Claim Missing Document
Check
Articles

Found 19 Documents
Search

Model dan Metoda Arsitektur pada Sistem Tanya Jawab Medis suwarningsih, wiwin; Supriana, Iping; Purwarianti, Ayu
INKOM Journal Vol 8, No 2 (2014)
Publisher : Pusat Penelitian Informatika - LIPI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (808.565 KB) | DOI: 10.14203/j.inkom.303

Abstract

Pada makalah ini, akan dilakukan survey beberapa penelitian yang membahas mengenai sistem tanya jawab dengan domain pada bidang medis (medical question answering = MedQuAn). Sistem MedQuAn mengolah pertanyaan yang diajukan dalam bentuk teks bahasa alami dan kemudian sistem akan memberikan jawaban yang relevan. Makalah ini mencoba menelaah modul konseptual MedQuAn, bahwa sistem tanya jawab terdiri dari tiga komponen inti yang berbeda beserta metoda/ pendekatan yang digunakan. Ketiga komponen inti tersebut adalah klasifikasi pertanyaan, pencarian dokumen, dan ekstraksi jawaban. Hasil akhir dari survey ini adalah sebuah kontribusi untuk pengembangan penelitian di masa mendatang di domain MedQuAn khususnya untuk sistem tanya jawab medis dengan menggunakan bahasa Indonesia.
PENILAIAN ESAI JAWABAN BAHASA INDONESIA MENGGUNAKAN METODE SVM - LSA DENGAN FITUR GENERIK Rama Adhitia; Ayu Purwarianti
Jurnal Sistem Informasi ##issue.vol## 5, ##issue.no## 1 (2009): Jurnal Sistem Informasi
Publisher : Faculty of Computer Science Universitas Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (845.401 KB)

Abstract

Paper ini mengkaji sebuah solusi untuk permasalahan penilaian jawaban esai secara otomatis dengan menggabungkan support vector machine (SVM) sebagai teknik klasifikasi teks otomatis dengan LSA sebagai usaha untuk menangani sinonim dan polisemi antar index term. Berbeda dengan sistem penilaian esai yang biasa yakni fitur yang digunakan berupa index term, fitur yang digunakan proses penilaian jawaban esai adalah berupa fitur generic yang memungkinkan pengujian model penilaian esai untuk berbagai pertanyaan yang berbeda. Dengan menggunakan fitur generic ini, seseorang tidak perlu melakukan pelatihan ulang jika orang tersebut akan melakukan penilaian esai jawaban untuk beberapa pertanyaan. Fitur yang dimaksud meliputi persentase kemunculan kata kunci, similarity jawaban esai dengan jawaban referensi, persentase kemunculan gagasan kunci, persentase kemunculan gagasan salah, serta persentase kemunculan sinonim kata kunci. Hasil pengujian juga memperlihatkan bahwa metode yang diusulkan mempunyai tingkat akurasi penilaian yang lebih tinggi jika dibandingkan dengan metode lain seperti SVM atau LSA menggunakan index term sebagai fitur pembelajaran mesin. This paper examines a solution for problems of assessment an essay answers automatically by combining support vector machine (SVM) as automatic text classification techniques and LSA as an attempt to deal with synonyms and the polysemy between index terms. Unlike the usual essay scoring system that used index terms features, the feature used for the essay answers assessment process is a generic feature which allows testing of valuation models essays for a variety of different questions. By using these generic features, one does not need to re training if the person will conduct an assessment essay answers to some questions. The features include percentage of keywords, similarity essay answers with the answer reference, percentage of key ideas, percentage of wrong answer, and percentage of keyword synonyms. The test results also show that the proposed method has a higher valuation accuracy rate compared to other methods such as SVM or LSA, use term index as features in machine learning.
PENILAIAN ESAI JAWABAN BAHASA INDONESIA MENGGUNAKAN METODE SVM - LSA DENGAN FITUR GENERIK Purwarianti, Ayu; Adhitia, Rama
Jurnal Sistem Informasi Vol 5 No 1 (2009): Jurnal Sistem Informasi (Journal of Information System)
Publisher : Faculty of Computer Science Universitas Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (845.401 KB) | DOI: 10.21609/jsi.v5i1.260

