Article Per Year (5 Year)
p-Index From 2019 - 2024
11.974
P-Index
This Author published in this journals
All Journal Perfecting a Video Game with Game Metrics Bulletin of Electrical Engineering and Informatics Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal POINTER Register: Jurnal Ilmiah Teknologi Sistem Informasi Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Systemic: Information System and Informatics Journal Community Empowerment
Putra Pandu Adikara
Universitas Brawijaya
Arts Humanities Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Public Health Social Sciences

Published : 150 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 150 Documents
Search

 1   2   3   4   5 
Pencarian Ruang Warna Kulit Manusia Berdasarkan Nilai Karakteristik (λ) Matrik Window Citra Adikara, Putra Pandu; Rahman, Muh. Arif; Santosa, Edy
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 1, No 1 (2014)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (880.856 KB)

Abstract

Abstrak Perkembangan transaksi dan distribusi data yang sangat besar, terutama saat teknologi informasi dan komunikasi melalui  web bisa dijangkau oleh siapa saja menggunakan perangkat yang semakin beragam, membuat pengguna memerlukan aplikasi yang serba mudah untuk digunakan. Diantaranya adalah identifikasi obyek yang berada dalam data multimedia berupa teks, gambar maupun suara. Deteksi warna, terutama deteksi warna kulit manusia adalah tahap awal identifikasi keberadaan manusia pada citra 2 dimensi. Terdapat sejumlah metode untuk menentukan apakah suatu pixel pada gambar tersebut merupakan warna kulit manusia. Penelitian sebelumnya telah membuat ruang warna berbasis pixel diantaranya adalah ruang warna RGB, normalisasi RGB, HIS/HSV, TSL, YCbCr dll. Suatu matrik bujur sangkar NxN mempunyai nilai karakteristik (λ) sebanyak N dimana nilai masing-masing berupa bilangan real. Suatu citra dapat dipecah menjadi M matrik bujur sangkar dan kemudian dicari nilai λ  nya. Penelitian ini akan mencari ruang warna kulit manusia berdasarkan nilai karakteristik (ƛ) matrik window citra. Dari hasil pengujian hamper semua warna kulit dapat dideteksi, namun image untuk warna kulit yang tidak mencolok beberapa obyek pada image dapat ditampilkan dengan baik meskipun bukan kulit. Kata kunci: Citra Kulit, Nilai Karakteristik (λ), Matrik Window Abstract The development of the transaction and distribution of huge data, especially when the information technology and communication via the web can be reached by anyone using the increasingly diverse, making the user requires an application that completely easy to use. Among them is the identification of objects that are in the multimedia data such as text, images and sound. Color detection, particularly the detection of human skin color is an early stage identification of human presence on the 2-dimensional image. There are a number of methods to determine whether a pixel in the image is the color of human skin. Previous studies have made such pixel based color space is RGB color space, normalized RGB, HIS/HSV, TSL, YCbCr etc. An NxN square matrix has eigenvalues ​​(λ) of N where the value of each form of real numbers. An image can be broken down into a square matrix M and then sought its λ value. This study will look for human skin color space based on the value of the characteristic (ƛ) matrix image window. From the test results almost all skin colors can be detected, but the image for an inconspicuous color multiple objects in the image can be displayed well although not leather. Keywords: skin image, value of the characteristic(λ), Matrix Windows
Regresi linier berbasis clustering untuk deteksi dan estimasi halangan pada smart wheelchair Adikara, Putra Pandu; Wihandika, Randy Cahya; Utaminingrum, Fitri; Sari, Yuita Arum; Fauzi, M Ali; Syauqy, Dahnial; Maulana, Rizal
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 3, No 1 (2017): Januari-Juni (3/7)
Publisher : Prodi Sistem Informasi - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1160.804 KB) | DOI: 10.26594/register.v3i1.587

