Claim Missing Document
Check
Articles

Penggunaan Pivot Language pada Mesin Penerjemah Statistik Bahasa Inggris ke Bahasa Melayu Sambas Ningtyas, Della Widya; Sujaini, Herry; Safriadi, Novi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 4, No 2 (2018): Volume 4 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (319.488 KB) | DOI: 10.26418/jp.v4i2.27414

Abstract

Perbedaan kemampuan berbahasa dalam masyarakat dapat menjadi penghalang pertukaran informasi, salah satu cara untuk menanggulanginya adalah dengan memanfaatkan teknologi mesin penerjemah. Saat ini masih sulit menemukan korpus paralel bahasa Inggris – bahasa daerah, sehingga digunakan bahasa Indonesia sebagai bahasa perantara (pivot language) untuk mempermudah dalam pembuatan korpus paralel bahasa Inggris – bahasa daerah. Tujuan dari penelitian ini adalah untuk mengetahui pengaruh pivot language terhadap nilai akurasi mesin penerjemah statistik bahasa Inggris ke bahasa Melayu Sambas. Penelitian menggunakan korpus paralel sebanyak 3000 baris kalimat. Pengujian dilakukan dengan dua cara yaitu pengujian secara otomatis menggunakan BLEU (Bilingual Evaluation Understudy). Pengujian dilakukan dengan membandingkan nilai akurasi terjemahan dari mesin penerjemah Bahasa Inggris – Melayu Sambas dan mesin penerjemah Bahasa Inggris – Melayu Sambas dengan Bahasa Indonesia sebagai pivot language. Dari hasil pengujian yang telah dilakukan, penggunaan pivot language pada mesin penerjemah statistik Bahasa Inggris - Bahasa Melayu Sambas dapat mempengaruhi akurasi terjemahan, terlihat terjadi peningkatan nilai akurasi sebesar 5,015% dari nilai pengujian semula yang didapatkan dari mesin penerjemah tanpa pivot dengan metode BLEU. Berdasarkan data tersebut penggunaan pivot language pada mesin penerjemah statistik bahasa Inggris – bahasa Melayu Sambas dapat meningkatkan nilai akurasi terjemahan.
Uji Akurasi Penerjemahan Bahasa Indonesia – Dayak Taman Dengan Penandaan Kata Dasar Dan Imbuhan Jarob, Yosep; Sujaini, Herry; Safriadi, Novi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 2, No 2 (2016): Volume 2 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (699.941 KB) | DOI: 10.26418/jp.v2i2.16520

Abstract

Bahasa merupakan alat komunikasi dan kunci pokok yang penting bagi kehidupan manusia, karena dengan menggunakan bahasa kita dapat berinteraksi dan mengetahui informasi yang dibutuhkan, bahasa juga digunakan seseorang untuk menyampaikan ide, gagasan, konsep atau perasaan kepada orang lain. Bahasa yang dimiliki setiap orang berbeda-beda, keragaman bahasa ini dapat     menghambat pertukaran informasi karena orang lain tidak memahami maksud dan tujuan yang ingin disampaikan. Oleh karena itu diperlukan penerjemah untuk menjembatani bahasa yang berbeda. Mesin Penerjemah Statistik (Statistical Machine Translation) merupakan sebuah pendekatan mesin penerjemah dengan hasil terjemahan yang dihasilkan atas dasar model statistik yang parameter-parameternya diambil dari hasil analisis korpus paralel. Korpus paralel adalah pasangan korpus yang berisi kalimat-kalimat dalam suatu bahasa dan terjemahannya. Salah satu model yang digunakan untuk menentukan akurasi hasil terjemahan adalah dengan melakukan proses tagging kata per kata dengan mengambil kata dasar dan imbuhannya. Tujuan yang ingin di capai dalam penelitian ini adalah menguji akurasi penerjemahan bahasa Indonesia-Dayak Taman dengan membandingkan nilai akurasi sebelum dan setelah dilakukan proses tagging kata per kata dengan mengambil kata dasar dan imbuhannya. Penelitian menggunakan korpus paralel sebanyak 3110 korpus. Pengujian dilakukan dengan dua cara, yaitu pengujian otomatis menggunakan Bilingual Evaluation Understudy (BLEU) dan pengujian oleh ahli bahasa Dayak Taman. Hasil dari pengujian adalah terdapat peningkatan nilai BLEU sebesar 0.36% pada pengujian otomatis dan 20.57% pada pengujian oleh ahli bahasa.
Spelling Corrector Bahasa Indonesia dengan Kombinasi Metode Peter Norvig dan N-Gram Simanjuntak, Maya Salinka; Sujaini, Herry; Safriadi, Novi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 4, No 1 (2018): Volume 4 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (428.037 KB) | DOI: 10.26418/jp.v4i1.24075