Abstract

Paper ini mengkaji sebuah solusi untuk permasalahan penilaian jawaban esai secara otomatis dengan menggabungkan support vector machine (SVM) sebagai teknik klasifikasi teks otomatis dengan LSA sebagai usaha untuk menangani sinonim dan polisemi antar index term. Berbeda dengan sistem penilaian esai yang biasa yakni fitur yang digunakan berupa index term, fitur yang digunakan proses penilaian jawaban esai adalah berupa fitur generic yang memungkinkan pengujian model penilaian esai untuk berbagai pertanyaan yang berbeda. Dengan menggunakan fitur generic ini, seseorang tidak perlu melakukan pelatihan ulang jika orang tersebut akan melakukan penilaian esai jawaban untuk beberapa pertanyaan. Fitur yang dimaksud meliputi persentase kemunculan kata kunci, similarity jawaban esai dengan jawaban referensi, persentase kemunculan gagasan kunci, persentase kemunculan gagasan salah, serta persentase kemunculan sinonim kata kunci. Hasil pengujian juga memperlihatkan bahwa metode yang diusulkan mempunyai tingkat akurasi penilaian yang lebih tinggi jika dibandingkan dengan metode lain seperti SVM atau LSA menggunakan index term sebagai fitur pembelajaran mesin. This paper examines a solution for problems of assessment an essay answers automatically by combining support vector machine (SVM) as automatic text classification techniques and LSA as an attempt to deal with synonyms and the polysemy between index terms. Unlike the usual essay scoring system that used index terms features, the feature used for the essay answers assessment process is a generic feature which allows testing of valuation models essays for a variety of different questions. By using these generic features, one does not need to re training if the person will conduct an assessment essay answers to some questions. The features include percentage of keywords, similarity essay answers with the answer reference, percentage of key ideas, percentage of wrong answer, and percentage of keyword synonyms. The test results also show that the proposed method has a higher valuation accuracy rate compared to other methods such as SVM or LSA, use term index as features in machine learning.
KECENDERUNGAN PENILAIAN PENGGUNA INFORMASI TERHADAP TWEET (KICAUAN) PADA MEDIA SOSIAL TWITTER Supriana, Iping; Pramiyati, Titin; Purwarianti, Ayu
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 7, No 1 (2016): JURNAL SIMETRIS VOLUME 7 NO 1 TAHUN 2016
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (324.894 KB) | DOI: 10.24176/simet.v7i1.506

Abstract

Peran media sosial dalam penyebaran informasi, saat ini sudah berada pada tingkat yang sangat berarti, yang ditandai dengan peningkatan jumlah pengguna media sosial, pemanfaatan media sosial untuk kepentingan penyampaian informasi dibidang politik, hukum, ekonomi, sosial dan bidang lainnya. Media sosial seperti facebook dan twitter merupakan media sosial dengan pengguna terbesar dan memiliki rentang usia pengguna yang sangat lebar. Jumlah pengguna yang besar tidak serta merta menjadikan informasi yang disebarkan melalui media sosial tersebut dapat dipercaya, akan tetapi keberadaan pengguna informasi ini dapat dimanfaatkan untuk menentukan tingkat kepercayaan informasi. Penilaian tingkat kepercayaan informasi, diduga dapat dilakukan dengan berdasarkan pada kesesuaian konteks informasi dengan konteks profil sumber informasi. Merujuk pada dugaan yang dibangun, paper ini membahas hasil survey yang dilakukan untuk mengetahui apakah kesesuaian konteks informasi dengan konteks profil sumber informasi dapat digunakan untuk menentukan tingkat kepercayaan informasi. Survey menggunakan kicauan (tweet) dari beberapa tokoh masyarakat, dengan melibatkan 300 responden yang terdiri dari kelompok Mahasiswa dan kelompok Karyawan. Metode yang digunakan adalah analisis induktif yang menggunakan ukuran numerik dan variabilitas untuk mendeskripsikan kecenderungan penilaian terhadap informasi. Ukuran numerik yang digunakan adalah ukuran tendensi sentral, yaitu dengan menghitung nilai rata-rata, median dan modus. Ukuran variabilitas digunakan untuk mengetahui apakah terdapat penyimpangan yang berarti pada pengukuran numerik yang dilakukan. Hasil survey menunjukkan bahwa kecenderungan responden untuk setuju dengan informasi yang dibuat jika konteks informasi memiliki kesamaan dengan konteks profil sumber informasi. Hasil ini selanjutnya akan dijadikan sebagai dasar dalam pembuatan model penentuan tingkat kepercayaan informasi. Kata kunci: media sosial, twitter, kicauan, analisis induktif, kepercayaan informasi.
Entity Recognition of User Profile on Twitter Pramiyati, Titin; Supriana, Iping; Purwarianti, Ayu
INKOM Journal Vol 8, No 2 (2014)
Publisher : Pusat Penelitian Informatika - LIPI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (532.021 KB) | DOI: 10.14203/j.inkom.411

