Article Per Year (5 Year)
p-Index From 2019 - 2024
1.037
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Jurnal Ilmu Komputer dan Informasi Jurnal INKOM Jurnal Simetris Perfecting a Video Game with Game Metrics JURNAL SISTEM INFORMASI Jurnal Edukasi dan Penelitian Informatika (JEPIN) BACA: Jurnal Dokumentasi dan Informasi GUIDENA: Jurnal Ilmu Pendidikan, Psikologi, Bimbingan dan Konseling Jurnal Linguistik Komputasional Indonesian Journal of Electrical Engineering and Computer Science
Ayu Purwarianti
Institut Teknologi Bandung
Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Library & Information Science Social Sciences Other

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 18 Documents
Search

 1   2 
KECENDERUNGAN PENILAIAN PENGGUNA INFORMASI TERHADAP TWEET (KICAUAN) PADA MEDIA SOSIAL TWITTER Pramiyati, Titin; Purwarianti, Ayu; Supriana, Iping
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.
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.
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.
Representasi Kata Padat pada Pengurai Dependensi Bahasa Indonesia Arief Rahman; Ayu Purwarianti
Jurnal Linguistik Komputasional Vol 3 No 1 (2020): Vol. 3, No. 1
Publisher : Indonesia Association of Computational Linguistics (INACL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (593.788 KB) | DOI: 10.26418/jlk.v3i1.33

Abstract

Available Indonesian dependency parsers can be considered worse than other languages’ parsers that have been researched thoroughly. Currently, Indonesia dependency parsers can’t reliably parse sentences with gerund(s) and/or ellipsis correctly. This is because of the sparse feature representation that causes difficulty in parsing these types of sentences. In this research, dense representation is proposed for Indonesian dependency parser. The use of dense word representation may allow better generalization and gives more information regarding the words to be parsed, which allows a more accurate parsing. The scope of the dependency parsing in this research is limited to well-formed Indonesian sentences, using the local transition-based parsing. Based on our experiments, we found that using word embedding instead of sparse word representation increases parsing accuracy significantly.
Employing Dependency Tree in Machine Learning Based Indonesian Factoid Question Answering System Irfan Afif; Ayu Purwarianti
Jurnal Linguistik Komputasional Vol 2 No 1 (2019): Vol. 2, No. 1
Publisher : Indonesia Association of Computational Linguistics (INACL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (577.209 KB) | DOI: 10.26418/jlk.v2i1.9

Abstract

We proposed the usage of dependency tree information to increase the accuracy of Indonesian factoid question answering. We employed MSTParser and Universal Dependency corpus to build the Indonesian dependency parser. The dependency tree information as the result of the Indonesian dependency parse is used in the answer finder component of Indonesian factoid question answering system. Here, we used dependency tree information in two ways: 1) as one of the features in machine learning based answer finder (classifying each term in the retrieved passage as part of a correct answer or not); 2) as an additional heuristic rule after conducting the machine learning technique. For the machine learning technique, we combined word based calculation, phrase based calculation and similarity dependency relation based calculation as the complete features. Using 203 data, we were able to enhance the accuracy for the Indonesian factoid QA system compared to related work by only using the phrase information. The best accuracy was 84.34% for the correct answer classification and the best MRR was 0.954.
Short Answer Grading Using Contextual Word Embedding and Linear Regression Muh Habibi Haidir; Ayu Purwarianti
Jurnal Linguistik Komputasional Vol 3 No 2 (2020): Vol. 3, No. 2
Publisher : Indonesia Association of Computational Linguistics (INACL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jlk.v3i2.38

Abstract

Abstract—One of the obstacles in an efficient MOOC is the evaluation of student answers, including the short answer grading which requires large effort from instructors to conduct it manually. Thus, NLP research in short answer grading has been conducted in order to support the automation, using several techniques such as rule and machine learning based. Here, we’ve conducted experiments on deep learning based short answer grading to compare the answer representation and answer assessment method. In the answer representation, we compared word embedding and sentence embedding models such as BERT, and its modification. In the answer assessment method, we use linear regression. There are 2 datasets that we used, available English short answer grading dataset with 80 questions and 2442 to get the best configuration for model and Indonesian short answer grading dataset with 36 questions and 9165 short answers as testing data. Here, we’ve collected Indonesian short answers for Biology and Geography subjects from 534 respondents where the answer grading was done by 7 experts. The best root mean squared error for both dataset was achieved by using BERT pretrained, 0.880 for English dataset dan 1.893 for Indonesian dataset.
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.
THE CONSTRUCTION OF INDONESIAN-ENGLISH CROSS LANGUAGE PLAGIARISM DETECTION SYSTEM USING FINGERPRINTING TECHNIQUE Zakiy Firdaus Alfikri; Ayu Purwarianti
Jurnal Ilmu Komputer dan Informasi Vol 5, No 1 (2012): 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 (763.802 KB) | DOI: 10.21609/jiki.v5i1.182