Abstract

Abstrak - Kesalahan pengetikan dalam suatu dokumen merupakan human error yang sulit dihindari, akibatnya pesan yang ingin disampaikan tidak maksimal. Menggunakan fitur Spelling Corrector menjadi salah satu cara untuk mengecek kesalahan-kesalahan pengetikan. Metode-metode yang digunakan  mampu memberikan saran-saran kata yang benar, tapi tidak mampu memperbaiki kata yang salah secara langsung. Pengguna harus memilih satu kata yang diinginkan dari saran-saran kata yang dihasilkan oleh fitur. Dibutuhkan fitur Spelling Corrector yang mampu memberikan hanya satu saran kata dan langsung memperbaikinya. Melihat cara berbagai macam metode memberikan saran kata, kombinasi metode Peter Norvig dan N-Gram mampu menghasilkan satu saran kata. Kedua metode mencari saran kata menggunakan nilai probabilitas kata yang paling sering muncul di dalam kamus. Perbedaan dari kedua metode tersebut adalah Peter Norvig menggunakan algoritma yang mengkombinasikan proses menghapus, menambah, memisahkan, mengganti, dan memindahkan huruf pada kata yang salah. Sedangkan, N-Gram menggunakan algoritma yang memperhatikan kata-kata sebelum dan sesudahnya berdasarkan kalimat di dalam kamus. Kamus yang digunakan adalah dokumen hasil training corpus yang disebut ARPA file. Kombinasi metode ini diuji dalam 9 skenario kesalahan penulisan dengan 160 kalimat yang masing-masing memiliki satu kata yang salah. Hasil pengujian menyatakan bahwa kombinasi kedua metode memberikan tingkat ketepatan 65,926% dan tingkat keberhasilan 78,07% untuk menghasilkan satu saran kata yang benar dari satu kata yang salah dalam sebuah kalimat. Kombinasi kedua metode ini dapat digunakan dalam memperbaiki kesalahan pengetikan, walaupun tidak dapat memperbaiki kata dengan tingkat kesalahan dua huruf atau lebih. Hal ini dikarenakan, Peter Norvig tidak mampu memperbaiki kata dengan tingkat kesalahan dua huruf dan membutuhkan korpus yang baik.Kata kunci: Kombinasi, Spelling Corrector, Peter Norvig, N-Gram, ARPA file.
Pengaruh Metode Dictionary Lookup pada Cleaning Korpus Terhadap Akurasi Mesin Penerjemah Statistik Indonesia–Melayu Pontianak Etsa, Muhammad Dwi; Sujaini, Herry; Safriadi, Novi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 4, No 1 (2018): Volume 4 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (792.841 KB) | DOI: 10.26418/jp.v4i1.24595

Abstract

Bahasa Melayu Pontianak merupakan dialek bahasa Melayu yang dituturkan oleh masyarakat Kota Pontianak dan sekitarnya, meskipun masih jauh dari kepunahan namun perlu dilestarikan sebagai tindakan pencegahan agar tidak punah, salah satu upaya pelestarian bahasa daerah yaitu dengan pembuat mesin penerjemah. Mesin Penerjemah Statistik (MPS) adalah sebuah pendekatan mesin penerjemah dengan hasil terjemahan dihasilkan atas dasar model statistik, namun masih terdapat kelemahan yaitu rendahnya tingkat akurasi terjemahan. Proses cleaning adalah proses pencarian dan perbaikan (penghapusan) kata atau kalimat yang salah ataupun tidak sesuai dalam rangka meningkatkan tingkat akurasi terjemahan, salah satu metode yang dapat digunakan pada proses cleaning adalah metode dictionary lookup. Tujuan dari penelitian ini adalah mengetahui pengaruh penerapan metode dictionary lookup pada proses cleaning korpus terhadap akurasi mesin penerjemah statistik bahasa Indonesia – bahasa Melayu Pontianak. Penelitian menggunakan korpus paralel sebanyak 9157 kalimat. Pengujian dilakukan dengan membandingkan nilai akurasi hasil terjemahan sebelum dan setelah cleaning dengan metode dictionary lookup. Pengujian dilakukan dengan pengujian otomatis menggunakan Bilingual Evaluation Understudy (BLEU). Dari hasil penelitian, penerapan metode dictionary lookup pada proses cleaning dapat mempengaruhi akurasi MPS, ini terlihat dari terjadinya penurunan sebesar 1,5% pada korpus manual dan penurunan sebesar 6,94% dengan korpus orisinal sementara itu terjadi peningkatan sebesar 2,58% pada korpus clean dic. Berdasarkan hal tersebut penerapan metode dictionary lookup pada proses cleaning dapat menurunkan nilai akurasi hasil terjemahan.
Pengembangan Knowledge Management System (KMS) Untuk Pengelolaan Hasil Penelitian Di Universitas Tanjungpura Safriadi, Novi; Salam, Urai; Hazriani, Rini
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 1, No 1 (2015): Edisi Perdana
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (598.871 KB) | DOI: 10.26418/jp.v1i1.10009