Abstract

Atribut trust scope sebagai atribut untuk menentukan tingkat kepercayaan sumber informasi, akan diisi dengan data yang terdapat pada user profile Twitter yang dikenal sebagai Bio Twitter. Hanya saja, data tersebut harus sesuai dengan karakteristik dan fungsi dari masing-masing atribut trust scope, seperti atribut pendidikan harus diisi dengan informasi yang berkaitan dengan latar belakang pendidikan dari pemilik profil tersebut. Untuk mendapatkan data yang sesuai dengan atribut, kami melakukan named entity recognition, yang merupakan salah satu kegiatan pada proses ekstraksi informasi. Oleh karena itu, paper ini menjelaskan hasil proses pengenalan entitas yang dilakukan terhadap data yang terdapat pada user profile. Perangkat lunak yang digunakan untuk mengenali data sebagai entitas adalah IndonesiaNetagger. IndonesiaNettagger, merupakan perangkat lunak untuk mengenali entitas yang ditulis dalam bahasa Indonesia. Kami melakukan penelitian dalam empat tahap, yaitu pengenalan entity dengan data Bio twitter yang asli,identifikasi kesalahan proses pengenalan, formalisasi data dan pengujian pengenalan entitas akhir. Hasil penelitian menunjukkan keberhasilan sebagai berikut; entitas Person dikenali dengan benar adalah sebesar 71% dari total data entitas yang tersedia, entitas Organization dikenali dengan benar sebasar 50%, entitas Position 20% dikenali denganbenar, dan 50% entitas Location dikenali dengan benar.
SISTEM QUESTION ANSWERING BAHASA INDONESIA UNTUK PERTANYAAN NON-FACTOID Ayu Purwarianti; Novi Yusliani
Jurnal Ilmu Komputer dan Informasi Vol 4, No 1 (2011): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information)
Publisher : Faculty of Computer Science - Universitas Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (892.394 KB) | DOI: 10.21609/jiki.v4i1.151

Abstract

Fokus dari penelitian ini adalah untuk mengembangkan data dan sistem Question Answering (QA) Bahasa Indonesia untuk pertanyaan non-factoid. Penelitian ini merupakan penelitian QA non-factoid pertama untuk Bahasa Indonesia. Adapun sistem QA terdiri atas 3 komponen yaitu penganalisis pertanyaan, pengambil paragraf, dan pencari jawaban. Dalam komponen penganalisis pertanyaan, dengan asumsi bahwa pertanyaan yang diajukan merupakan pertanyaan sederhana, digunakan sistem yang berbasis aturan sederhana dengan mengandalkan kata pertanyaan yang digunakan (“apa”, “mengapa”, dan “bagaimana”). Paragraf diperoleh dengan menggunakan pencarian kata kunci baik dengan menggunakan stemming ataupun tidak. Untuk pencari jawaban, jawaban diperoleh dengan menggunakan pola kata-kata khusus yang ditetapkan sebelumnya untuk setiap jenis pertanyaan. Dalam komponen pencari jawaban ini, diperoleh kesimpulan bahwa penggunaan kata kunci non-stemmed bersamaan dengan kata kunci hasil stemming memberikan nilai akurasi jawaban yang lebih baik, jika dibandingkan dengan penggunaan kata kunci non-stemmed saja atau kata kunci stem saja. Dengan menggunakan 90 pertanyaan yang dikumpulkan dari 10 orang Indonesia dan 61 dokumen sumber, diperoleh nilai MRR 0.7689, 0.5925, dan 0.5704 untuk tipe pertanyaan definisi, alasan, dan metode secara berurutan. Focus of this research is to develop QA data and system in Bahasa Indonesia for non-factoid questions. This research is the first non-factoid QA for Bahasa Indonesia. QA system consists of three components: question analyzer, paragraph taker, and answer seeker. In the component of question analyzer, by assuming that the question posed is a simple question, we used a simple rule-based system by relying on the question word used (“what”, “why”, and “how”). On the components of paragraph taker, the paragraph is obtained by using keyword, either by using stemming or not. For answer seeker, the answers obtained by using specific word patterns that previously defined for each type of question. In the component of answer seeker, the conclusion is the use of non-stemmed keywords in conjunction with the keyword stemming results give a better answer accuracy compared to non-use of the keyword or keywords are stemmed stem only. By using 90 questions, we collected from 10 people of Indonesia and the 61 source documents, obtained MRR values 0.7689, 0.5925, and 0.5704 for type definition question, reason, and methods respectively.
Computing Game and Learning State in Serious Game for Learning Ririn Dwi Agustin; Ayu Purwarianti; Kridanto Surendro; Iping S Suwardi
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 13, No 4: December 2015
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v13i4.2248