Abstract

 Penelitian ini bertujuan untuk mengusulkan sebuah pendekatan dalam mendeteksi halangan dan memperkirakan jarak halangan untuk diterapkan pada kursi roda pintar (smart wheelchair) yang dilengkapi kamera dan line laser. Kamera menangkap sinar line laser yang jatuh di depan kursi roda untuk mengenali adanya halangan pada lintasan berdasarkan bentuk citra line laser tersebut. Estimasi jarak halangan dihitung dari hasil Regresi Linier. Metode Regresi Linier yang digunakan dalam penelitian ini adalah model bertingkat dengan k-Means clustering. Metode Regresi Linier model bertingkat digunakan untuk merepresentasikan korelasi antara jarak line laser pada citra dan jarak halangan secara aktual. Hasil metode Regresi Linier model bertingkat dengan k-Means clustering yang diujicobakan memberikan hasil yang lebih baik dengan RMSE sebesar 3.541 cm dibanding dengan Regresi Liner sederhana dengan RMSE sebesar 5.367 cm.   This research aim to propose a new approach to detect obstacles and to estimate the distance of the obstacle which is in this case applied to smart wheelchair equipped with camera and line laser. The camera capture the image of line laser reflected in front of the wheelchair to detect any existing obstacle on the wheelchair’s pathway based on the line shape of reflected line laser. Obstacle’s distance is estimated using Linier Regression. Linier Regression method used in this research is stepwise model using k-Means clustering. Linear Regression method with stepwise model will be used to represent the correlation between the distance of the line laser in the image and the actual distance of the obstacle in real world. The result of Linear Regression with stepwise model using k-Means clustering gave better result with RMSE of 3.541 cm than simple Linear Regression with RMSE of 5.367 cm.
Regresi linier berbasis clustering untuk deteksi dan estimasi halangan pada smart wheelchair Adikara, Putra Pandu; Wihandika, Randy Cahya; Utaminingrum, Fitri; Sari, Yuita Arum; Fauzi, M Ali; Syauqy, Dahnial; Maulana, Rizal
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 3, No 1 (2017): January
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/register.v3i1.587

Abstract

 Penelitian ini bertujuan untuk mengusulkan sebuah pendekatan dalam mendeteksi halangan dan memperkirakan jarak halangan untuk diterapkan pada kursi roda pintar (smart wheelchair) yang dilengkapi kamera dan line laser. Kamera menangkap sinar line laser yang jatuh di depan kursi roda untuk mengenali adanya halangan pada lintasan berdasarkan bentuk citra line laser tersebut. Estimasi jarak halangan dihitung dari hasil Regresi Linier. Metode Regresi Linier yang digunakan dalam penelitian ini adalah model bertingkat dengan k-Means clustering. Metode Regresi Linier model bertingkat digunakan untuk merepresentasikan korelasi antara jarak line laser pada citra dan jarak halangan secara aktual. Hasil metode Regresi Linier model bertingkat dengan k-Means clustering yang diujicobakan memberikan hasil yang lebih baik dengan RMSE sebesar 3.541 cm dibanding dengan Regresi Liner sederhana dengan RMSE sebesar 5.367 cm.   This research aim to propose a new approach to detect obstacles and to estimate the distance of the obstacle which is in this case applied to smart wheelchair equipped with camera and line laser. The camera capture the image of line laser reflected in front of the wheelchair to detect any existing obstacle on the wheelchair’s pathway based on the line shape of reflected line laser. Obstacle’s distance is estimated using Linier Regression. Linier Regression method used in this research is stepwise model using k-Means clustering. Linear Regression method with stepwise model will be used to represent the correlation between the distance of the line laser in the image and the actual distance of the obstacle in real world. The result of Linear Regression with stepwise model using k-Means clustering gave better result with RMSE of 3.541 cm than simple Linear Regression with RMSE of 5.367 cm.
Movie recommender systems using hybrid model based on graphs with co-rated, genre, and closed caption features Adikara, Putra Pandu; Sari, Yuita Arum; Adinugroho, Sigit; Setiawan, Budi Darma
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 7, No 1 (2021): January
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/register.v7i1.2081

