian perangkat lunak, Test Maturity Matrix.

---

ABSTRACT
Banking business can not be separated from information technology in order to be able to compete competitively. Customers requireeasy transaction services and low transaction costso that software application’s reliability is a must. Reliability certainly needs support from good quality applications. The quality of a good software application can only be achieved if the testing of application software is also adequate.This work consist of the assessment of software testing process that results in the mapping of existing conditions toTest Process Improvement-Next framework(as the reference in the assessment process), key areas that still have weaknesses, priorities and action plan improvements recommended. The author concludes that the maturity level of the software testingprocess in this case study is in the initial level. There are several key areas in the process of software testing that need improvement to achieve maturity level-Controlled such as Degree of Involvement, Test Strategy, Reporting, Test Environment, Test Profesionalism and Test Tools. Improvement on these six key area consist of nine checkpoints as mentioned in Test Maturity Matrix with priority follows process driven method of Test Process Improvement-Next. Key word :assesment, action plan, framework, quality, key area, Test Process Improvement-Next, , maturity level, software testing, Test Maturity Matrix.

Abstrak :
Indonesia merupakan negara yang wilayahnya sering mengalami bencana alam. Salah satu penanganan bencana alam adalah pengumpulan informasi berita bencana seperti artikel atau koran, yang mana berguna untuk meningkatkan readability. Meskipun be- gitu, sekadar pengumpulan artikel saja cukup sulit karena identfikasinya dapat memakan waktu serta makna yang termuat pada berita juga masih perlu diserap. Oleh karena itu perlu dilakukan klasifikasi dokumen untuk memilih teks dokumen yang relevan dengan bencana alam, kemudian dari teks dokumen yang relevan dilakukan ekstraksi informasi. Penelitian mengenai klasifikasi teks bencana alam serta ekstraksi informasi yang sudah dilakukan masih menggunakan pendekatan pemelajaran mesin tradisional serta belum memanfaatkan pre-trained model berbasis bahasa Indonesia. Penggunaan pre-trained model dan pendekatan deep learning sendiri sering memperoleh performa yang lebih baik, sehingga ada kemungkinan performa yang dihasilkan dapat ditingkatkan. Dalam penelitian ini dilakukan eksperimen menggunakan pre-trained word embedding seperti Word2Vec dan fastText, pendekatan deep learning seperti BERT dan BiLSTM untuk task klasifikasi. Hasil dengan pendekatan pemelajaran mesin tradisional dengan BoW yang sudah direproduksi menjadi yang terbaik hampir secara keseluruhan, meskipun jenis classifier yang digunakan adalah MLP yang mana sudah menerapkan deep learning karena memiliki beberapa neuron. Kemudian pada penggunaan model pre-trained seperti BERT, terdapat keterbatasan panjang masukan. Keterbatasan ini dapat ditangani dengan membuat representasi dokumen menjadi lebih pendek menggunakan metode peringkasan teks. Hasil representasi ringkasan dokumen dalam penelitian ini mampu meningkatkan performa akurasi klasifikasi baik pada pendekatan pemelajaran mesin tradisional maupun deep learning. Penelitian ini juga melakukan ekperimen penggunaan pre-trained model yang sudah fine-tuned untuk task ekstraksi lokasi seperti NER dan dependency parsing berbasis bahasa Indonesia, meskipun belum dihasilkan performa yang cukup baik. ......Indonesia is a country whose often experiences natural disasters. One way to deal with natural disasters is to collect disaster news information such as articles or newspapers, which are useful for increasing readability. Even so, just collecting articles is quite difficult because identification can take time and the meaning contained in the news still needs to be absorbed. Therefore, it is necessary to classify documents to select document texts that are relevant to natural disasters, then extract information from the relevant document texts. Research on natural disaster text classification and information extraction that has been carried out still uses the traditional machine learning approach and has not yet utilized Indonesian language-based pre-trained models. The use of pre- trained models and deep learning approaches themselves often get better performance, so there is a possibility that the resulting performance can be improved. In this study, experiments were carried out using pre-trained word embedding such as Word2Vec and fastText, deep learning approaches such as BERT and BiLSTM for classification tasks. The results with traditional machine learning approaches with reproducible BoW are the best almost overall, even though the type of classifier used is MLP which already implements deep learning because it has few neurons. Then in the use of pre-trained models such as BERT, there are limitations to the length of the input. This limitation can be overcome by making the document representation shorter using the text summary method. The results of the document summary representation in this study were able to improve the performance of classification accuracy in both traditional and deep learning machine learning approaches. This study also conducted experiments using pre-trained models that had been fine-tuned for location extraction tasks such as NER and Indonesian language-based dependency parsing, although they did not produce sufficiently good performance.