Abstract

In order to support the adaptive SGfL, teaching materials must be represented in game component that becomes the target of adaptivity. If adaptive architecture of the game only use game state (GS) to recognize player's state, SGfL require another indicator -learning state (LS)- to identify the learning progress. It is a necessary to formulate computational framework for both states in SGfL.The computational framework was divided into two moduls, macro-strategy and micro-strategy. Macro-strategy control the learning path based on learning map in AND-OR Graph data stucture. This paper focus on the Macro-strategy modul, that using online, direct, and centralized adaptivity method. The adaptivity in game has five components as its target. Based on those targets, eight development models of SGfL concept was enumerated. With similarity and difference analysis toward possibility of united LS and GS in computational framework to implement the nine SGfL concept into design and application, there are three groups of the development models i.e. (1) better united GS and LS, (2) must manage LS and GS as different entity, and (3) can choose whether to be united or not. In the model which is united LS with GS, computing model at the macro-strategy modul use and-or graph and forward chaining. However, in the opposite case, macro-strategy requires two intelligent computing solutions, those are and-or graph with forward chaining to manage LS collaborated with Finite State Automata to manage GS. The proposed computational framework of SGfL was resulted from the similarity and difference analysis toward all possible representations of teaching materials into the adaptive components of the game. It was not dependent of type of learning domain and also of the game genre.
Monitoring Gadget Usage Behavior Among Adolescents Using Machine Learning Iskandar, Yanti Rubiyanti; Purwarianti, Ayu; Lestari, Dessi Puji; Hendradjaja, Bayu
GUIDENA: Jurnal Ilmu Pendidikan, Psikologi, Bimbingan dan Konseling Vol 8, No 2 (2018)
Publisher : Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/gdn.v8i2.1633

Abstract

The aim study has a long-term goal, namely to reduce negative impact of gadget use among adolescents. By giving awareness and the ability for teens to control the use of gadgets, adolescents are expected will be more productive and act as users of information technology intelligent. From economic products, the software developed can be marketed to various educational institutions such as junior high school or university, or where parents or schools will get a monitoring report on the use of gadgets from adolescents users. The method used in this study includes artificial intelligence techniques (machine learning) for various development models of text/speech / video/type classification user; User Centered Design techniques for application development; and multiple techniques social humanities such as desk study activities, focus group discussions, survey/questionnaire/interview. The results of the first year research to date are software development to monitor user behavior on the gadget, collecting user behavior data adolescents on gadgets, interviewing gadget use on teenage respondents, development. The hate learning model based on deep learning, the development of the rude classification model words based on deep learning and the development of Indonesian parsers.
DETEKSI OOV MENGGUNAKAN HASIL PENGENALAN SUARA OTOMATIS UNTUK BAHASA INDONESIA Aswin Juari; Ayu Purwarianti
Jurnal Ilmu Komputer dan Informasi Vol 2, No 2 (2009): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information)
Publisher : Faculty of Computer Science - Universitas Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (275.916 KB) | DOI: 10.21609/jiki.v2i2.129

Abstract

Paper ini menjelaskan tentang implementasi pengenalan OOV (Out of Vocabulary) words pada Aplikasi Pengenal Suara Berbahasa Indonesia. Pengenalan OOV words penting karena masalah ini tidak dapat diselesaikan dengan menambah ukuran kamus. Untuk mengimplementasi pengenalan OOV words, dilakukan transduksi fonem ke kata. Klasifikasi kata-kata diberikan dengan melihat model bahasa dan probabilitas perubahan fonem untuk menentukan bagian yang termasuk OOV words. Pada paper ini juga dilakukan evaluasi terhadap beberapa jenis kamus yang digunakan pada sistem pengenal suara. Modifikasi pada kamus sistem pengenal bahasa Indonesia menghasilkan peningkatan sekitar 4% sedangkan hasil deteksi akurasi OOV sebesar sekitar 77%.
EKSTRAKSI KATA KUNCI OTOMATIS UNTUK DOKUMEN BAHASA INDONESIA STUDI KASUS: ARTIKEL JURNAL ILMIAH KOLEKSI PDII LIPI Diana Permata Sari; Ayu Purwarianti
BACA: JURNAL DOKUMENTASI DAN INFORMASI Vol 35, No 2 (2014): Desember
Publisher : Pusat Data dan Dokumentasi Ilmiah – Lembaga Ilmu Pengetahuan Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (36.735 KB) | DOI: 10.14203/j.baca.v35i2.192

Abstract

Keyword determination by using controlled vocabulary is not a difficult task for information analysts. However,specify keywords for hundreds or even thousands of articles will take time and effort of the analysts. To ease thework, it needs to be made a system of automatic keyword extraction. The construction of this system passes thestages of preprocessing, translating, and pinpointing keyword candidates with a list of keywords. The research wascarried out by using 33 articles taken from PDII LIPI journal collections. This research employed 3 weighing methods,namely TF, TF x IDF and WIDF. The best result was obtained from TF x IDF method. To refine the result, the authorcarried out fixing the keywords results and using levensthein algorithm.