Abstract

A movie recommendation is a long-standing challenge. Figuring out the viewer’s interest in movies is still a problem since a huge number of movies are released in no time. In the meantime, people cannot enjoy all available new releases or unseen movies due to their limited time. They also still need to choose which movies to watch when they have spare time. This situation is not good for the movie business too. In order to satisfy people in choosing what movies to watch and to boost movie sales, a system that can recommend suitable movies is required, either unseen in the past or new releases. This paper focuses on the hybrid approach, a combination of content-based and collaborative filtering, using a graph-based model. This hybrid approach is proposed to overcome the drawbacks of combination in the content-based and collaborative filtering. The graph database, Neo4j is used to store the collaborative features, such as movies with its genres, and ratings. Since the movie’s closed caption is rarely considered to be used in a recommendation, the proposed method evaluates the impact of using this syntactic feature. From the early test, the combination of collaborative filtering and content-based using closed caption gives a slightly better result than without closed caption, especially in finding similar movies such as sequel or prequel.
Hybrid Head Tracking for Wheelchair Control Using Haar Cascade Classifier and KCF Tracker Fitri Utaminingrum; Yuita Arum Sari; Putra Pandu Adikara; Dahnial Syauqy; Sigit Adinugroho
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 16, No 4: August 2018
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v16i4.6595

Abstract

Disability may limit someone to move freely, especially when the severity of the disability is high. In order to help disabled people control their wheelchair, head movement-based control is preferred due to its reliability. This paper proposed a head direction detector framework which can be applied to wheelchair control. First, face and nose were detected from a video frame using Haar cascade classfier. Then, the detected bounding boxes were used to initialize Kernelized Correlation Filters tracker. Direction of a head was determined by relative position of the nose to the face, extracted from tracker’s bounding boxes. Results show that the method effectively detect head direction indicated by 82% accuracy and very low detection or tracking failure.
Klasifikasi Kelas Kata (Part-Of-Speech Tagging) untuk Bahasa Madura Menggunakan Algoritme Viterbi Ilham Firmansyah; Putra Pandu Adikara; Sigit Adinugroho
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8, No 5: Oktober 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021854483

Abstract

Bahasa manusia adalah bahasa yang digunakan oleh manusia dalam bentuk tulisan maupun suara. Banyak teknologi/aplikasi yang mengolah bahasa manusia, bidang tersebut bernama Natural Language Processing yang merupakan ilmu yang mempelajari untuk mengolah dan mengekstraksi bahasa manusia pada perkembangan teknologi. Salah satu proses pada Natural Language Processing adalah Part-Of-Speech Tagging. Part-Of-Speech Tagging adalah klasifikasi kelas kata pada sebuah kalimat secara otomatis oleh teknologi, proses ini salah satunya berfungsi untuk mengetahui kata-kata yang memiliki lebih dari satu makna/arti (ambiguitas). Part-Of-Speech Tagging merupakan dasar dari Natural Language Processing lainnya, seperti penerjemahan mesin (machine translation), penghilangan ambiguitas makna kata (word sense disambiguation), dan analisis sentimen. Part-Of-Speech Tagging dilakukan pada bahasa manusia, salah satunya adalah bahasa Madura. Bahasa Madura adalah bahasa daerah yang digunakan oleh suku Madura dan memiliki morfologi yang mirip dengan bahasa Indonesia. Penelitian pada Part-Of-Speech Tagging pada bahasa Madura ini menggunakan algoritme Viterbi, terdapat 3 proses untuk implementasi algoritme Viterbi pada pada Part-Of-Speech Tagging bahasa Madura, yaitu pre-processing pada data training dan testing, perhitungan data latih dengan Hidden Markov Model dan klasifikasi kelas kata menggunakan algoritme Viterbi. Kelas kata (tagset) yang digunakan untuk klasifikasi kata pada bahasa Madura sebanyak 19 kelas, kelas kata tersebut dirancang oleh pakar. Pengujian sistem pada penelitian ini menggunakan perhitungan Multiclass Confusion Matrix. Hasil pengujian sistem mendapatkan nilai micro average accuracy sebesar 0,96 dan nilai micro average precision dan recall yang sama sebesar 0,68. Precision dan recall masih dapat ditingkatkan dengan menambahkan data yang lebih banyak lagi untuk pelatihan. AbstractNatural language is a form of language used by human, either in writing or speaking form. There is a specific field in computer science that processes natural language, which is called Natural Language Processing. It is a study of how to process and extract natural language on technology development. Part-Of-Speech Tagging is a method to assign a predefined set of tags (word classes) into a word or a phrase. This process is useful to understand the true meaning of a word with ambiguous meaning, which may have different meanings depending on the context. Part-Of-Speech Tagging is the basis of the other Natural Language Processing methods, such as machine translation, word sense disambiguation, and sentiment analysis. Part-Of-Speech Tagging used in natural languages, such as Madurese language. Madurese language is a local language used by Madurese and has a similar morphology as Indonesian language. Part-Of-Speech Tagging research on Madurese language using Viterbi algorithm, consists of 3 processes, which are training and testing corpus pre-processing, training the corpus by Hidden Markov Model, and tag classification using Viterbi algorithm. The number of tags used for words classification (tagsets) on Madurese language are 19 class, those tags were designed by an expert. Performance assessment was conducted using Multiclass Confusion Matrix calculation. The system achieved a micro average accuracy score of 0,96, and micro average precision score is equal to recall of 0,68. Precision and recall can still be improved by adding more data for training.
Analisis Sentimen Ulasan Kedai Kopi Menggunakan Metode Naive Bayes dengan Seleksi Fitur Algoritme Genetika Naziha Azhar; Putra Pandu Adikara; Sigit Adinugroho
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8, No 3: Juni 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021834436

