Garuda - Garba Rujukan Digital

PENENTUAN KARAKTERISTIK PENGGUNA SEBAGAI PENDUKUNG KEPUTUSAN DALAM MEMILIH SMARTPHONE MENGGUNAKAN FORWARD CHAINING Sandika, Ian Gatra; Permanasari, Adhistya Erna; Sumaryono, Sujoko
Prosiding SNATIF Vol 1, No 1 (2014): Prosiding Seminar Nasional Teknologi dan Informatika
Publisher : Prosiding SNATIF

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

Abstrak Â Saat iniÂ smartphone sudah menjadi kebutuhan primer bagi semua kalangan masyarakat kelas atas maupun kalangan bawah. Seiring kebutuhan tersebut banyak vendor-vendor smartphone yang menawarkan harga, fitur, operating sistem dan teknologi yang berbeda-beda. Akan tetapi, keinginan dan kebutuhan masyarakat yang semakin meningkat sering tidak sesuai dengan smartphone yang diinginkan dan yang dibutuhkan. Hal tersebut menyebabkan pengguna smartphone tidak dapat menentukan pilihan yang tepat sesuai dengan kebutuhannya karena seringnya pemilihan smartphone didasarkan pada gengsi dan perilaku konsumtif masyarakat. Penelitian ini dilakukan untuk memberikan saran kepada masyarakat agar dapat memilih smartphone yang sesuai dengan karakteristik masing-masing pengguna (kebutuhan pengguna). Karakteristik pengguna didapatkan dari pengolahan 16Â pertanyaan yang diajukan oleh sistem. Metode yang digunakan dalam mengolah 16 pertanyaan tersebut adalah forward chaining. Forward chaining digunakan karena dalam sistem ini memberikan beberapa pertanyaan yang akan diolah menjadi suatu kesimpulan. Â Pertanyaan-pertanyaan tersebut diolah menggunakan software Swi prolog berdasarkan production rules untuk mendapatkan keluaran berupa saran kepada pengguna. Pengolahan tersebut didasarkan pada jawaban Y(Yes) danÂ N(No) serta tambahan range harga yang dimasukkan oleh pengguna. Hasil saran yang dikeluarkan sistem berupa karakteristik pengguna, harga dan jenis smartphone. Smartphone yang disarankan untuk pengguna didasarkan pada karakteristik yang telah ditentukan sistem, yaitu Adventures, Entertainer, Elegan dan Sosial media addict. Â Kata kunci :smartphone, karakteristik pengguna, forward chaining

ANALISIS SENTIMEN DATA PRESIDEN JOKOWI DENGAN PREPROCESSING NORMALISASI DAN STEMMING MENGGUNAKAN METODE NAIVE BAYES DAN SVM Saputra, Nurirwan; Adji, Teguh Bharata; Permanasari, Adhistya Erna
Dinamika Informatika Vol 5, No 1 (2015): Jurnal Dinamika Informatika
Publisher : Dinamika Informatika