Abstract

Perguruan tinggi pada hakekatnya adalah sebuah institusi yang menyampaikan dan mengembangkan ilmu pengetahuan baik melalui pembelajaran maupun kegiatan penelitian. Masalah yang timbul di Universitas Tanjungpura (Untan) salah satunya adalah banyaknya pengetahuan yang dimiliki individu dosen dan peneliti tidak terdokumentasi secara teratur dan tertata dengan baik, dimana ilmu pengetahuan tersebut dapat meningkatkan competitive advantage. Di sisi lain perkembangan teknologi dan ilmu pengetahuan yang pesat, dapat merubah paradigma perguruan tinggi yang pada awalnya mengandalkan resources based menjadi knowledge based. Dengan demikian knowledge (pengetahuan) yang ada di suatu perguruan tinggi harus dapat dikelola sehingga dapat menjadi aset perguruan tinggi. Perangkat lunak utuk mengelola knowledge disebut Knowledge Management System (KMS). Dampak penerapan dari KMS dapat menyebabkan perubahan pada perguruan tinggi. Oleh sebab itu, sebelum menerapkan KMS diperlukan serangkaian kegiatan terlebih dahulu yang bertujuan untuk menilai kesiapan perguruan tinggi dan melakukan inventarisasi ilmu pengetahuan yang dimiliki, sehingga perguruan tinggi mengetahui knowledge yang dimiliki oleh individu-individunya. Pengembangan KMS merupakan salah satu cara dalam mengorganisasi dan mendokumentasikan pengetahuan yang dimiliki. Tujuan penelitian ini adalah mengembangkan KMS dalam sebuah aplikasi yang disebut WikiPeat. Metode pengembangan WikiPeat menggunakan sharepoint yang bisa mengoleksi, menyimpan dan mempublikasi semua data dijital hasil penelitian yang ada di Untan, sehingga mudah diakses secara online. WikiPeat dapat memetakan hasil penelitian dosen, mengumpulkan dan me-recycle pengetahuan secara terstruktur. mengorganisasi dan mendokumentasikan pengetahuan, khususnya di bidang lahan basah dan gambut tropis, melakukan agregasi dokumen hasil penelitian berdasarkan PIP dan RIP, serta menyusun dan membuat link sumber-sumber ilmu eksternal. Masa yang akan datang Untan masih perlu mendorong semua dosen dan peneliti, bahkan melibatkan semua pihak untuk meningkatkan lagi pengumpulan pengetahuan di bidang lainnya, sehingga secara tidak langsung dapat meningkatkan mutu Untan.   Kata kunci — pengetahuan, KMS, lahan basah, gambut tropis, untan.
Analisis Sentimen Calon Presiden Indonesia 2019 dari Media Sosial Twitter Menggunakan Metode Naive Bayes Fitriyyah, Sitti Nurul Jannah; Safriadi, Novi; Pratama, Enda Esyudha
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 5, No 3 (2019): Volume 5 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v5i3.34368