Abstract

Di era sekarang, kedai kopi tak hanya dikenal sebagai tempat berkumpul dan menyeruput kopi saja, tetapi kedai kopi telah menjadi tempat yang nyaman untuk belajar dan bekerja. Namun, tidak semua kedai kopi memiliki kualitas yang baik sesuai dengan apa yang diharapkan pelanggan. Ulasan tentang kedai kopi dapat membantu pemilik kedai kopi untuk mengetahui bagaimana respons mengenai produk dan pelayanannya. Ulasan tersebut perlu diklasifikasikan menjadi ulasan positif atau negatif sehingga membutuhkan analisis sentimen. Terdapat beberapa tahap pada penelitian ini yaitu pre-processing untuk pemrosesan ulasan, ekstraksi fitur menggunakan Bag of Words dan Lexicon Based Features, serta mengklasifikasikan ulasan menggunakan metode Naïve Bayes dengan Algoritme Genetika sebagai seleksi fitur. Data yang digunakan pada penelitian ini sebanyak 300 data dengan 210 data sebagai data latih dan 90 data sebagai data uji. Hasil evaluasi yang didapatkan dari klasifikasi Naïve Bayes dan seleksi fitur Algoritme Genetika yaitu accuracy sebesar 0,944, precision sebesar 0,945, recall sebesar 0,944, dan f-measure sebesar 0,945 dengan menggunakan parameter Algoritme Genetika terbaik yaitu banyak generasi = 50, banyak populasi = 18, crossover rate = 1, dan mutation rate = 0. AbstractIn this era, coffee shops are not only known as a place to gather and drink coffee, but also have become a comfortable place to study and work. However, not all coffee shops are in good quality according to what customers expect. Coffee shop reviews can help coffee shop owners to find out the response to their products and services. These reviews need to be classified as positive or negative reviews so that sentiment analysis is needed. There are several steps in this study, which are pre-processing to process reviews, feature extraction using Bag of Words and Lexicon Based Features, also classifying reviews using the Naïve Bayes method with Genetic Algorithm as a feature selection. The data used in this study were 300 data with 210 data as training data and 90 data as test data. Evaluation results obtained from the Naïve Bayes classification and Genetic Algorithm feature selection are 0.944 for accuracy, 0.945 for precision, 0.944 for recall, and 0.945 for f-measure using the best Genetic Algorithm parameters which are many generations = 50, many populations = 18, crossover rate = 1, and mutation rate = 0.
Peringkasan Artikel Berbahasa Indonesia Menggunakan TextRank dengan Pembobotan BM25 Yurdha Fadhila Hernawan; Putra Pandu Adikara; Randy Cahya Wihandika
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9, No 1: Februari 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022913765

