Article Per Year (5 Year)
p-Index From 2019 - 2024
1.325
P-Index
This Author published in this journals
All Journal ComEngApp : Computer Engineering and Applications Journal Jupiter Jurnal Edukasi dan Penelitian Informatika (JEPIN) Annual Research Seminar Jurnal Linguistik Komputasional Sriwijaya Journal of Informatics and Applications
Mastura Diana Marieska
Fakultas Ilmu Komputer Universitas Sriwijaya Palembang, Indonesia
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Optimasi Algoritma K-Means Clustering dengan Parallel Processing menggunakan Framework R Marieska, Mastura Diana; Lestari, Suci; Mahendra, Calvin; Oktadini, Nabila Rizky; Buchari, Muhammad Ali
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 7, No 1 (2021): Volume 7 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v7i1.43400

Abstract

Parallel processing sering digunakan untuk melakukan optimasi execution time terhadap algoritma data mining. Pada penelitian ini, parallel processing digunakan untuk melakukan optimasi pada algoritma clustering K-Means. Implementasi algoritma K-means dilakukan dengan memanfaatkan package yang tersedia pada framework R. Algoritma K-Means dijalankan secara serial dan parallel. Untuk mendapatkan persentase optimasi, maka dilakukan perbandingan antara execution time pada parallel processing dan execution time pada serial processing. Penelitian ini menggunakan dataset Boston Housing yang umum digunakan pada data mining. Skenario pengujian dibedakan berdasarkan jumlah core dan jumlah centroid. Hasil pengujian menunjukkan bahwa parallel processing untuk tiap skenario memiliki execution time yang lebih kecil daripada serial processing. Optimasi yang dihasilkan cukup signifikan, yakni bernilai 20% hingga 52%. Optimasi tertinggi didapatkan pada jumlah core terbanyak dan jumlah centroid terbesar.
Pengaruh Synthetic Minority Oversampling Technique pada Analisis Sentimen Menggunakan Algoritma K-Nearest Neighbors Raisha Fatiya; Novi Yusliani; Mastura Diana Marieska; Danny Matthew Saputra
Jurnal Linguistik Komputasional Vol 5 No 1 (2022): Vol. 5, NO. 1
Publisher : Indonesia Association of Computational Linguistics (INACL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jlk.v5i1.63

Abstract

Salah satu permasalahan yang kerap timbul dan mempengaruhi proses pengklasifikasian adalah data tidak seimbang (imbalanced data). Suatu data dikatakan tidak seimbang apabila data tersebut terbagi menjadi kelas minoritas dan mayoritas. Hal tersebut akan memberikan pengaruh berupa dampak buruk pada hasil klasifikasi karena hasil yang didapatkan akan bias terhadap kelas mayoritas. Penelitian ini bertujuan untuk mengetahui pengaruh Synthetic Minority Oversampling Technique untuk menangani permasalahan imbalance data pada analisis sentimen menggunakan algoritma K-Nearest Neighbors. Synthetic Minority Oversampling Technique (SMOTE) adalah salah satu metode yang dapat digunakan untuk melakukan pembentukan data synthetic untuk mengatasi imbalanced data. Metode klasifikasi yang digunakan adalah K-Nearest Neighbors (KNN) dengan nilai k=3. Penelitian ini menggunakan tiga dataset sentimen yang memiliki topik Covid, Pilkada 1, dan Pilkada 2. Hasil evaluasi dari ketiga dataset tersebut menghasilkan nilai rata-rata accuracy sebesar 70% pada KNN tanpa SMOTE dan menghasilkan 78% pada KNN+SMOTE. Hal ini menunjukkan bahwa SMOTE dapat mengatasi permasalahan imbalanced data dan dapat memberikan pengaruh berupa peningkatan akurasi pada penelitian ini.
Query Reformulation for Indonesian Question Answering System Using Word Embedding of Word2Vec Alvi Syahrini Utami; Novi Yusliani; Mastura Diana Marieska; Abdiansah Abdiansah
Computer Engineering and Applications Journal Vol 11 No 1 (2022)
Publisher : Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (553.716 KB) | DOI: 10.18495/comengapp.v11i1.394

Abstract

Query reformulation is one of the tasks in Information Retrieval (IR), which automatically creates new queries based on previous queries. The main challenge of query reformulation is to create a new query whose meaning or context is similar to the old query. Query reformulation can improve the search for relevant documents for Open-domain Question Answering (OpenQA). The more queries are given to the search system, and the more documents will be generated. We propose a Word Predicted and Substituted (WPS) method for query reformulation using a word embedding word2vec. We tested this method on the Indonesian Question Answering System (IQAS). The test results obtained an E-1 value of 81% and an E-2 value of 274%. These results prove that the query reformulation method with WPS and word-embedding can improve the search for potential IQAS answers.
Sosialisasi dan Pelatihan Computational Thinking untuk Guru TK, SD, dan SMP di Sekolah Alam Indonesia (SAI) Palembang Mastura Diana Marieska; Dian Palupi Rini; Nabila Rizky Oktadini; Novi Yusliani; Yunita Yunita
Annual Research Seminar (ARS) Vol 5, No 2 (2019): Special Issue : Pengabdian Kepada Masyarakat
Publisher : Annual Research Seminar (ARS)

