Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Jurnal Eksplora Informatika Technomedia Journal
Muhamad Kurniawan
Unknown Affiliation
Computer Science & IT Languange, Linguistic, Communication & Media

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Sistem Informasi Surat Masuk Pada Pengelolaan Rantai Suplai Satuan Kerja Khusus Migas Mulyati mulyati; Nasril Sany; Muhamad Kurniawan
Technomedia Journal Vol 5 No 1 Agustus (2020): TMJ (Technomedia Journal)
Publisher : Pandawan Incorporation, Alphabet Incubator Universitas Raharja

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (636.048 KB) | DOI: 10.33050/tmj.v5i1.1256

Abstract

The correspondence system is one of the factors that influence the management of letters in the SKK Migas Supply Chain Management Division, so it is very necessary to manage the letter better, faster, and easily. This Information System can reduce so much use of time in archiving letters and dispositions, reduce paper use, reduce the possibility of errors in recording, speed up the search process of the letter, facilitate the control of disposition of letters, and easy to use. This system also eases the process of data communication between sections and makes reports that are always updated and can be seen in the monthly and annually reports. The Incoming Mail Information System is created using tools such as PHPMyAdmin, MySQL as a database and Xampp as the server.
Part of Speech Tagging Pada Teks Bahasa Indonesia dengan BiLSTM + CNN + CRF dan ELMo Muhamad Kurniawan; Kusrini Kusrini; Muhammad Rudyanto Arief
Jurnal Eksplora Informatika Vol 11 No 1 (2021): Jurnal Eksplora Informatika
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/eksplora.v11i1.506

Abstract

Part of Speech Tagging atau POS Tag merupakan salah satu proses untuk mengelompokkan kata berdasarkan kelas kata seperti: kata benda, kata kerja, atau kata sambung. Kegunaan POS Tag antara lain dapat bermanfaat pada analisis sentimen, pengenalan entitas bernama, dan konversi teks ke suara. Dalam melakukan POS Tag, jika dilakukan secara manual dapat menghabiskan banyak waktu, oleh karena itu dibuatlah sistem berbasis machine learning untuk mengotomatisasi proses ini. Pada penelitian ini, dilakukan POS Tag dengan menerapkan transfer learning dengan model Embedding from Language Model (ELMo). Model ELMo cukup populer digunakan pada dataset bahasa Inggris karena dapat memberi hasil akurasi yang memuaskan namun pada dataset bahasa Indonesia belum ada paper yang membahas tentang model ini. Melalui penelitian ini ingin dilihat bagaimana performa ELMo pada dataset bahasa Indonesia. Model yang digunakan untuk menyelesaikan masalah POS Tag adalah model berbasis BiLSTM. Pada penelitian ini, juga ingin dilihat bagaimana performa model jika ditambahkan CNN setelah BiLSTM. Selain itu, juga diteliti bagaimana performa dari tiap lapisan ELMo. Dari penelitian ini diperoleh bahwa metode BiLSTM + CNN + CRF dengan embedding ELMo lapisan pertama memiliki akurasi terbaik, dengan nilai 95.62%. Selain itu, diperoleh bahwa penambahan CNN setelah BiLSTM dapat meningkatkan akurasi serta mengurangi overfitting pada masalah POS Tag bahasa Indonesia.
Co-Authors Kusrini Kusrini Muhammad Rudyanto Arief Mulyati Mulyati Nasril Sany