Garuda - Garba Rujukan Digital

Pemanfaatan Ontologi Dengan Paradigma Pembangunan Combined Hierarchy Dalam Pengukuran Indeks Kebahagiaan Masyarakat Kota Bandung Anisa Herdiani; Nungki Selviandro; Muhammad Faris Adri Azka
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Pemerintah kota Bandung saat ini sedang mengembangkan sebuah sistem untuk mengukur indeks kebahagiaan masyarakatnya. Pengukuran indeks kebahagiaan tersebut menggunakan parameter-parameter tertentu yang disesuaikan dengan hal-hal yang dapat membuat masyarakat Bandung menjadi bahagia. Sering kali orang- orang menyampaikan apa yang ada di pikirannya melalui sosial media. Penelitian ini mengusulkan sistem untuk mengukur indeks kebahagiaan tersebut menggunakan data yang ada di media sosial kemudian dilakukan perhitungan sesuai dengan parameter-parameter yang ada. Penelitian ini akan terbagi atas beberapa tahap. Tahap pertama adalah melakukan crawling data dari media social twitter dengan pembatasan area crawling hanya dari kota Bandung. Tahap kedua adalah melakukan proses text processing untuk mendapatkan data tweet yang bersih. Tahap ketiga adalah melakukan pembuatan ontologi yang dijadikan dasar klasifikasi data tweet berdasarkan parameter-parameter indeks kebahagiaan. Tahap keempat adalah mengklasifikasikan tweet dengan menggunakan ontologi yang telah dibuat pada tahap sebelumnya. Tahap kelima adalah klasifikasi sentimen dari data hasil klasifikasi ontologi yang telah dilakukan. Tahap terakhir adalah menghitung indeks kebagagiaan dari hasil klasifikasi sentimen. Keluaran dari penelitian ini adalah nilai indeks kebahagiaan masyarakat kota Bandung. Indeks kebahagiaan yang didapatkan pada penelitian ini adalah sebesar 58%. Hasil dari penelitian ini dapat digunakan sebagai alternatif perhitungan indeks kebahagiaan Kota Bandung disamping perhitungan indeks kebahagiaan secara manual. Kata kunci : Indeks Kebahagiaan, Ontologi, Analisis Sentimen, Twitter

Implementasi Mesin Pencarian Berbasis Ontologi Pada Twitter Untuk Membantu Pengukuran Happiness Index Kota Bandung Muhammad Arifino Setyawan; Anisa Herdiani; Nungki Selviandro
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Media sosial merupakan tren teknologi yang terus meningkat dalam beberapa tahun terakhir. Seiring dengan peningkatan penggunanya, semakin banyak pengguna yang menyalurkan opininya melalui media sosial. Opini masyarakat merupakan salah satu hal yang bisa digunakan untuk menjadi input dari pengukuran happiness index. Happiness index merupakan suatu nilai yang dapat menggambarkan tingkat kesejahteraan masyarakat suatu wilayah. Namun untuk mengukur happiness index dibutuhkan data yang banyak, sehingga diperlukan suatu sistem yang dapat mengumpulkan data dari media sosial. Search engine merupakan salah satu cara yang bisa digunakan untuk mengumpulkan data, namun karena domain pencarian yang spesifik, penggunaan search engine biasa yang berbasis keyword dianggap kurang efisien sehingga diperlukan search engine yang dapat mencari data berdasarkan suatu domain yang spesifik. Penggunaan ontologi dalam pencarian dapat menangani masalah tersebut. Ontologi merupakan salah satu cara merepresentasikan pengetahuan, dengan bermula dari domain happiness index dapat dibangun sebuah ontologi yang dapat merepresentasikan happiness index. Paradigma top-down dan metodologi Noy McGuinness digunakan dalam konstruksi ontologi. Dalam melakukan penilaian dengan ontologi, metode dari Ehrig akan dipilih karena karakteristik data yang memiliki kemiripan dengan data yang akan diperoleh dari media sosial. Kemudian data tersebut akan diklasifikasi menggunakan metode klasifikasi berbasis kedalaman ontologi. Pada penelitian ini akan diuji performa search engine yang menggunakan ontologi menggunakan komputasi Ehrig dan klasifikasi menggunakan ontologi. Berdasarkan hasil pengujian yang dilakukan, diperoleh hasil yang memuaskan dengan nilai F1-Measire 86% untuk penilaian data berdasarkan ontologi dan hasil yang mencapai 84% dan 100%, untuk perbandingan relevansi hasil pencarian dibandingkan dengan search engine tanpa ontologi. Untuk klasifikasi diperoleh nilai accuracy mencapai 81% yang cukup baik untuk metode klasifikasi yang diusulkan. Kata kunci: happiness index, media sosial, ontologi, search engine, klasifikasi