Abstract

Pada tahun 2019 Indonesia akan mengadakan pesta demokrasi pemilihan kepala negara Indonesia. Setiap tokoh politik yang dicalonkan menjadi kepala negara akan mempertimbangkan popularitas mereka berdasarkan opini masyarakat. Sejak diumumkan nama calon Presiden Indonesia 2019 oleh Komisi Pemilihan Umum(KPU) nama-nama tersebut mulai banyak diperbincangkan, terutama di media sosial salah satunya adalah twitter. Terdapat berbagai opini pengguna twitter yang bersentimen negatif positif dan netral. Namun untuk menentukan sentimen dari pengguna twitter membutuhkan usaha dan waktu yang cukup banyak dikarenakan banyaknya jumlah tweet yang digunakan. Dibutuhkan pembelajaran mesin yang dengan cepat dalam pengklasisifikasian tweet tersebut dalam kelas negatif, positif dan netral. Naive Bayes Classifier adalah metode klasifikasi text yang memiliki kecepatan pemrosesan dan akurasi yang cukup tinggi apabila diterapkan pada data yang banyak, besar, dan beragam. Sebelum data tweet diklasifikasikan, data tersebut harus melalui beberapa proses, seperti prepocessing, pembobotan kata dan pemecahan data. Tujuan dari penelitian ini adalah mengetahui bagimana penerapan metode Naive Bayes pada sentimen pengguna twiter di 2 kelas (negatif, positif) dan 3 kelas (negatif, positif, netral). Hasil dari penelitian ini diperoleh bahwa dilakukan pengujian 3 kelas dan 2 kelas untuk setiap pasangan calon (paslon). Pada pengujian 3 kelas paslon 01 dan paslon 02 didapat hasil akurasi berturut-turut sebagai berikut 64,6% dan 58%. Sedangkan pada pengujian 2 kelas paslon 01 dan paslon 02 didapat hasil akurasi berturut-turut sebagai berikut 77,7% dan 88%. Performansi tertinggi terdapat pada calon presiden nomor urut dua dengan nilai f-measure sebesar 0,88.
Academic Resources Management Information System (ARMIS) dengan Arsitektur Model View Control (MVC) Safriadi, Novi
ELKHA : Jurnal Teknik Elektro Vol 4, No 1 (2012): Edisi Bulan Maret
Publisher : Faculty of Engineering, Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (486.99 KB) | DOI: 10.26418/elkha.v4i1.346

Abstract

Abstract Dengan teknologi informasi saat ini memungkinkan berkembangnya teknik pemograman perangkat lunak, salah satunya dalah perangkat lunak resources manajemen project (RMP). Resource ruangan merupakan salah satu yang dapat dikembangkan dengan RMP. Dengan menggunakan teknologi framework dan dukungan arsitektur MVC, ARMIS merupakan RMP yang berbasis pada alokasi dan pemantauan raungan pada suatu gedung. ARMIS yang diimplementasikan pada gedung Labtek V ITB dapat mengelola ruangan, mengalokasi, dan memantau ruangan secara online. Kata kunci- Resources Management Project, Framework, MVC, Use Case
Tracer Study Alumni Fakultas Teknik Universitas Tanjungpura Dengan Sistem Informasi Berbasis Web Saleh, Muhammad; Safriadi, Novi
ELKHA : Jurnal Teknik Elektro Vol 4, No 1 (2012): Edisi Bulan Maret
Publisher : Faculty of Engineering, Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (483.999 KB) | DOI: 10.26418/elkha.v4i1.353

Abstract

Abstrak- Teknologi informasi saat ini memungkinkan berkembangnya teknik pemograman perangkat lunak yang mampu pendukung sistem informasi di segala bidang, tidak terkecuali bagi perguruan tinggi dalam melakukan tracer study terhadap lulusannya. Lulusan atau disebut alumni merupakan produk keberhasilan suatu perguruan tinggi. Peranan alumni dimasyarakat akan sangat membantu perguruan tinggi dalam mengembangkan berbagai hal baik di bidang akademik maupun kerjasama. Dengan tracer alumni, informasi mengenai alumni serta potensinya di masyarakat akan dengan mudah didapat sehingga perguruan tinggi dapat merealisasikan secara maksimal kontribusi alumni kepada almamaternya. Kata kunci sistem informasi, alumni, tracer study.
Uji Relevansi dan Performansi Sistem Temu Balik Informasi Pada Giggle Search Engine Safriadi, Novi
ELKHA : Jurnal Teknik Elektro Vol 3, No 2 (2011): Edisi Bulan Juli
Publisher : Faculty of Engineering, Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (191.897 KB) | DOI: 10.26418/elkha.v3i2.324