Abstract

Cross language plagiarism detection is an important task since it can protect person intellectual property right. Since English is the most popular international language, we proposed an Indonesian-English cross language plagiarism detection to handle such problem in Indonesian-English domain where the suspected plagiarism document is written in Indonesian and the source document is written in English. To minimize translation error, we build the system by translating the Indonesian document into English and then compare the translated document with the English document collection. The detection system consists of preprocess component, heuristic retrieval component, and detailed analysis component. The main technique used in retrieval process is fingerprinting which can extract lexical features from text which is suitable to be used to detect plagiarism done using literal translation method. In this paper, we also propose additional methods to be implemented in heuristic retrieval component to increase the performance of the system: phrase chunking, stop word removal, stemming, and synonym selection. We evaluated system’s performance and the effects of additional methods to system’s performance, provided several data test sets which represents a plagiarism type. From the experiments, we concluded that the system works on 83.33% of test cases. We also concluded that mainly all additional methods except the phrase chunking have good effects in enhancing the system accuracy. Deteksi plagiarisme lintas bahasa merupakan hal yang penting untuk melindungi hak kekayaan intelektual. Bahasa Inggris adalah bahasa internasional yang paling populer, karenanya peneliti mengusulkan deteksi plagiarisme lintas bahasa Indonesia-Inggris untuk menangani masalah tersebut di mana domain dokumen yang diduga plagiat ditulis dalam bahasa Indonesia dan dokumen sumber ditulis dalam bahasa Inggris. Untuk meminimalkan kesalahan terjemahan, peneliti membangun sistem dengan menerjemahkan dokumen bahasa Indonesia ke bahasa Inggris dan kemudian membandingkan dokumen yang diterjemahkan dengan koleksi dokumen bahasa Inggris. Sistem pendeteksian ini terdiri dari komponen preprocess, komponen pencarian heuristik, dan komponen analisis detail. Teknik utama yang digunakan dalam temu kembali informasi adalah fingerprinting yang dapat mengekstrak fitur leksikal dari teks yang cocok digunakan untuk mendeteksi plagiarisme dengan menggunakan metode terjemahan harfiah. Dalam tulisan ini, peneliti juga mengusulkan metode-metode tambahan yang akan diimplementasikan dalam komponen pengambilan heuristik untuk meningkatkan kinerja system seperti chunking frase, penghilangan stop word, stemming, dan pemilihan sinonim. Peneliti mengevaluasi kinerja sistem dan efek dari metode tambahan untuk kinerja sistem, dengan menyediakan sekumpulan skenario tes beberapa data yang merepresentasikan plagiarisme. Dari pengujian diperoleh kesimpulan bahwa sistem bekerja pada 83,33% kasus uji. Peneliti juga menyimpulkan bahwa terutama semua metode tambahan kecuali chunking frase memiliki efek yang baik dalam meningkatkan akurasi sistem.
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%.
Co-Authors Adhitia, Rama Andri Fachrur Rozie Andria Arisal Arief Rahman Aswin Juari Dessi Puji Lestari Devi Munandar Diana Permata Sari Dianadewi Riswantini Ekasari Nugraheni Hari Bagus Firdaud Hendradjaja, Bayu Imamah Imamah Iping S Suwardi Iping Supriana Iping Supriana Irfan Afif Iskandar, Yanti Rubiyanti Kridanto Surendro Muh Habibi Haidir Novi Yusliani Purnomo Husnul Khotimah Rama Adhitia Rama Adhitia Ririn Dwi Agustin Titin Pramiyati Titin Pramiyati Wiwin Suwarningsih Wiwin Suwarningsih Wiwin Suwarningsih Yuhana, Umi Laili Zakiy Firdaus Alfikri Zakiy Firdaus Alfikri