Analisis Dan Implementasi Algoritma Gspan Dan Lpboost Pada Klasifikasi Struktur Molekul Kimia Ahmad Ridwan Rezani; Kemas Rahmat Saleh Wiharja; Nungki Selviandro
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Perkembangan teknologi dan informasi tentang pemodelan data elektronik yang semakin meningkat seperti xml text, html,graph, senyawa kimia dan lain lain menyebabkan jumlah aplikasi untuk memodelkan data tersebut semakin pesat. Salah satu yang popular dan banyak dikembangkan yaitu Graph. Graph sangat powerful karena bisa memodelkan struktur yang kompleks. Salah satu penerapannya yaitu risk assessment, toxic prediction dan regulatory decision. Studi mengenai graph berbasis classification masih kurang dan untuk penerapannya masih jarang sehingga perlu penelitian lebih lanjut guna mendapatkan pemodelan data yang baik. Berbagai penelitian telah dilakukan dengan menggunakan teknik dalam klasifikasi graph salah satunya Graph Classification yang bisa diterapkan untuk chemical compound. Dalam penelitian Tugas Akhir ini akan membahas tentang metode Graph Classification dengan menggunakan algoritma gSpan dan Boosting dalam melakukan klasifikasi molekul kimia dan menghitung akurasi yang diperoleh. Tujuannya untuk menentukan dan mengidentifikasi apakah suatu molekul kimia mengandung mutagen atau tidak berdasarkan model klasifikasi yang dibuat. Model klasifikasi ini akan membuat prediction rule dengan beberapa iterasi untuk mendapatkan pola. Pola ini didapatkan dengan cara mengenumerasi secara frequent kemunculan pola subgraph yang bisa digunakan sebagai feature dalam klasifikasi. Pemilihan teknik yang tepat dan rancangan sistem yang benar akan menghasilkan performansi sistem yang maksimal. molekul kimia dipilih karena keunggulan dan keunikannya yaitu memiliki ciri vertex berlabel dan edge yang tidak berarah sehingga molekul kimia cocok jika direpresentasikan dengan graph. Metode Graph Classification akan mengklasifikasi graph yang mempunyai karakteristik struktural information serta menggunakan semua subgrah yang terseleksi sebagai set fitur. Hasil dari penelitian ini menunjukan efisiensi dari algoritma gSpan dan Boosting untuk molekul kimia dengan akurasi tertinggi yaitu 78,18 %. Kata kunci: Graph Classification, Frequent Subgraph Mining, Klasifikasi, Cheminformatics

Implementasi Rekomendasi Materi Ajar Berdasarkan Kerangka Kerja Siluens Irvan Dwi Putra Manurung; Anisa Herdiani; Nungki Selviandro
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Keberagaman learning style yang ada pada siswa menjadi salah satu faktor yang perlu dipertimbangkan dalam mengimplementasikan e-learning. Penyampaian materi pembelajaran harus dapat disajikan tidak hanya dalam bentuk file materi saja, tetapi juga harus mampu menyesuaikan dengan learning style masing â€“ masing siswa. Kerangka kerja SILUENS yang merupakan sistem evaluasi berinteligensia dalam e- learning digunakan dalam memberikan rekomendasi strategi belajar berupa materi pembelajaran yang beragam yang disesuaikan dengan learning style atau preferensi belajar siswa dengan menggunakan metode clickstream analysis yang didasarkan pada content visit atau view dari masing â€“ masing pengguna. Pengimplementasian rekomendasi materi ajar ini pada Learning Management System (LMS) yang bersifat open source mampu membantu menentukan gaya belajar siswa, merekomendasikan strategi belajar dan membantu perkembangan tingkat pemahaman siswa terhadap materi pembelajaran. Kata kunci: e-learning, SILUENS, learning style, learning management system.