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Computational thinking umumnya hanyadipahami oleh kelompok tertentu, terutama orang yangbekerja di bidang informatika. Padahal computationalthinking merupakan skill yang penting untuk dikuasai padaera digital seperti sekarang ini. Di berbagai negara maju,pelajaran wajib yaitu STEM (Science, Technology,Engineering, and Mathematics) telah diperluas menjadiSTEM-C, yaitu penambahan computational thinking sebagaipelajaran wajib di sekolah. Diperlukan sosialisasi yang luasagar masyarakat Indonesia mengenal dan menyadaripentingnya kemampuan computational thinking. Salah satubentuk sosialisasi yang efektif adalah dengan memberipelatihan pada para guru. Pada tanggal 3 November 2018,telah dilakukan sosialisasi dan pelatihan computationalthinking pada guru TK, SD, dan SMP di Sekolah AlamIndonesia Palembang. Pencapaian dari pelatihan ini adalahpara guru memahami lebih dalam mengenai computationalthinking dan memiliki strategi yang nyata untuk menerapkanpembelajaran computational thinking di kelasnya masing-masing.
Sistem Pengamanan Data Menggunakan Kriptografi AES dan Blockchain Berbasis Android Dhiya Calista; Al Farissi; Mastura Diana Marieska
JUPITER (Jurnal Penelitian Ilmu dan Teknologi Komputer) Vol 13 No 2 (2021): JUPITER Edisi Oktober 2021
Publisher : Teknik Komputer Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/3927.jupiter.2021.10

Abstract

Data or information security is a very important thing for internet users to pay attention to now, so that the data or information owned is not attacked by irresponsible parties. So, in this research, an implementation of a combination of Blockchain and AES cryptography will be carried out in order to avoid active and passive attacks by attackers. Blockchain method can detect data changes from attackers quickly and easily. However, Blockchain method can still be attacked passively, therefore AES method is combined with Blockchain as a complement that is used to encrypt data from plaintext to ciphertext so that existing data or information can be avoided from active or passive attacks. In this research, the software development method is using Rational Unified Process (RUP) method and the tests carried out are Blockchain resistance to modification attacks testing and Avalanche Effect testing on AES method. Keywords— Cryptography, Blockchain, AES, RUP, Avalanche Effect
Ekstraksi Kata Kunci pada Bahasa Indonesia Menggunakan Metode Yake Novi Yusliani; Gerald Plakasa; Abdiansah Abdiansah; Mastura Diana Marieska; Danny Matthew Saputra
Jurnal Linguistik Komputasional Vol 6 No 1 (2023): Vol. 6, NO. 1
Publisher : Indonesia Association of Computational Linguistics (INACL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jlk.v6i1.117

Abstract

Peneliti, Mahasiswa, dan Juga Dosen biasanya melakukan penelitian untuk menghasilkan publikasi hasil penelitiannya. Saat ini pertumbuhan publikasi ilmiah terus meningkat. ketika publikasi akan di berikan ke reviewer maka publikasi yang kirimkan harus sesuai dengan bidang yang diampu oleh reviewer tersebut. Salah satu cara untuk mengetahui inti dari sebuah publikasi ilmiah yaitu dengan melakukan ekstraksi kata kuncinya. Metode yang digunakan untuk ekstraksi kata kunci salah satunya yaitu YAKE (Yet Another Keyword Extraction). Penelitian ini menggunakan dataset 100 publikasi ilmiah dari website jtiik, jatisi, dan jepin dengan topik Ilmu Komputer. Berdasarkan penelitian yang telah dilakukan, konfigurasi pada parameter Levenshtein Distance memiliki pengaruh terhadap hasil kata kuncinya. Evaluasi dari penelitian ini menghasilkan nilai f-measure sebesar 54,1% dan nilai akurasi sebesar 97,05% dengan parameter Levenshtein Distance < 2.
Comparison Of Shift Reduce Parsing and Left Corner Parsing Algorithm in Sentence Structure Ambiguity Checker Reyhan Navind Shaquille; Novi Yusliani; Mastura Diana Marieska
Sriwijaya Journal of Informatics and Applications Vol 2, No 2 (2021)
Publisher : Fakultas Ilmu Komputer Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36706/sjia.v2i2.26

Abstract

Indonesian is the official language of the Republic of Indonesia and the language of the Indonesian nation's unity. Although it is often used, there are still errors in the use that are not in accordance with the applicable rules. One type of error is due to ambiguity which can cause misunderstandings in interpreting a word or sentence. Structural ambiguity is a type of ambiguity that occurs when the structure of words in a sentence can be given more than one grammatical structure. Left Corner Parsing and Shift Reduce Parsing are parsing methods used to classify sentence structure ambiguity. This research involves preprocessing, namely case folding, tokenizing and Part Of Speech Tagging. This study uses 90 testing data labeled with facts, 30 ambiguous sentences and 60 unambiguous sentences. Based on the results of checking the ambiguity of the sentence structure, the Shift Reduce Parsing algorithm produces an accuracy of 71%, precision 70.6%, recall 59%, and f-measure 58.2%. Meanwhile, Left Corner Parsing produces an accuracy value of 70%, precision 68.7%, recall 57.5%, and f-measure 55.8%.
Co-Authors A.A. Ketut Agung Cahyawan W Abdiansah, Abdiansah Al Farissi Alvi Syahrini Utami Buchari, Muhammad Ali Danny Matthew Saputra Dhiya Calista Dian Palupi Rini Gerald Plakasa Mahendra, Calvin Novi Yusliani Novi Yusliani Oktadini, Nabila Rizky Raisha Fatiya Reyhan Navind Shaquille Yunita Yunita