Article Per Year (5 Year)
p-Index From 2019 - 2024
0.817
P-Index
This Author published in this journals
All Journal Jurnal Teknoinfo Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Jurnal Tekno Kompak
Arliyanti Nurdin
Institut Teknologi Telkom Surabaya
Computer Science & IT Education Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Tekno Kompak

 1 
PERBANDINGAN KINERJA WORD EMBEDDING WORD2VEC, GLOVE, DAN FASTTEXT PADA KLASIFIKASI TEKS Arliyanti Nurdin; Bernadus Anggo Seno Aji; Anugrayani Bustamin; Zaenal Abidin
Jurnal Tekno Kompak Vol 14, No 2 (2020): AGUSTUS
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v14i2.732

Abstract

Karakteristik teks yang tidak terstruktur menjadi tantangan dalam ekstraksi fitur pada bidang pemrosesan teks. Penelitian ini bertujuan untuk membandingkan kinerja dari word embedding  seperti Word2Vec, GloVe dan FastText dan diklasifikasikan dengan algoritma Convolutional Neural Network. Ketiga metode ini dipilih karena dapat menangkap makna semantik, sintatik, dan urutan bahkan konteks di sekitar kata jika dibandingkan dengan feature engineering tradisional seperti Bag of Words. Proses word embedding dari metode tersebut akan dibandingkan kinerjanya pada klasifikasi berita dari dataset 20 newsgroup dan Reuters Newswire. Evaluasi kinerja diukur menggunakan F-measure. Performa terbaik menunjukkan FastText unggul dibanding dua metode word embedding lainnya dengan nilai F-Measure  sebesar 0.979 untuk dataset 20 Newsgroup dan 0.715 untuk Reuters. Namun, perbedaan kinerja yang tidak begitu signifikan antar ketiga word embedding tersebut menunjukkan bahwa ketiga word embedding ini memiliki kinerja yang kompetitif. Penggunaannya sangat bergantung pada dataset yang digunakan dan permasalahan yang ingin diselesaikan.Kata kunci: word embedding, word2vec, glove, fasttext, klasfikasi teks, convolutional neural network, cnn.
DETEKSI ANOMALI TOTAL ELECTRON CONTENT SEBELUM GEMPA BUMI PALU MENGGUNAKAN JARINGAN SYARAF TIRUAN LEVENBERG-MARQUARDT Bernadus Anggo Seno Aji; Arliyanti Nurdin; Pangestu Widodo; Muhammad Rizal Dwi Pramana
Jurnal Tekno Kompak Vol 14, No 1 (2020): Februari
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v14i1.504

Abstract

Indonesia termasuk kedalam negara dengan aktifitas gempa bumi yang tinggi. Analisis gempa bumi yang pernah terjadi sangat membantu dalam memahami karakteristik gempa bumi di Indonesia. Penelitian ini menggunakan Gempa bumi Palu (0.18oS 119.85oE) 2018 sebagai pengamatan dan menggunakan JST LM (Jaringan Syaraf Tiruan Levenberg-Marquardt) sebagai metode pembelajaran. Tujuan dari penelitian ini untuk menganalisis gempa bumi Palu dan menguji kesesuaian metode JST LM untuk mendeteksi anomali sebelum gempa bumi yang diamati. Hasil memperlihatkan bahwa metode ini cukup baik dalam mendeteksi anomali yang berasosiasi dengan gempa bumi Palu. Anomali yang terdeteksi didapat pada H-3 dan H-0 sebelum gempa bumi terjadi, serta H+1 setelah gempa bumi. Dalam penelitian ini juga dianalisis pola distibusi anomali sepanjang garis lintang. Pola anomali menunjukkan terlokalisasi disekitar epicenter gempa bumi. Selain itu juga didapatkan pola anomali bergerak ke arah selatan searah dengan pergerakan Sesar Palukoro.
Co-Authors Anugrayani Bustamin Arsya Kharisma Amartya Bernadus Anggo Seno AjiAji Bernadus Seno Aji Mardhiyyah Rafrin Muhammad Rizal Dwi Pramana Pangestu Widodo, Pangestu Yupit Sudianto Zaenal Abidin