Pengukuran Happiness Index Masyarakat Kota Bandung Pada Media Sosial Twitter Menggunakan Pendekatan Ontologi Top-down Hierarchy Ika Rahayu Ponilan; Anisa Herdiani; Nungki Selviandro
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Paradigma pengukuran tingkat kemakmuran suatu negara dari pendapatan per kapita Gross National Product (GNP), sekarang telah digeser oleh paradigma happiness index atau Gross National Happiness (GNH). Esensi dari GNH adalah kedamaian dan kebahagiaan dari setiap orang, selain itu juga keamanan dan kedaulatan bangsa. Belakangan ini, Bandung menjadi kota pertama di Indonesia yang mengadopsi inovasi peningkatan happiness index masyarakat. Pemerintah kota Bandung berharap agar inovasi ini dapat dijadikan review untuk menjadikan kota Bandung nyaman ditinggali dan memperbaiki value kota Bandung. Penelitian ini akan menganalisis tweet dari Twitter secara berkala, ke dalam parameter happiness berdasarkan Badan Pusat Statistik (BPS) Bandung dengan menggunakan pendekatan ontologi. Penelitian ini terbagi atas enam tahap. Tahap pertama yaitu crawling (pengambilan) data Twitter berdasarkan wilayah kota Bandung dan melabelkan data. Tahap kedua yaitu preprocessing data yang mencakup data cleaning, case folding, tokenizing, stopword removal, dan lemmatization. Tahap ketiga yaitu sentiment analysis untuk mengklasifikasikan tweet (opini) ke dalam opini positif dan negatif. Tahap keempat yaitu ontology construction berdasarkan parameter happiness index BPS Bandung. Tahap kelima yaitu pengelompokkan tweet berdasarkan ontologi yang telah dibangun. Tahap keenam yaitu perhitungan happiness index per parameter yang telah ditentukan sebelumnya. Pada penelitian ini menghasilkan nilai happiness index masyarakat kota Bandung sebesar 55.50% dari data aktual dan 52.22% dari data prediksi oleh sistem. Nilai tersebut dapat dijadikan sebagai salah satu alat bantu dalam pengambilan kebijakan Pemerintahan Kota Bandung. Kata kunci: Twitter, ontology, sentiment analysis, happiness index

Feature-based Opinion Menggunakan Algoritma High Adjective Count Dan Max Opinion Score ( Studi Kasus Review Di Google Play). Eri Angga Pradana; Shaufiah Shaufiah; Nungki Selviandro
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Banyaknya jumlah aplikasi pada Google Play terkadang terjadi ketidak sesuaian aplikasi yang dibeli tidak sesuai dengan kebutuhan, hal tersebut terjadi dikarenakan sulitnya menemukan informasi terkait kelebihan dan keunggulan fitur aplikasi pada google playstore. Pemanfaatan review diharapkan dapat memberikan informasi terkait kelebihan dan kekurangan fitur pada pengguna dengan mengekstrak fitur berdasarkan opini yang terdapat dalam review. Opini yang didapatkan akan menjadi penilaian pada fitur. Untuk mendapatkan nilai fitur diperlukan beberapa tahapan proses dari pengumpulan data review, data review adalah file .html hasilpenyimpanan website aplikasi google dengan cara manual. Data yang sudah terkumpul akan di proses beberapa tahap antara lain tahap preprocessing, tahap ekstraksi fitur dengan algoritma High Adjective Count(HAC) dan tahap penilaian fitur dengan algoritma Max Opinion Score(MOS). Untuk validasi kebenaran fitur penulis menggunakan pelabelan fitur secara manual menggunakan responden. Hasil yang didapatkan diketahui HAC memiliki akurasi 80% untuk ekstraksi fitur pada top 5 fitur yang dihasilkan dari keseluruhan review. HAC memiliki akurasi 28.78% nilai ekstraksi fitur dalam satu review atau single review. Hasil yang diberikan pada MOS dapat memberikan fitur beserta nilai fitur. Kata kunci : feature based, opini, high adjective count, max opinion score, review, googleplay