Abstrak :
Topik tugas akhir ini adalah penelitian tentang penilaian usability terhadap aplikasi MyPertamina dengan menggunakan metode Usability Testing dan System Usability Scale. Aplikasi MyPertamina ini dijadikan fokus utama dalam penelitian karena digunakan oleh sebagian besar masyarakat di Indonesia dan adanya himbauan dari pemerintah, bahwa masyarakat diwajibkan menggunakan MyPertamina di beberapa Kota/Kabupaten untuk mendapatkan BBM subsidi. Berdasarkan hasil System Usability Scale pada MyPertamina yang diikuti oleh 74 partisipan, diperoleh grade D, adjective rating OK, dan rentang penerimaan marginal rendah yang berarti ada di perbatasan antara rentang tidak diterima dan diterima tetapi lebih cenderung ke tidak diterima. Berdasarkan interpretasi SUS score percentile rank, skor ini terletak mendekati percentile rank 30%. Hasil Usability Testing dinilai berdasarkan ketepatan pengerjaan task. Secara keseluruhan, hasil Usability Testing yang telah diikuti oleh 25 partisipan mendapatkan rata-rata successfulness rate (persentase sukses berjalannya tasks) sebesar 93.82%. Selain itu, aplikasi juga memiliki tingkat error-free rate yang cukup tinggi, yaitu 70.18%. Dalam analisis hasil Usability Testing, beberapa penyebab utama kegagalan task adalah adanya bug dalam aplikasi, penggunaan kata yang kurang jelas, posisi fitur yang sulit ditemukan, serta flow aplikasi yang kurang jelas. Desain perbaikan juga dirancang berdasarkan feedback yang diberikan oleh peserta Usability Testing yang dibuat dengan memanfaatkan fitur prototype di Figma. Desain perbaikan kemudian diujikan kepada 5 partisipan dengan metode User Testing. ...... The topic of this thesis is research about usability evaluation towards MyPertamina application using Usability Testing and System Usability Scale. MyPertamina is used in this research due to majority of people across Indonesia are using it and there is an obligation from government to use MyPertamina in some cities/districts to get the fuel subsidy. Based on the System Usability Scale results which was participated by 74 people, MyPertamina got grade D, adjective rating OK, and acceptability range in marginal low which means it is in the borderline between not acceptable and acceptable but more towards not acceptable. Based from SUS score percentile rank interpretation, this score is placed closely at percentile rank 30%. The Usability Testing results which was participated by 25 people are based on the accuracy and correctness of how the task is done. Overall, the results has an average successfulness rate (the percentage of tasks being successfully done) of 93.82%. Besides that, the application also have a pretty high error-free rate, which is 70.18%. After analysis, some of the main causes of task failure are due to bugs in application, unclear wording, difficulty in finding the position of some features, and unclear application flow. The improvements are designed based on the feedback provided by Usability Testing participants and made by utilizing the prototype feature in Figma. The improvement designs then tested by 5 participants with User Testing method.

Abstrak :
Topik tugas akhir ini adalah penelitian tentang penilaian usability terhadap aplikasi MyPertamina dengan menggunakan metode Usability Testing dan System Usability Scale. Aplikasi MyPertamina ini dijadikan fokus utama dalam penelitian karena digunakan oleh sebagian besar masyarakat di Indonesia dan adanya himbauan dari pemerintah, bahwa masyarakat diwajibkan menggunakan MyPertamina di beberapa Kota/Kabupaten untuk mendapatkan BBM subsidi. Berdasarkan hasil System Usability Scale pada MyPertamina yang diikuti oleh 74 partisipan, diperoleh grade D, adjective rating OK, dan rentang penerimaan marginal rendah yang berarti ada di perbatasan antara rentang tidak diterima dan diterima tetapi lebih cenderung ke tidak diterima. Berdasarkan interpretasi SUS score percentile rank, skor ini terletak mendekati percentile rank 30%. Hasil Usability Testing dinilai berdasarkan ketepatan pengerjaan task. Secara keseluruhan, hasil Usability Testing yang telah diikuti oleh 25 partisipan mendapatkan rata-rata successfulness rate (persentase sukses berjalannya tasks) sebesar 93.82%. Selain itu, aplikasi juga memiliki tingkat error-free rate yang cukup tinggi, yaitu 70.18%. Dalam analisis hasil Usability Testing, beberapa penyebab utama kegagalan task adalah adanya bug dalam aplikasi, penggunaan kata yang kurang jelas, posisi fitur yang sulit ditemukan, serta flow aplikasi yang kurang jelas. Desain perbaikan juga dirancang berdasarkan feedback yang diberikan oleh peserta Usability Testing yang dibuat dengan memanfaatkan fitur prototype di Figma. Desain perbaikan kemudian diujikan kepada 5 partisipan dengan metode User Testing. ...... The topic of this thesis is research about usability evaluation towards MyPertamina application using Usability Testing and System Usability Scale. MyPertamina is used in this research due to majority of people across Indonesia are using it and there is an obligation from government to use MyPertamina in some cities/districts to get the fuel subsidy. Based on the System Usability Scale results which was participated by 74 people, MyPertamina got grade D, adjective rating OK, and acceptability range in marginal low which means it is in the borderline between not acceptable and acceptable but more towards not acceptable. Based from SUS score percentile rank interpretation, this score is placed closely at percentile rank 30%. The Usability Testing results which was participated by 25 people are based on the accuracy and correctness of how the task is done. Overall, the results has an average successfulness rate (the percentage of tasks being successfully done) of 93.82%. Besides that, the application also have a pretty high error-free rate, which is 70.18%. After analysis, some of the main causes of task failure are due to bugs in application, unclear wording, difficulty in finding the position of some features, and unclear application flow. The improvements are designed based on the feedback provided by Usability Testing participants and made by utilizing the prototype feature in Figma. The improvement designs then tested by 5 participants with User Testing method.

