Claim Missing Document
Check
Articles

Found 3 Documents
Search

Pengembangan Media Pembelajaran menggunakan Augmented Reality dan Voice Recognition Benda Rumah dengan Bahasa Inggris Ika Kusumaning Putri; Dimas Wahyu Wibowo; Leni Saputri
Jurnal Sistem dan Informatika (JSI) Vol 16 No 1 (2021): Jurnal Sistem dan Informatika (JSI)
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v16i1.407

Abstract

Halangan umum yang sering ditemui dalam pembelajaran bahasa Inggris pada tingkat sekolah dasar yaitu pembelajaran hanya berupa penjelasan atau gambaran secara lisan, sehingga anak tingkat sekolah dasar hanya bisa membuat gambaran mengenai penjelasan tersebut tanpa melihat secara langsung bentuk atau kejadian yang dijelaskan, Anak tingkat sekolah dasar mudah bosan dengan kegiatan pembelajaran setelah 15 menit, karena anak tingkat sekolah dasar memiliki rentang perhatian yang lebih pendek (Short Attention Span). Dengan menggunakan media pembelajaran yang menerapkan teknologi Augmented Reality yang dapat menampilkan benda maya yang dibuat semirip mungkin dengan aslinya ke dalam dunia nyata dan juga menggunakan teknologi Voice Recognition yang digunakan untuk mendeteksi suara objek dalam bahasa Inggris dengan menggunakan platform wit.ai sebagai Natural Language Processing yang mampu mengubah kalimat menjadi data terstruktur dapat membuat media pembelajaran yang dapat berinteraksi secara langsung dengan objek virtual 3D. Hasil pengujian User Aceptance Test didapatkan hasil dengan rata-rata interpretasi sebesar 95,77% dan 93.26% pada skala likert dengan hasil pengujian pada 13 responden berumur 6-9 tahun yang sudah mencoba aplikasi dan 14 responden sebagai pengamat saat 13 responden berumur 6-9 tahun mencoba aplikasi. Hal ini menunjukkan bahwa aplikasi dapat diterima dan digunakan sebagai alat bantu dalam media pembelajaran.
Peringkasan Teks Otomatis pada Portal Berita Olahraga menggunakan metode Maximum Marginal Relevance. Dimas Firman AL-Hafiidh; Imam Fahrur Rozi; Ika Kusumaning Putri
Jurnal Informatika Polinema Vol. 8 No. 3 (2022): Vol 8 No 3 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v8i3.519

Abstract

Berita mengandung fakta atau opini yang mungkin memiliki kecenderungan tertentu. Berita dapat mengakses berbagai media seperti koran, televisi, internet, dan lain-lain. Internet adalah yang terkenal digunakan untuk mengakses berita. Untuk mencari informasi utama tentang berita mungkin membutuhkan waktu. Ini membutuhkan akses yang rapi dan meminimalkan waktu untuk membaca. Oleh karena itu perlu dilakukan rangkuman berita agar perolehan dari berita tersebut lebih efisien dan efektif. Penelitian dimulai dengan lima tahap preprocessing teks: pemecahan kalimat, pelipatan kasus, tokenizing, filtering, dan stemming. Proses selanjutnya adalah menghitung bobot tf-idf-df, bobot relevansi kueri dan bobot kesamaan. Ringkasan dihasilkan dari ekstraksi kalimat menggunakan metode relevansi marginal maksimum. Metode ini digunakan untuk mengurangi redundansi dalam memeringkat kalimat pada banyak dokumen. Pengaruh Maximum Marginal Relevance terhadap hasil akurasi ringkasan sistem yaitu pengujian diambil dari 5 sampel berita berita online menggunakan lamda 0.7 yang kemudian hasil ringkasan tersebut digunakan untuk dibandingkan dengan ringkasan sistem dan ringkasan oleh ahli termasuk. Maya Rahma, setelah itu dicari benar kemudian dicari salah dan luput, bila hasil tersebut diperoleh maka dicari ketelitian, recall, f-measure masing-masing responden dan dicari hasil tes dari mencari rata-rata presisi, recall, f-measure, sehingga efek lamda 0,7 menghasilkan akurasi rata-rata 57,7% Precision. , Ingat 48,5% dan F - Ukur 50,3%.
Analisis Performa Seleksi Atribut untuk Menentukan Potensi Mahasiswa Putus Studi Vivi Nur Wijayaningrum; Ika Kusumaning Putri; Annisa Puspa Kirana; Muhammad Rizki Mubarok; Deatrisya Mirela Harahap; Berryl Radian Hamesha
Jurnal Informatika Polinema Vol. 9 No. 2 (2023): Vol 9 No 2 (2023)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i2.1300

Abstract

Banyaknya kasus mahasiswa putus studi yang terjadi di sejumlah pendidikan tinggi menjadi perhatian khusus di berbagai negara. Efek yang ditimbulkan akibat masalah ini antara lain dapat menghambat perekonomian dan produktivitas di negara tersebut. Untuk mengatasi hal tersebut, beberapa algoritma telah digunakan untuk memprediksi potensi mahasiswa putus studi. Berbagai atribut data yang berkaitan dengan informasi mahasiswa, seperti data pribadi, riwayat akademik, dan latar belakang mahasiswa digunakan sebagai bahan pertimbangan mahasiswa tersebut berpotensi putus studi atau tidak. Namun, banyaknya atribut data yang digunakan pada proses prediksi memungkinkan terjadinya overfitting, menurunnya performa algoritma, dan menambah waktu komputasi. Pada penelitian ini, seleksi atribut data dilakukan dengan menggunakan Chi Square, Pearson Correlation Coefficient, dan Random Forest untuk selanjutnya dapat dilakukan prediksi menggunakan Multi-Layer Perceptron. Hasil dari skenario pengujian dengan menggunakan berbagai variasi banyaknya atribut data menunjukkan terjadinya peningkatan nilai akurasi dan F1-Score saat dilakukan seleksi atribut dengan nilai rata-rata di atas 0.8.