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

Jokowi merupakan seorang tokoh masyarakat dengan jenjang karir yang sangat cepat, dan tidak luput dari pandangan masyarakat baik itu positif, netral maupun negatif. Data mengenai Jokowi yang berisikan komentar positif , netral dan negatif yang berasal dari media sosial dan blog politik diperlukan dalam menentukan langkah-langkah yang harus diambil oleh Jokowi untuk mendapatkan kepercayaan dari masyarakat. Selain itu data yang sudah didapat perlu dievaluasi untuk menunjukkan urgensi diimplementasikannya preProcessing terhadap data, yaitu normalisasi dan stemming. Analisis sentimen merupakan ilmu yang berguna untuk menganalisis pendapat seseorang, sentiment seseorang, evaluasi seseorang, sikap seseorang dan emosi seseorang ke dalam bahasa tertulis. Penelitian ini menggunakan search techniques dalam pengambilan data, sehingga pengambilan data dilakukan dengan efektif dan efisien. Search techniques dalam penelitian ini menggunakan Boolean searching dengan operator âANDâ. Data yang sudah didapat dilabeli positif, netral dan negatif oleh penulis kemudian dikoreksi oleh ahli bahasa. Setelah itu dilakukan preProcessing baik itu mengubah kata tidak baku menjadi baku atau biasa disebut normalisasi menggunakan kamus dan mencari akar kata yaitu stemming dengan bantuan aplikasi Sastrawi Master. Selanjutnya dilakukan juga tokenisasi N-Gram, Unigram, Bigram, dan Trigram terhadap kalimat, Â kemudian menghilangkan kata-kata yang umum digunakan dan tidak mempunyai Informasi yang berharga pada suatu konteks atau biasa disebut stopword removal, dan mempertahankan emoticon karena emoticon merupakan simbol yang menunjukkan ekspresi seseorang ke dalam tulisan. Akurasi yang terbaik dalam penelitian ini adalah dengan dilakukan normalisasi dan stemming pada data sebesar 89,2655% menggunakan metode SVM, dan kemudian data yang dinormalisasi saja sebesar 88,7006% menggunakan metode SVM. Dalam penelitian ini, tidak ada ujicoba terhadap data yang dilakukan stemming saja, dikarenakan tahap yang harus dilakukan dalam stemming adalah melakukan normalisasi terlebih dahulu terhadap data.

ANALISIS SENTIMEN DATA PRESIDEN JOKOWI DENGAN PREPROCESSING NORMALISASI DAN STEMMING MENGGUNAKAN METODE NAIVE BAYES DAN SVM Saputra, Nurirwan; Adji, Teguh Bharata; Permanasari, Adhistya Erna
Dinamika Informatika Vol 5, No 1 (2015): Jurnal Dinamika Informatika
Publisher : Dinamika Informatika

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

Jokowi merupakan seorang tokoh masyarakat dengan jenjang karir yang sangat cepat, dan tidak luput dari pandangan masyarakat baik itu positif, netral maupun negatif. Data mengenai Jokowi yang berisikan komentar positif , netral dan negatif yang berasal dari media sosial dan blog politik diperlukan dalam menentukan langkah-langkah yang harus diambil oleh Jokowi untuk mendapatkan kepercayaan dari masyarakat. Selain itu data yang sudah didapat perlu dievaluasi untuk menunjukkan urgensi diimplementasikannya preProcessing terhadap data, yaitu normalisasi dan stemming. Analisis sentimen merupakan ilmu yang berguna untuk menganalisis pendapat seseorang, sentiment seseorang, evaluasi seseorang, sikap seseorang dan emosi seseorang ke dalam bahasa tertulis. Penelitian ini menggunakan search techniques dalam pengambilan data, sehingga pengambilan data dilakukan dengan efektif dan efisien. Search techniques dalam penelitian ini menggunakan Boolean searching dengan operator âANDâ. Data yang sudah didapat dilabeli positif, netral dan negatif oleh penulis kemudian dikoreksi oleh ahli bahasa. Setelah itu dilakukan preProcessing baik itu mengubah kata tidak baku menjadi baku atau biasa disebut normalisasi menggunakan kamus dan mencari akar kata yaitu stemming dengan bantuan aplikasi Sastrawi Master. Selanjutnya dilakukan juga tokenisasi N-Gram, Unigram, Bigram, dan Trigram terhadap kalimat, Â kemudian menghilangkan kata-kata yang umum digunakan dan tidak mempunyai Informasi yang berharga pada suatu konteks atau biasa disebut stopword removal, dan mempertahankan emoticon karena emoticon merupakan simbol yang menunjukkan ekspresi seseorang ke dalam tulisan. Akurasi yang terbaik dalam penelitian ini adalah dengan dilakukan normalisasi dan stemming pada data sebesar 89,2655% menggunakan metode SVM, dan kemudian data yang dinormalisasi saja sebesar 88,7006% menggunakan metode SVM. Dalam penelitian ini, tidak ada ujicoba terhadap data yang dilakukan stemming saja, dikarenakan tahap yang harus dilakukan dalam stemming adalah melakukan normalisasi terlebih dahulu terhadap data.