Abstract

Penggunaan internet sebagai sumber informasi telah membawa manusia pada era one click away. Apa pun bisa diakses di mana pun kapan pun, baik secara visual maupun tidak. Namun, tidak semua informasi yang diakses selalu sesuai dengan konteks yang diinginkan. Untuk memudahkan pengguna internet dalam mendapatkan informasi yang ringkas dengan tidak merusak atau menghilangkan informasi penting, maka dibutuhkan suatu peringkasan otomatis. Salah satu cara untuk mendapatkan ringkasan pada sebuah dokumen adalah dengan mencari kumpulan kalimat penting pada dokumen yang dapat merepresentasikan dokumen asli secara keseluruhan. Metode peringkasan tersebut disebut juga dengan peringkasan ekstraktif. Pada penelitian ini, peringkasan ekstraktif dilakukan dengan memeringkatkan setiap kalimat pada sebuah dokumen dan mengambil kalimat dengan peringkat teratas sebagai ringkasan. Metode TextRank yang digunakan pada penelitian ini merepresentasikan dokumen sebagai graf, setiap kalimat dianggap sebagai node dan hubungan antara kalimat (node) merupakan nilai similarity antar kalimat. Fungsi similarity yang digunakan adalah BM25 dengan metode pemeringkatan PageRank. Panjang ringkasan yang dihasilkan sistem disesuaikan dengan besar nilai compression rate yang digunakan. Setelah membandingkan hasil ringkasan yang didapatkan sistem peringkasan otomatis dengan hasil ringkasan yang didapatkan dari expert (pakar) sebanyak 10 dokumen, penelitian ini berhasil dilakukan dengan kualitas ringkasan terbaik didapatkan pada saat penggunaan compression rate sebesar 30% dengan nilai rata-rata precision, recall, dan f-measure secara berturut-turut adalah 0,552; 0,552; dan 0,552. AbstractThe use of the internet as a source of information has brought humans to a oneclick era. Anything can be accessed anywhere, visually or not. However, every information accessed is not always match with the context itself. An automatic summarization is needed to help people to get the concise informations without ruin the context and missing the point. One way to get a summarize of the document is to find a collection of important sentences in the document that can represent the original document as a whole. That automatic text summarization method is also called extractive summarize. In this study, extractive summarization is done by checking each sentence in a document and ranking the important sentences. The TextRank method used in this study will represent the document as a graph, each sentence will be considered as a node and the relationship between sentences (nodes) is the value of similarity between sentences. The similarity function used is BM25 with the PageRank as ranking method. The resulting length of the system will be adjusted to the value of the level of compression used. After comparing the summarization result between the automatic system and an expert of 10 documents, this research is successfully carried out with the best quality is obtained when using a compression rate of 30% with an average value of precision, recall, and f-measure is 0.552; 0.552; and 0.552.  
Pencarian Produk yang Mirip Melalui Automatic Online Annotation dari Web dan Berbasiskan Konten dengan Color Histogram Bin dan Surf Descriptor Putra Pandu Adikara; Sigit Adinugroho; Yuita Arum Sari
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5, No 1: Februari 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (607.144 KB) | DOI: 10.25126/jtiik.201851630