Abstrak :
Penelitian ini memprediksi kualitas air Sungai Ciliwung berdasarkan parameter pH hasil pemantauan Online Monitoring menggunakan dua model Deep Learning yaitu Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM). Parameter input adalah pH dengan tiga skenario kombinasi yaitu waktu ganjil (t, t-1, t-3, t-5), genap (t, t+2, t-4, t-6) dan waktu berurutan (t, t-1, t-2, t-3) dengan target pH pada t+1, t+2 dan t+3. Parameter model adalah Optimizer dengan Adaptive Moment (Adam) sebagai Optimizer, aktivasi menggunakan Rectified Linear Unit (ReLU) dengan jumlah Epoch 500, dan Loss menggunakan Mean Squared Error (MSE). Kriteria Evaluasi menggunakan Coefficient of Determination (R2 ), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE). Hasil pemodelan menunjukkan selisih terendah antara pH riil dengan pH prediksi adalah 0 dan tertinggi 0,79. Pada model CNN, dari 9 nilai R2 ada 7 yang mendekati nilai 1, artinya persamaan regresi sesuai antara nilai variabel dependen dengan variabel independen, dan 2 mendekati nilai 0 yang artinya persamaan regresi tidak sesuai antara nilai variabel dependen dengan variabel independen. Selanjutnya, dari 9 nilai MAPE terdapat 5 nilai yang menunjukkan model prediksi baik, sisanya berada dalam rentang model prediksi cukup. Pada model LSTM, ada 8 dari 9 R2 yang memiliki nilai mendekati 1 dan hanya 1 yang mendekati 0. Selanjutnya, 6 dari 9 MAPE berada dalam rentang model prediksi baik, sisanya berada dalam rentang model prediksi cukup. Dari hasil penelitian diketahui bahwa semakin jauh titik prediksi yang di tuju maka relasi antara pH riil dengan pH prediksi semakin lemah. Ini ditunjukan oleh nilai R2 semakin kecil pada t+3 untuk semua parameter input. Dari hasil di atas disimpul bahwa Model LSTM dan CNN dapat digunakan untuk memprediksi kualitas air sungai Ciliwung berdasarkan parameter pH karena mayoritas nilai R2 mendekati 1, MAPE sebagian besar berada dalam model prediksi kelompok baik. Di antara dua model yang digunakan, model LSTM lebih baik dari pada model CNN karena memiliki nilai R2 yang mendekati 1 dan MAPE pada model prediksi baik lebih banyak. ......This research predicts the water quality of the Ciliwung River based on pH parameters from Online Monitoring using two Deep Learning models, namely Convolutional Neural Network (CNN) and Long Short-Term Memory (LSTM). The input parameter is pH with three combination scenarios, namely odd times (t, t-1, t-3, t-5), even (t, t+2, t-4, t-6) and sequential times (t, t -1, t-2, t-3) with pH targets at t+1, t+2 and t+3. The model parameters are Optimizer with Adaptive Moment (Adam) as Optimizer, activation uses Rectified Linear Unit (ReLU) with a number of Epochs of 500, and Loss uses Mean Squared Error (MSE). Evaluation criteria use Coefficient of Determination (R2), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), and Mean Absolute Percentage Error (MAPE). The modeling results show that the lowest difference between real pH and predicted pH is 0 and the highest is 0.79. In the CNN model, of the 9 R2 values there are 7 that are close to 1, meaning that the regression equation matches the value of the dependent variable and the independent variable, and 2 are close to 0, which means that the regression equation does not match the value of the dependent variable and the independent variable. Furthermore, of the 9 MAPE values, there are 5 values that indicate a good prediction model, the rest are in the range of a sufficient prediction model. In the LSTM model, there are 8 out of 9 R2 which have values close to 1 and only 1 which is close to 0. Furthermore, 6 out of 9 MAPEs are in the good prediction model range, the rest are in the fair prediction model range. From the research results, it is known that the further away the prediction point is, the weaker the relationship between real pH and predicted pH. This is shown by the R2 value getting smaller at t+3 for all input parameters. From the results above, it can be concluded that the LSTM and CNN models can be used to predict the water quality of the Ciliwung River based on the pH parameter because the majority of R2 values are close to 1, the MAPE is mostly in the good group prediction model. Between the two models used, the LSTM model is better than the CNN model because it has an R2 value that is close to 1 and the MAPE in the good prediction model is higher.