Model Konseptual Faktor-Faktor yang Mempengaruhi Literasi Komputer Pegawai Pemerintah Oktifiani, Sufi; Permanasari, Adhistya Erna; Nugroho, Eko
Prosiding Snatika (Seminar Nasional Teknologi, Informasi, Komunikasi dan Aplikasinya) Vol 4 (2017): Prosiding Snatika (Seminar Nasional Teknologi, Informasi, Komunikasi dan Aplikasinya)
Publisher : Prosiding Snatika (Seminar Nasional Teknologi, Informasi, Komunikasi dan Aplikasinya)

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

Kebijakan penerapan e-government yang dicanangkan oleh Pemerintah Indonesia masih menghadapi banyak  tantangan. Salah satu masalah yang muncul adalah kesiapan dari Sumber Daya Manusia (SDM) untuk menggunakan Teknologi Informasi dan Komunikasi (TIK) dalam pekerjaan mereka. Tidak banyak kajian yang meneliti tentang literasi komputer pegawai pemerintah, walau demikian kami menduga masih terjadi kesenjangan digital dalam dunia pemerintahan. Penelitian ini mengajukan model yang disusun dari kecemasan berkomputer, keinovatifan personal terhadap teknologi informasi (TI) dan faktor-faktor demografis seperti umur, tingkat pendidikan dan kepemilikan komputer untuk mengetahui faktor yang mempengaruhi literasi komputer pegawai. Kami memilih menggunakan tes prestasi untuk mengukur literasi komputer ketimbang menggunakan variabel yang sudah banyak diteliti, seperti keyakinan diri atas komputer. Responden akan dibagi menjadi dua kelompok: tingkat literasi komputer tinggi dan rendah. Validasi dari pemodelan ini dapat dilakukan dengan regresi logistik.

Model Konseptual Faktor-Faktor yang Mempengaruhi Literasi Komputer Pegawai Pemerintah Oktifiani, Sufi; Permanasari, Adhistya Erna; Nugroho, Eko
Prosiding SNATIKA Vol 4 (2017): Prosiding Snatika (Seminar Nasional Teknologi, Informasi, Komunikasi dan Aplikasinya)
Publisher : LPPM STIKI Malang

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

Kebijakan penerapan e-government yang dicanangkan oleh Pemerintah Indonesia masih menghadapi banyak tantangan. Salah satu masalah yang muncul adalah kesiapan dari Sumber Daya Manusia (SDM) untuk menggunakan Teknologi Informasi dan Komunikasi (TIK) dalam pekerjaan mereka. Tidak banyak kajian yang meneliti tentang literasi komputer pegawai pemerintah, walau demikian kami menduga masih terjadi kesenjangan digital dalam dunia pemerintahan. Penelitian ini mengajukan model yang disusun dari kecemasan berkomputer, keinovatifan personal terhadap teknologi informasi (TI) dan faktor-faktor demografis seperti umur, tingkat pendidikan dan kepemilikan komputer untuk mengetahui faktor yang mempengaruhi literasi komputer pegawai. Kami memilih menggunakan tes prestasi untuk mengukur literasi komputer ketimbang menggunakan variabel yang sudah banyak diteliti, seperti keyakinan diri atas komputer. Responden akan dibagi menjadi dua kelompok: tingkat literasi komputer tinggi dan rendah. Validasi dari pemodelan ini dapat dilakukan dengan regresi logistik.

OpenMRS FRAMEWORK : HEALTH INFORMATION SYSTEM SOLUTION TO DEVELOP IN SABHA, LIBYA Abobaker, Mostafa; Sulistyo, Selo; Permanasari, Adhistya Erna
Jurnal Teknologi Informasi RESPATI Vol 9, No 27 (2014)
Publisher : Universitas Respati Yogyakarta

The health care system in Libya in recent years does not change significantly, less developed and modernized. This problem is further exacerbated by the revolution that occurred in Libya. The revolution that occurred in 2011 has caused the health care system into collapse. In this study conducted a review for the development of health information systems in Libya by using OpenMRS Framework.At the stage of gathering information using questionnaires concluded that the majority of respondents (about 95.35%) wanted the development of a new system that can resolve the main problems that occurred in Libya, the health information system ineffective and inefficient in which this system has led to wastage of time and increased operating costs. Based on analysis of system vulnerabilities using PIECES method could also be concluded that the current system is not used effectively and efficiently. In this study is also presented on how to implement OpenMRS.Based on the results of the discussion it can be concluded that OpenMRS is a solution that can be taken for the development of a health information system that is fast, low cost, and is an open source application that only requires a little setting in the system of patient management and care. OpenMRS can be implemented to support the health services of a small clinic to the health services with enterprise scale. Therefore, OpenMRS could be the answer to the development of health information systems in various countries around the world, including Libya.