Abstract

Banyaknya situs e-commerce memberikan kemudahan bagi pengguna yang ingin mencari dan membeli suatu produk, misalnya membeli makanan, obat, alat elektronik, kebutuhan sehari-hari, dan lain-lain. Pencarian suatu produk terhadap beberapa situs e-commerce akan menjadi sulit karena banyaknya pilihan situs, banyaknya penjual (merchant/seller) yang menjual barang yang sama, dan waktu yang lama karena harus berpindah-pindah situs hingga menemukan produk yang diinginkan. Selain itu dengan adanya teknologi smartphone berkamera, augmented reality, query pencarian bisa jadi hanya berupa citra, namun pencarian produk dengan menggunakan citra pada umumnya tidak diakomodasi di situs e-commerce. Dalam penelitian ini dikembangkan sistem meta search-engine yang menggunakan query berupa citra dan berbasiskan konten untuk menggabungkan hasil pencarian dari beberapa situs e-commerce. Citra query yang tidak diketahui namanya dibangkitkan tag atau kata kuncinya melalui Google reverse image search engine. Kata kunci ini kemudian diberikan ke masing-masing situs e-commerce untuk dilakukan pencarian. Fitur yang digunakan dalam pencocokan query dengan produk adalah fitur tekstual, color histogram bin, dan keberadaan citra objek yang dicari menggunakan SURF descriptor. Fitur-fitur ini digunakan untuk menentukan relevansi terhadap hasil penelusuran. Sistem ini dapat memberikan hasil yang baik dengan precision@20 dan recall hingga 1 dengan rata-rata precision@20 dan recall masing-masing sebesar 0,564 dan 0,608, namun juga bisa gagal dengan precision@20 dan recall sebesar 0. Hasil yang kurang baik ini dikarenakan tag yang dibangkitkan terlalu umum dan situs e-commerce-pun memberikan hasil yang umum juga
Rekomendasi Kata Berbahasa Alay Ke Bahasa Indonesia Menggunakan Algoritma Fonetik dan Levenshtein Distance Putra Pandu Adikara
Jurnal POINTER Vol 2, No 2 (2011): Jurnal Pointer - Ilmu Komputer
Publisher : Ilmu Komputer, Universitas Brawijaya