Abstrak :
White Matter Hyperintensities (WMHs) merupakan neuroradiological features yang dapat dilihat pada T2-FLAIR brain MRI sebagai bagian putih (hyperintensities) dan merupakan karakteristik dari small vessel disease (SVD). Informasi detail terkait WMHs (lokasi, volume, dan distribusi) sangat diperlukan untuk membantu penanganan pasien. Akan tetapi melakukan segmentasi otomatis pada WMHs merupakan tantangan tersendiri karena ukuran, bentuk, dan letak WMHs yang tidak menentu. Hasil evaluasi dapat berubah bila test set berasal dari dataset yang berbeda dari train set, karena setiap dataset akan memiliki karakteristik yang berbeda. Penelitian ini mengusulkan model bernama Probabilistic Multi-compound Transformer (Probabilistic MCTrans) yang menggantikan model U-Net pada Probabilistic U-Net menjadi model MCTrans. Secara penelitian sebelumnya, model MCTrans dapat menyelesaikan permasalahan long-range dependencies dan model Probabilistic U-Net dapat menangkap ambiguitas dari citra medis, serta akan melakukan evaluasi cross-dataset robustness untuk mengetahui performa model bila train set berbeda sumber dari test set. Dari hasil evaluasi menunjukan bahwa Probabilistic MCTrans memiliki performa yang lebih rendah dibandingkan dengan Probabilistic U-Net. Akan tetapi Probabilistic MCTrans memiliki performa lebih baik dibandingkan dengan MCTrans. Hal tersebut dapat terjadi karena ambiguitas yang ditangkap Probabilistic MCTrans lebih banyak dari Probabilistic U-Net dan ambiguitas banyak terjadi di border WMHs.  ......White Matter Hyperintensities are neuroradiological features that often seen in T2-FLAIR brain MRI as hyperintensities and characteristic of small vessel disease (SVD). Detailed information of WMHs (i.e. location, volume, and distribution) are needed in clinical research to help treat patients. However, automatic segmentation on WMHs is still challenging due to uncertain volume, shape, and location of WMHs. Evaluation results may change if test set came from different dataset as train set, because every dataset have their own characteristic. In this study, we propose a model called Probabilistic Multi-compound Transformer (Probabilistic MCTrans), that replace U-Net from Probabilistic U-Net’s with MCTrans. In previous study, model MCTrans can solved long-range dependencies problem and model Probabilistic U-Net can capture ambiguity in biomedical image, also we would like to evaluate on cross-dataset robustness to determine performance model when the train set differs in source from the test set. The evaluation results show that Probabilistic MCTrans has a lower performance than Probabilistic U-Net. However, Probabilistic MCTrans has better performance than MCTrans. Furthermore, the ambiguity captured by Probabilistic MCTrans is more than Probabilistic U-Net and the ambiguity is around the border of WMHs. 