Pengukuran Indeks Kebahagiaan Masyarakat Kota Bandung Dari Jejaring Sosial Twitter Menggunakan Ontologi Dengan Paradigma Bottom-up Anisa Herdiani; Nungki Selviandro; Dimas Ikhsanu Fitra
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Kebahagiaan masyarakat dapat dijadikan parameter untuk menentukan pencapaian dari suatu negara. Dalam cakupan yang lebih kecil, hal ini dapat diaplikasikan juga ke sebuah kota. Pemerintah kota Bandung mengembangkan sistem yang dapat menghitung indeks kebahagiaan masyarakatnya. Pemerintah kota Bandung telah melakukan perhitungan indeks kebahagiaan dengan survey sampling secara acak kepada kepala keluarga atau pasangannya. Dalam pengambilan data dengan survey memerlukan usaha serta biaya yang besar. Dapat dilakukan upaya lain selain dari menggunakan survey dalam pengambilan data, yaitu dengan mengambil data berupa opini dari masyarakat dari media sosial. Pada penelitian ini dibuat suatu sistem yang mampu mengolah data berupa opini yang berasal dari media sosial Twitter yang sangat banyak digunakan masyarakat kota Bandung. Data tweet pada Twitter diklasifikasikan sesuai dengan kebutuhan perhitungan indeks kebahagiaan masyarakat kota Bandung. Klasifikasi dibantu ontologi yang dapat memetakan pengetahuan yang diketahui manusia untuk diketahui sistem. Ontologi dibangun dengan paradigma bottom-up yang pembangunannya bermula dari term-term pada tweet. Untuk mendapatkan sentimen dari data tweet digunakan klasifikasi sentiment menggunakan classifier pada Weka. Hasil klasifikasi ontologi dan sentiment digunakan untuk mengukur indeks kebahagiaan. Dilakukan pengujian terhadap sistem dengan mencari nilai F1 measure dan akurasi. Dari hasil pengujian ditemukan bahwa kelengkapan ontologi berpengaruh kepada performansi hasil klasifikasi yang dianalisis dari nilai akurasi dan F1 measure pada dua versi ontologi. Dengan data yang ada, jumlah data latih berpengaruh terhadap performansi classifier Weka dalam melakukan klasifikasi sentimen. Semakin besar jumlah data maka semakin besar nilai akurasi dan nilai F1 measure. Semakin besar akurasi maka semakin valid hasil perhitungan indeks kebahagiaan yang didapat. Kata kunci: indeks kebahagiaan, pengambilan data, ontologi, twitter, analisis sentimen

Peringkasan Pada Review Produk Menggunakan Metode Crf Dan Knn Pursita Kania Praisar; Warih Maharani; Nungki Selviandro
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

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

Dalam perkembangan internet pada saat ini, banyak orang yang memanfaatkannya dengan membuat sebuah tampilan website online berisi informasi yang dibutuhkan oleh para konsumen. Salah satu diantaranya adalah website yang berisi tentang konten-konten belanja secara online. Selain memudahkan dalam berbelanja, pada website belanja online juga sering ditemukan fitur review product atau tanggapan dari barang yang dijual pada website belanja online tersebut. Tanggapan mengenai sebuah barang pada satu website online sering dijadikan sebagian acuan terhadap sebuah kualitas barang. Banyaknya tanggapan terhadap sebuah barang dalam satu website online, menjadikan kesulitan tersendiri untuk menyimpulkan hasil dari tanggapan barang tersebut. Maka dari itu untuk mempermudah dalam menyimpulkan hasil tanggapan dari sebuah barang, perlu dibuat sebuah sistem peringkasan untuk menganalisa hasil tanggapan dari konsumen dalam suatu website belanja online. Sistem peringkasan ini dilakukan menggunakan metode CRF (Conditional Random Fields) untuk ekstraksi aspeknya dan K-NN untuk klasifikasinya. Parameter yang dibutuhkan pada sistem ini adalah persentase data training, penggunaan lemmatization pada preprocessing, nilai standar deviasi pada ekstraksi aspek, nilai learning rate pada ekstraksi aspek, threshold pada ekstraksi opini, dan nilai k pada klasifikasi. Penelitian ini dilakukan untuk mencari nilai efektif parameter inputan. Hasil yang didapatkan dari penelitian ini adalah nilai efektif presentase data training adalah 70%, digunakannya tahap lemmatization pada preprocessing, nilai efektif standar deviasi adalah 1.75, nilai efektif learning rate adalah 0.01, nilai efektif threshold adalah 0.5 dan nilai efektif k adalah >7. Kata kunci: Summarization,CRF, K-NN