Abstract

Abstract Sistem Temu Balik Informasi adalah ilmu mencari informasi dalam suatu dokumen. Proses pencocokan dilakukan secara parsial dan hanya mencari hasil temu balik yang terbaik. Query diberikan dalam bahasa alami dan dalam bentuk yang tidak lengkap. Sistem Temu Balik Informasi terdiri dari tiga komponen utama, yaitu masukan, pemroses dan keluaran. Penghitungan similaritas akan menghasilkan bobot pada tiap dokumen yang menentukan seberapa relevan dokumen tersebut terhadap query. Metode pembobotan yang digunakan dalam implementasi dapat berupa kombinasi dari TF (Term Frequency), IDF (Inverse Document Frequency), dan normalisasi sesuai input dari user. Pada pengujian terdapat tiga besaran performansi yang dihitung, yaitu Recall, Precision, dan NIAP. Kata kunci- sistem temu balik informasi, query, relevansi, performansi, term
Rancang Bangun Sistem Informasi Administrasi Informatika (SI-ADIF) Antonio, Harianto; Safriadi, Novi
ELKHA : Jurnal Teknik Elektro Vol 4, No 2 (2012): EDISI BULAN OKTOBER
Publisher : Faculty of Engineering, Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (185.908 KB) | DOI: 10.26418/elkha.v4i2.514

Abstract

Abstract Manajemen proses administrasi kerja praktek dan tugas akhir I pada Program Studi Teknik Informatika Fakultas Teknik Universitas Tanjungpura memiliki beberapa tahapan dan seringkali membutuhkan waktu yang lama bagi petugas dalam mengelolanya. Peranan teknologi informasi dalam setiap proses informasi sangat penting dalam pengolahan data menjadi sebuah informasi yang tepat sesuai dengan kebutuhan pengguna. Seiring dengan meningkatnya kebutuhan akan teknologi informasi, telah menimbulkan dampak besar bagi proses administrasi institusi. Kata kunci- sistem informasi administrasi, kerja praktek, tugas akhir I
Co-Authors A.A. Ketut Agung Cahyawan W Abang M. Zaid Wahyu, Abang M. Adnan Amirwan, Adnan Agustino Halim, Agustino Aliska, Sandra Aliska, Sandra Aminullah Aminullah, Aminullah Ananraytama, Nanda Tamara Anggi Perwitasari, Anggi Anggi Srimurdianti S, Anggi Srimurdianti Anggi Srimurdianti Sukamto, Anggi Srimurdianti Anggi Srimurdianti Sukanti, Anggi Srimurdianti Anggi Srimurdianti, Anggi Ar Razy Muhammad, Ar Razy Arif Bijaksana Negara, Arif Bijaksana Arif Bijaksana Putra Negara Butar, All Binardo V B Dio, Dio Doddy Syuhada, Doddy Enda Esyudha Pratama, Enda Esyudha Enry Firmana, Enry Eri Hartanto, Eri Eric Herman, Eric Etsa, Muhammad Dwi Falentin Yusdani Putri, Falentin Yusdani Fernando, Leonardus Fitriyyah, Sitti Nurul Jannah Gandhi Pranoto, Gandhi Hafiz Muhardi Hanindra, Muhammad Zukhruf Firdaus Hanindra, Muhammad Zukhruf Firdaus Harianto Antonio Harianto op, Harianto Helen Sasty Pratiwi, Helen Sasty Helen Sastypratiwi, Helen Helfi Nasution Hendri Supryadi, Hendri Hengky Anra Heri Priyanto, Heri Herry Sujaini Irwan Adhi Prasetya, Irwan Adhi Jarob, Yosep Jaya, Kriyan Andika Jaya, Kriyan Andika Juliani Okta Farida, Juliani Okta M Iqbal kamiludin, M Iqbal Madani Madani, Madani Mardheni Muhammad, Mardheni Muftia Alfian, Muftia Muhammad Arief Maulana Muhammad Azhar Irwansyah Muhammad Hasbiansyah, Muhammad Muhammad Saleh Narti Prihartini, Narti Nasikhin, Khoirun Ningtyas, Della Widya Nur Agus Pratiwi, Nur Agus Nurul Hafizah Yadi, Nurul Hafizah Raharjo, Agus Prasetyo Rendi Febriyansyah, Rendi rini hazriani Rio Fiorido, Rio Rudy Dwi Nyoto, Rudy Dwi Ryan Herwan Dwi Putra, Ryan Herwan Saputra, Agus Setiawan, Nurul Ivan Simanjuntak, Maya Salinka Siti Fajarwati Harahap, Siti Fajarwati Sony Shanivan, Sony Suryadi, Firrizqi Takhta Akrama Ananda, Takhta Akrama Tara Sukandi, Tara Tri Apriani, Tri Tursina Tursina urai salam Uray Meriyanti, Uray Uswah Hasanah Wagimin Wagimin, Wagimin Wahyu Patrya Sasmita, Wahyu Patrya Widiatuning, Widiatuning Widiatuning, Widiatuning Yulian Rahayudi, Yulian Yulianti Yulianti