ANALISIS SENTIMEN DATA PRESIDEN JOKOWI DENGAN PREPROCESSING NORMALISASI DAN STEMMING MENGGUNAKAN METODE NAIVE BAYES DAN SVM Saputra, Nurirwan; Adji, Teguh Bharata; Permanasari, Adhistya Erna
Dinamika Informatika Vol 5, No 1 (2015): Jurnal Dinamika Informatika
Publisher : Universitas PGRI Yogyakarta

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

Jokowi merupakan seorang tokoh masyarakat dengan jenjang karir yang sangat cepat, dan tidak luput dari pandangan masyarakat baik itu positif, netral maupun negatif. Data mengenai Jokowi yang berisikan komentar positif , netral dan negatif yang berasal dari media sosial dan blog politik diperlukan dalam menentukan langkah-langkah yang harus diambil oleh Jokowi untuk mendapatkan kepercayaan dari masyarakat. Selain itu data yang sudah didapat perlu dievaluasi untuk menunjukkan urgensi diimplementasikannya preProcessing terhadap data, yaitu normalisasi dan stemming. Analisis sentimen merupakan ilmu yang berguna untuk menganalisis pendapat seseorang, sentiment seseorang, evaluasi seseorang, sikap seseorang dan emosi seseorang ke dalam bahasa tertulis. Penelitian ini menggunakan search techniques dalam pengambilan data, sehingga pengambilan data dilakukan dengan efektif dan efisien. Search techniques dalam penelitian ini menggunakan Boolean searching dengan operator “AND”. Data yang sudah didapat dilabeli positif, netral dan negatif oleh penulis kemudian dikoreksi oleh ahli bahasa. Setelah itu dilakukan preProcessing baik itu mengubah kata tidak baku menjadi baku atau biasa disebut normalisasi menggunakan kamus dan mencari akar kata yaitu stemming dengan bantuan aplikasi Sastrawi Master. Selanjutnya dilakukan juga tokenisasi N-Gram, Unigram, Bigram, dan Trigram terhadap kalimat, kemudian menghilangkan kata-kata yang umum digunakan dan tidak mempunyai Informasi yang berharga pada suatu konteks atau biasa disebut stopword removal, dan mempertahankan emoticon karena emoticon merupakan simbol yang menunjukkan ekspresi seseorang ke dalam tulisan. Akurasi yang terbaik dalam penelitian ini adalah dengan dilakukan normalisasi dan stemming pada data sebesar 89,2655% menggunakan metode SVM, dan kemudian data yang dinormalisasi saja sebesar 88,7006% menggunakan metode SVM. Dalam penelitian ini, tidak ada ujicoba terhadap data yang dilakukan stemming saja, dikarenakan tahap yang harus dilakukan dalam stemming adalah melakukan normalisasi terlebih dahulu terhadap data.

A scoring rubric for automatic short answer grading system Uswatun Hasanah; Adhistya Erna Permanasari; Sri Suning Kusumawardani; Feddy Setio Pribadi
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 17, No 2: April 2019
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v17i2.11785

During the past decades, researches about automatic grading have become an interesting issue. These studies focuses on how to make machines are able to help human on assessing students’ learning outcomes. Automatic grading enables teachers to assess student's answers with more objective, consistent, and faster. Especially for essay model, it has two different types, i.e. long essay and short answer. Almost of the previous researches merely developed automatic essay grading (AEG) instead of automatic short answer grading (ASAG). This study aims to assess the sentence similarity of short answer to the questions and answers in Indonesian without any language semantic's tool. This research uses pre-processing steps consisting of case folding, tokenization, stemming, and stopword removal. The proposed approach is a scoring rubric obtained by measuring the similarity of sentences using the string-based similarity methods and the keyword matching process. The dataset used in this study consists of 7 questions, 34 alternative reference answers and 224 student’s answers. The experiment results show that the proposed approach is able to achieve a correlation value between 0.65419 up to 0.66383 at Pearson's correlation, with Mean Absolute Error (????????????) value about 0.94994 until 1.24295. The proposed approach also leverages the correlation value and decreases the error value in each method.