IMPLEMENTASI DAN PENGUJIAN SISTEM INFORMASI LAYANAN MASYARAKAT DESA DAN PENGEMBANGAN MEDIA PUBLIC AWARENESS BERBASIS DIGITAL DALAM UPAYA MEWUJUDKAN SMART VILLAGE DESA LENGKONG Suryatiningsih Suryatiningsih; Kusuma Ayu Laksitowening; Elis Hernawati; Aprianti Putri Sujana; Rikman A. Rudawan; Ady Purna Kurniawan; Nungki Selviandro
Prosiding COSECANT : Community Service and Engagement Seminar Vol 1, No 2 (2021)
Publisher : Universitas telkom

Pemerintah Desa Lengkong mengharapkan adanya keberlanjutan dari proses focus group disscussion dan pembangunan prototipe Sistem Informasi Layanan Masyarakat Desa dan diseminasi informasi bagi masyarakat. Sebagai salah satu upaya untuk membantu kelancaran tugas para staf dan jalannya operasional dalam melakukan pelayananan publik di Desa Lengkong bekerja sama dengan dosen-dosen Universitas Telkom, perlu dilanjutkan kegiatan Pengabdian kepada Masyarakat (PkM) dalam bentuk Implementasi dan Pengujian Sistem Informasi Layanan Masyarakat Desa (SIMADES), dan Pengembangan Media Public Awareness berbasis Digital dalam Upaya Mewujudkan Smart Village Desa Lengkong. Sebagai bentuk kontribusi dan kepedulian terhadap Desa Lengkong, maka tim dosen dan mahasiswa Universitas Telkom bekerja sama dengan Desa Lengkong melaksanakan kegiatan PkM dalam bentuk implementasi dan pengujian aplikasi SIMADES. Implementasi dilakukan dalam bentuk demo aplikasi dan praktek langsung menggunakannya. Selama proses pengujian aplikasi, para pengguna memberikan feedback terhadap penggunaan aplikasi, saran pengembangan dan kebutuhan fungsionalitas lainnya untuk pengembangan selanjutnya

IMPLEMENTASI DAN PENGUJIAN SISTEM INFORMASI LAYANAN MASYARAKAT DESA DAN PENGEMBANGAN MEDIA PUBLIC AWARENESS BERBASIS DIGITAL DALAM UPAYA MEWUJUDKAN SMART VILLAGE DESA LENGKONG Suryatiningsih Suryatiningsih; Kusuma Ayu Laksitowening; Elis Hernawati; Aprianti Putri Sujana; Rikman A. Rudawan; Ady Purna Kurniawan; Nungki Selviandro
Prosiding COSECANT : Community Service and Engagement Seminar Vol 1, No 2 (2021)
Publisher : Universitas telkom

Pemerintah Desa Lengkong mengharapkan adanya keberlanjutan dari proses focus group disscussion dan pembangunan prototipe Sistem Informasi Layanan Masyarakat Desa dan diseminasi informasi bagi masyarakat. Sebagai salah satu upaya untuk membantu kelancaran tugas para staf dan jalannya operasional dalam melakukan pelayananan publik di Desa Lengkong bekerja sama dengan dosen-dosen Universitas Telkom, perlu dilanjutkan kegiatan Pengabdian kepada Masyarakat (PkM) dalam bentuk Implementasi dan Pengujian Sistem Informasi Layanan Masyarakat Desa (SIMADES), dan Pengembangan Media Public Awareness berbasis Digital dalam Upaya Mewujudkan Smart Village Desa Lengkong. Sebagai bentuk kontribusi dan kepedulian terhadap Desa Lengkong, maka tim dosen dan mahasiswa Universitas Telkom bekerja sama dengan Desa Lengkong melaksanakan kegiatan PkM dalam bentuk implementasi dan pengujian aplikasi SIMADES. Implementasi dilakukan dalam bentuk demo aplikasi dan praktek langsung menggunakannya. Selama proses pengujian aplikasi, para pengguna memberikan feedback terhadap penggunaan aplikasi, saran pengembangan dan kebutuhan fungsionalitas lainnya untuk pengembangan selanjutnya

Title

Found 11 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 11 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 11 Documents
Search