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

Abstract

ABSTRAK Kata dalam bahasa Alay yang digunakan remaja akhir-akhir ini dapat menyulitkan pembacaan dan pengertian karena ketidakbakuan ejaan kata sesuai kaidah EYD. Ketidakbakuan ejaan ini dapat dikenali melalui algoritma spelling checker. Algoritma spelling checker yang digunakan adalah algoritma fonetik. Algoritma fonetik ini menghasilkan kunci dari suatu kata yang nantinya dihitung kedekataannya dengan kunci kata-kata lain yang ada di database. Penghitungan kedekatan kunci sebagai kemiripan kata di sini menggunakan algoritma Levenshtein Distance. Hasil eksperimen menunjukkan recall terhadap kata dalam bahasa Alay hasil pembangkitan Alay Generator sebesar 92.5%, sedangkan recall dari kata yang dibuat manual sebesar 60%.   Kata kunci: bahasa alay, bahasa Indonesia, cek ejaan, algoritma fonetik, levenshtein distance   ABSTRACT Words in bahasa Alay used recently by nowadays teenagers can be really difficult to read and to understand because of its non standard spelling and not following Bahasa Indonesia’s improved spelling (EYD) rules. This non standard spelling can be recognized by using spelling checker algorithm. Spelling checker algorithm proposed here is using phonetic algorithm. Phonetic algorithm generates key from a word which later the similarity with other words’ key, stored in database, can be calculated. Calculation of the keys similarity, as word similarity, used in this paper is using Levenshtein Distance. Experiment result shows that recall of words generated by Alay Generator is 92.5% while recall of words manually made is 60%.   Keywords: alay language, Indonesian language, spelling check, phonetic algorithm, levenshtein distance
Co-Authors Ade Kurniawan Adinda Chilliya Basuki Adinugroho, Sigit Afrizal Rivaldi Agung Firdaus Agus Wahyu Widodo Ahmad Fauzi Ahsani Akhmad Sa'rony Albert Bill Alroy Alimah Nur Laili Allysa Apsarini Shafhah Alqis Rausanfita Alvandi Fadhil Sabily Amar Ikhbat Nurulrachman Ananda Fitri Niasita Anang Hanafi Andina Dyanti Putri Andre Rino Prasetyo Ani Budi Astuti Annisa Alifia Arsya Monica Pravina Aulia Jasmin Safira Aulia Rahma Hidayat Avisena Abdillah Alwi Barbara Sonya Hutagaol Bayu Andika Paripih Bayu Rahayudi Bryan Pratama Jocom Budi Darma Setiawan Candra Dewi Dahnial Syauqy Daisy Kurniawaty Danang Aditya Wicaksana Dayinta Warih Wulandari Deri Hendra Binawan Dhanika Jeihan Aguinta Dheby Tata Artha Dian Eka Ratnawati Dika Perdana Sinaga Dimas Fachrurrozi Azam Dwi Suci Ariska Yanti Dwi Wahyu Puji Lestari Dyva Pandhu Adwandha Edy Santosa Eka Dewi Lukmana Sari Elmira Faustina Achmal Evilia Nur Harsanti Faiz Aulia Al Farisi Farid Rahmat Hartono Fayza Sakina Maghfira Darmawan Ferdi Alvianda Ferly Gunawan Ferly Gunawan Fitra A. Bachtiar Franklid Gunawan Galih Nuring Bagaskoro George Alexander Suwito Gilang Widianto Aldiansyah Glenn Jonathan Satria Guedho Augnifico Mahardika Hanson Siagian Hendra Pratama Budianto Husein Abdulbar Ichlasuning Diah Amaliah Ika Oktaviandita Ilham Firmansyah Imam Cholisoddin Imam Cholissodin Imam Ghozali Imanuel Juventius Todo Gurning Indah Mutia Ayudita Indriati Indriati Indriati Indriati Indriya Dewi Onantya Ivan Fadilla Ivan Ivan Jesika Silviana Situmorang Jojor Jennifer BR Sianipar Jonathan Reynaldo Junda Alfiah Zulqornain Karina Widyawati Karunia Ayuningsih Katherine Ivana Ruslim Khalisma Frinta Krishnanti Dewi Laila Restu Setiya Wati Laksono Trisnantoro Lusiyana Adetia Isadi Luthfi Mahendra M. Aasya Aldin Islamy M. Ali Fauzi Makrina Christy Ariestyani Marina Debora Rindengan Maya Novita Putri Riyanto Mayang Arinda Yudantiar Mayang Panca Rini Melati Ayuning Lestari Moch. Khabibul Karim Moh. Dafa Wardana Mohammad Fahmi Ilmi Mohammad Toriq Muh. Arif Rahman Muhammad Faiz Al-Hadiid Muhammad Fajriansyah Muhammad Iqbal Pratama Muhammad Nurhuda Rusardi Muhammad Rizaldi Muhammad Rizky Setiawan Muhammad Tanzil Furqon Muhammad Taufan Muthia Azzahra Nadhif Sanggara Fathullah Nadia Siburian Nanda Agung Putra Nanda Cahyo Wirawan Naufal Akbar Eginda Naziha Azhar Niluh Putu Vania Dyah Saraswati Novan Dimas Pratama Novanto Yudistira Nur Hijriani Ayuning Sari Nurul Hidayat Panji Husni Padhila Pengkuh Aditya Prana Prais Sarah Kayaningtias Pretty Natalia Hutapea Putri Rahma Iriani Radita Noer Pratiwi Rahma Chairunnisa Raissa Arniantya Randy Cahya Wihandika Randy Cahya Wihandika Randy Cahya Wihandika Randy Cahya Wihandika Randy Ramadhan Renata Rizki Rafi` Athallah Renaza Afidianti Nandini Restu Amara Rezky Dermawan Rhevitta Widyaning Palupi Ridho Agung Gumelar Riza Cahyani Rizal Maulana, Rizal Rizal Setya Perdana Rosy Indah Permatasari Salsabila Insani Salsabila Rahma Yustihan San Sayidul Akdam Augusta Sigit Adinugroho Sigit Adinugroho Silvia Ikmalia Fernanda Sindy Erika Br Ginting Sutrisno Sutrisno Tania Malik Iryana Taufan Nugraha Thariq Muhammad Firdausy Tibyani Tibyani Uke Rahma Hidayah Utaminingrum, Fitri Vergy Ayu Kusumadewi Vinesia Yolanda Vivin Vidia Nurdiansyah Yerry Anggoro Yohana Yunita Putri Yoseansi Mantharora Siahaan Yosua Dwi Amerta Yuita Arum Sari Yuita Arum Sari Yuita Arum Sari Yuita Arum Sari Yuita Arum Sari Yulia Kurniawati Yurdha Fadhila Hernawan Yurdha Fadhila Hernawan Yure Firdaus Arifin Zahra Asma Annisa