Abstrak :
Software product line (SPL) adalah kumpulan perangkat lunak dengan yang memiliki kemiripan dan dibuat dari suatu base artefact yang sama. Variability Module(VM) merupakan salah satu konsep baru dalam implementasi SPL menggunakan Delta Oriented Programming(DOP) yang juga mendukung penggunaan beberapa SPL yang saling bergantung yang dinamakan Multi Product Line (MPL). VM memiliki potensi besar dalam implementasi SPL karena disusun dari konsep modul yang banyak digunakan pada bahasa pemrograman. Variability Module for Java (VMJ) memperlihatkan implementasi konsep VM yang dibuat dengan menggunakan bahasa pemrograman Java dan design pattern untuk mengimplementasikan DOP. Penelitian ini lalu mencoba untuk mengadopsi konsep VM yang didefinisikan VMJ untuk melakukan implementasi konsep VM pada suatu web framework berbasis Java bernama Javalin. Pada saat ini, implementasi SPL masih kekurangan tools untuk dapat diadopsi secara luas. Hal tersebut mendorong adanya keinginan untuk melihat bagaimana integrasi penelitian SPL dengan web framework yang digunakan pada industri. VM for Javalin mengkombinasikan konsep VMJ dan penggunaan Javalin dan juga build tools untuk membuat suatu web framework yang mendukung Software Product Line Engineering(SPLE). VM for Javalin menjadi langkah awal dari integrasi konsep SPLE yang dikembangkan pada penelitian dengan penggunaan frameworkyang digunakan industri. VM for Javalin dievaluasi dengan menggunakan studi kasus dan penggunaannya dibandingkan dengan penggunaan Javalin orisinil. Selanjutnya VM for Javalin juga dievaluasi menggunakan enam quality criteria teknik implementasi SPL. Penelitian ini mampu menghasilkan suatu web framework VM for Javalin yang mendukung pengembangan SPLE menggunakan konsep VM dan DOP ......Software Product Line (SPL) is a family of similar systems built from a common artefact base. Variability Module (VM) is a new concept to implement SPL using Delta-Oriented Programming (DOP) that also supports the use of interdependent SPL, called Multi-Product Line (MPL). VM has potential in SPL implementation since the concept is made from the module system used and supported by programming languages.Variability Modules for Java (VMJ) has shown the VM implementation using Java and design patterns to implement DOP. This research adopts the VM concept that VMJ defined to implement VM in a java-based web framework called Javalin. The broad adoption of SPL implementation lacks the supporting tools. This fact drives a need to see how to integrate the concept from SPL research to web frameworks used by the industry. VM For Javalin combines the concept of VMJ and the use of Javalin to realise a Software Product Line Engineering SPLE) enabled web framework. VM For Javalin is an initial step to integrating the SPLE concept from academic research with an industry used web framework. VM For Javalin is evaluated using a case study and comparing the usage to the original base Javalin. The six quality criteria of SPL implementation are also used to evaluate the implementation technique used in VM for Javalin. This research was able to create an SPLE-enabled web framework using the VM concept and DOP.

Abstrak :
Media sosial telah berkembang pesat dalam masyarakat dunia. Tak terkecuali Twitter yang mendapatkan peningkatan baik dalam jumlah pengguna maupun konten yang dibuat. Namun, Twitter memiliki batasan karakter dalam satu tweet yang menyebabkan perubahan pada pola penulisan para penggunanya. Pengguna Twitter mulai memodifikasi penulisan dengan kata baku menjadi kata tidak baku, salah satunya dengan menggunakan bahasa campuran. Untuk keperluan analisis tweet, normalisasi teks diperlukan untuk mengubah kata tidak baku menjadi baku untuk memudahkan analisis. State-of-the-art pada normalisasi teks Twitter berbahasa campuran Indonesia dan Inggris saat ini adalah model statistical machine translation (SMT), namun model SMT masih memiliki kelemahan pada beberapa jenis perubahan kata. Penelitian ini berfokus pada normalisasi teks Twitter Indonesia berbahasa campuran Indonesia dan Inggris dengan menggunakan salah satu model transformer yaitu UFAL ByT5. Terdapat dua model UFAL ByT5 yang digunakan masing-masing untuk bahasa Indonesia serta bahasa Inggris. Hasil penelitian menunjukkan model UFAL ByT5 unggul dalam normalisasi teks dibandingkan model SMT, dengan selisih nilai BLEU 0,88 persen lebih besar. ......Social media has been grown rapidly in the global community. It also includes Twitter, which is getting increase in both users and content created. However, Twitter has character limit in one tweet which causes changes to the writing patterns of its users. Twitter users began to modify their writing from using formal words into non-formal words, one of which was using code-mixed language. For tweet analysis purposes, text normalization is required to transform non-formal words into formal ones to help analysis process. The recent state-of-the-art for Indonesian-English code-mixed Twitter text normalization is with statistical machine translation (SMT) models, however the SMT model still has weakness in word recognition. This research focuses on the Indonesian and English code-mixed Twitter text normalization using one of transformer model which is UFAL ByT5. There are two UFAL ByT5 models that were used, each of them are for Indonesian and English language. Research result shows that UFAL ByT5 model outperform SMT model on text normalization by 0.88 percent of BLEU score in difference.