Jurnal Teknologi Informasi dan Ilmu Komputer
Not a member yet
1290 research outputs found
Sort by
Sistem Deteksi dan Pencegahan System Attack pada Infrastruktur Jaringan Menggunakan Realtime Honeypot dan Automatic Iptables
Get PDFSeiring meningkatnya kompleksitas jaringan serta tingginya ketergantungan pada perangkat infrastruktur jaringan, serangan siber terhadap sistem yang terhubung langsung ke internet menjadi tantangan utama dalam pengelolaan keamanan infrastruktur. Eksploitasi pada protokol umum layanan publik seperti SSH, Telnet, SMB, dan FTP sering dimanfaatkan oleh aktor siber untuk menyusup ke sistem menggunakan kredensial lemah atau default. Penelitian ini mengusulkan pendekatan proaktif melalui pemanfaatan honeypot sebagai alat pendeteksi serangan dengan mengimplementasikan sistem yang rentan terhadap eksploitasi. Arsitektur pengujian dirancang dalam dua skenario, yaitu farm server pada virtual (vServer) dan perangkat router, yang masing-masing dilengkapi dengan honeypot jenis Cowrie, Dionaea, Honeytrap, Suricata, dan Mailoney. Serangkaian teknik analisis diterapkan, seperti Statistical Traffic Analysis, identifikasi layanan target dan protokol, pemantauan port SSH, deteksi intrusi berbasis jaringan (IDS), serta analisis sampel malware yang berhasil ditangkap. Data log yang dikumpulkan selama dua bulan mencerminkan aktivitas serangan yang cukup tinggi, dengan total catatan sebanyak 2.813.776 entri dari Cowrie, 2.109.900 dari Dionaea, 1.047.814 dari Honeytrap, dan 650.741 dari Suricata. Selain pemantauan serangan, penelitian ini juga mengembangkan mekanisme pertahanan dengan mengintegrasikan pemfilteran otomatis berbasis IPTables. Pendekatan ini terbukti mampu mengurangi beban kerja perangkat jaringan, dengan efisiensi hingga 45% (CPU dan Memory) pada perangkat Router dan sekitar 40% (CPU dan Memory) pada Server Farm. Hasil penelitian ini menunjukkan bahwa penggabungan berbagai jenis honeypot dengan dukungan otomasi mitigasi berbasis filtering firewall iptables mampu meningkatkan deteksi dini dan memperkuat ketahanan jaringan terhadap serangan dari internet.
Abstract
As the complexity of networks increases and the high dependence on network infrastructure devices, cyber attacks on systems directly connected to the internet become a major challenge in managing infrastructure security. Exploits on common public service protocols such as SSH, Telnet, SMB, and FTP are often used by cyber actors to infiltrate systems using weak or default credentials. This study proposes a proactive approach through the use of honeypots as an attack detection tool by implementing a system that is vulnerable to exploitation. The testing architecture is designed in two scenarios, namely a virtual server farm (vServer) and a router device, each equipped with a honeypot type Cowrie, Dionaea, Honeytrap, Suricata, and Mailoney. A series of analysis techniques are applied, such as Statistical Traffic Analysis, identification of target services and protocols, SSH port monitoring, network-based intrusion detection (IDS), and analysis of successfully captured malware samples. The log data collected over two months reflects quite high attack activity, with a total of 2,813,776 entries from Cowrie, 2,109,900 from Dionaea, 1,047,814 from Honeytrap, and 650,741 from Suricata. In addition to monitoring attacks, this study also developed a defense mechanism by integrating IPTables-based automatic filtering. This approach has been proven to be able to reduce the workload of network devices, with an efficiency of up to 45% (CPU and Memory) on Router devices and around 40% (CPU and Memory) on Server Farms. The results of this study indicate that combining various types of honeypots with the support of iptables firewall filtering-based mitigation automation can improve early detection and strengthen network resilience against attacks from the internet.Seiring meningkatnya kompleksitas jaringan serta tingginya ketergantungan pada perangkat infrastruktur jaringan, serangan siber terhadap sistem yang terhubung langsung ke internet menjadi tantangan utama dalam pengelolaan keamanan infrastruktur. Eksploitasi pada protokol umum layanan publik seperti SSH, Telnet, SMB, dan FTP sering dimanfaatkan oleh aktor siber untuk menyusup ke sistem menggunakan kredensial lemah atau default. Penelitian ini mengusulkan pendekatan proaktif melalui pemanfaatan honeypot sebagai alat pendeteksi serangan dengan mengimplementasikan sistem yang rentan terhadap eksploitasi. Arsitektur pengujian dirancang dalam dua skenario, yaitu farm server pada virtual (vServer) dan perangkat router, yang masing-masing dilengkapi dengan honeypot jenis Cowrie, Dionaea, Honeytrap, Suricata, dan Mailoney. Serangkaian teknik analisis diterapkan, seperti Statistical Traffic Analysis, identifikasi layanan target dan protokol, pemantauan port SSH, deteksi intrusi berbasis jaringan (IDS), serta analisis sampel malware yang berhasil ditangkap. Data log yang dikumpulkan selama dua bulan mencerminkan aktivitas serangan yang cukup tinggi, dengan total catatan sebanyak 2.813.776 entri dari Cowrie, 2.109.900 dari Dionaea, 1.047.814 dari Honeytrap, dan 650.741 dari Suricata. Selain pemantauan serangan, penelitian ini juga mengembangkan mekanisme pertahanan dengan mengintegrasikan pemfilteran otomatis berbasis IPTables. Pendekatan ini terbukti mampu mengurangi beban kerja perangkat jaringan, dengan efisiensi hingga 45% (CPU dan Memory) pada perangkat Router dan sekitar 40% (CPU dan Memory) pada Server Farm. Hasil penelitian ini menunjukkan bahwa penggabungan berbagai jenis honeypot dengan dukungan otomasi mitigasi berbasis filtering firewall iptables mampu meningkatkan deteksi dini dan memperkuat ketahanan jaringan terhadap serangan dari internet.