EVALUASI KESUKSESAN IMPLEMENTASI APLIKASI PENGELOLAAN TUGAS BELAJAR DI BPK Tri Cahya Wisnu Groho; Wing Wahyu Winarno; Adhistya Erna Permanasari
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 1 (2014): Business Intelligence
Publisher : Jurusan Teknik Informatika

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

Penelitian ini melakukan evaluasi kesuksesan implementasi Aplikasi Pengelolaan Tugas Belajar (APTB) di Badan Pemeriksa Keuangan diukur dari tingkat kepuasan dan manfaat yang dirasakan penggunanya. Model penelitian mengadaptasi dan menggabungkan Technology Acceptance Model dan Information System Success Model DeLone dan McLean yang diperbarui. Terdapat tujuh variabel yaitu kualitas sistem, kualitas informasi, kualitas layanan, kegunaan yang dirasakan, kemudahan yang dirasakan, kepuasan pengguna, dan manfaat-manfaat bersih. Evaluasi dilakukan dengan menguji apakah kualitas sistem, kualitas informasi, dan kualitas layanan berpengaruh secara signifikan terhadap kegunaan yang dirasakan dan kemudahan yang dirasakan, yang selanjutnya akan mempengaruhi kepuasan pengguna serta menguji apakah kepuasan pengguna berpengaruh terhadap manfaat-manfaat bersih. Penelitian dilakukan dengan menganalisis hasil kuesioner yang terkumpul dari 90 responden. Metode analisis yang digunakan adalah Partial Least Square (PLS) dengan perangkat lunak SmartPLS. Hasil analisis dengan tingkat keyakinan 90% menunjukkan bahwa kualitas sistem berpengaruh signifikan terhadap kemudahan yang dirasakan, tetapi tidak berpengaruh terhadap kegunaan yang dirasakan. Kualitas informasi berpengaruh terhadap kegunaan yang dirasakan dan kemudahan yang dirasakan. Kualitas layanan berpengaruh signifikan terhadap kegunaan yang dirasakan, tetapi tidak berpengaruh terhadap kemudahan yang dirasakan. Kemudahan yang dirasakan mempengaruhi secara signifikan kegunaan yang dirasakan. Kegunaan yang dirasakan dan kemudahan yang dirasakan mempengaruhi secara signifikan kepuasan pengguna, dan kepuasan pengguna mempengaruhi secara signifikan manfaat-manfaat bersih. Selain itu, didapatkan evaluasi kesuksesan implementasi APTB yang belum sepenuhnya memenuhi harapan pengguna.

Social-Child-Case Document Clustering based on Topic Modeling using Latent Dirichlet Allocation Nur Annisa Tresnasari; Teguh Bharata Adji; Adhistya Erna Permanasari
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 14, No 2 (2020): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.54507

Children are the future of the nation. All treatment and learning they get would affect their future. Nowadays, there are various kinds of social problems related to children. To ensure the right solution to their problem, social workers usually refer to the social-child-case (SCC) documents to find similar cases in the past and adapting the solution of the cases. Nevertheless, to read a bunch of documents to find similar cases is a tedious task and needs much time. Hence, this work aims to categorize those documents into several groups according to the case type. We use topic modeling with Latent Dirichlet Allocation (LDA) approach to extract topics from the documents and classify them based on their similarities. The Coherence Score and Perplexity graph are used in determining the best model. The result obtains a model with 5 topics that match the targeted case types. The result supports the process of reusing knowledge about SCC handling that ease the finding of documents with similar cases

Title

Found 37 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 37 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 37 Documents
Search