Abstract
As the complexity of networks increases and the high dependence on network infrastructure devices, cyber attacks on systems directly connected to the internet become a major challenge in managing infrastructure security. Exploits on common public service protocols such as SSH, Telnet, SMB, and FTP are often used by cyber actors to infiltrate systems using weak or default credentials. This study proposes a proactive approach through the use of honeypots as an attack detection tool by implementing a system that is vulnerable to exploitation. The testing architecture is designed in two scenarios, namely a virtual server farm (vServer) and a router device, each equipped with a honeypot type Cowrie, Dionaea, Honeytrap, Suricata, and Mailoney. A series of analysis techniques are applied, such as Statistical Traffic Analysis, identification of target services and protocols, SSH port monitoring, network-based intrusion detection (IDS), and analysis of successfully captured malware samples. The log data collected over two months reflects quite high attack activity, with a total of 2,813,776 entries from Cowrie, 2,109,900 from Dionaea, 1,047,814 from Honeytrap, and 650,741 from Suricata. In addition to monitoring attacks, this study also developed a defense mechanism by integrating IPTables-based automatic filtering. This approach has been proven to be able to reduce the workload of network devices, with an efficiency of up to 45% (CPU and Memory) on Router devices and around 40% (CPU and Memory) on Server Farms. The results of this study indicate that combining various types of honeypots with the support of iptables firewall filtering-based mitigation automation can improve early detection and strengthen network resilience against attacks from the internet
Analisis Potensi Pemanfaatan Non-Fungible Token di Kalangan Mahasiswa: Studi Kualitatif
Get PDFPerkembangan teknologi blockchain telah membuka peluang baru bagi mahasiswa untuk memanfaatkan Non-Fungible Token (NFT) sebagai aset digital yang memiliki potensi besar di bidang seni, teknologi, dan ekonomi. Penelitian ini bertujuan untuk menganalisis potensi pemanfaatan NFT di kalangan mahasiswa, dengan fokus pada pengalaman, motivasi, serta tantangan yang dihadapi dalam menggunakan NFT. Metode penelitian yang digunakan adalah analisis kualitatif konten dengan teknik wawancara kepada 4 responden mahasiswa. Hasil penelitian menunjukkan bahwa mahasiswa tertarik terhadap NFT karena pengaruh tren, komunitas, dan potensi keuntungan finansial. Reputasi kreator, eksklusivitas, dan utilitas tambahan menjadi pendorong utama dalam keputusan pembelian. Namun, risiko keamanan pada dompet digital, fluktuasi harga, serta kurangnya literasi teknologi menjadi tantangan signifikan. Penelitian ini memberikan wawasan tentang bagaimana mahasiswa dapat memanfaatkan NFT untuk mendukung kreativitas dan peluang investasi, serta menyarankan implikasi praktis untuk integrasi topik blockchain dalam kurikulum kampus atau program literasi digital.
Abstract
The development of blockchain technology has opened new opportunities for students to utilize Non-Fungible Tokens (NFTs) as digital assets with significant potential in art, technology, and economics. This study aims to analyze the potential utilization of NFTs among students, focusing on their experiences, motivations, and challenges in using NFTs. The research employs qualitative content analysis with interviews conducted among 4 student respondents. The findings reveal that students are drawn to NFTs due to trends, community influence, and financial profit potential. Creator reputation, exclusivity, and additional utilities are key drivers in purchase decisions. However, challenges such as digital wallet security risks, price fluctuations, and limited technological literacy remain significant barriers. This study provides insights into how students can leverage NFTs to enhance creativity and investment opportunities, with practical implications for integrating blockchain topics into university curricula or digital literacy programs.Perkembangan teknologi blockchain telah membuka peluang baru bagi mahasiswa untuk memanfaatkan Non-Fungible Token (NFT) sebagai aset digital yang memiliki potensi besar di bidang seni, teknologi, dan ekonomi. Penelitian ini bertujuan untuk menganalisis potensi pemanfaatan NFT di kalangan mahasiswa, dengan fokus pada pengalaman, motivasi, serta tantangan yang dihadapi dalam menggunakan NFT. Metode penelitian yang digunakan adalah analisis kualitatif konten dengan teknik wawancara kepada 4 responden mahasiswa. Hasil penelitian menunjukkan bahwa mahasiswa tertarik terhadap NFT karena pengaruh tren, komunitas, dan potensi keuntungan finansial. Reputasi kreator, eksklusivitas, dan utilitas tambahan menjadi pendorong utama dalam keputusan pembelian. Namun, risiko keamanan pada dompet digital, fluktuasi harga, serta kurangnya literasi teknologi menjadi tantangan signifikan. Penelitian ini memberikan wawasan tentang bagaimana mahasiswa dapat memanfaatkan NFT untuk mendukung kreativitas dan peluang investasi, serta menyarankan implikasi praktis untuk integrasi topik blockchain dalam kurikulum kampus atau program literasi digital.
Abstract
The development of blockchain technology has opened new opportunities for students to utilize Non-Fungible Tokens (NFTs) as digital assets with significant potential in art, technology, and economics. This study aims to analyze the potential utilization of NFTs among students, focusing on their experiences, motivations, and challenges in using NFTs. The research employs qualitative content analysis with interviews conducted among 4 student respondents. The findings reveal that students are drawn to NFTs due to trends, community influence, and financial profit potential. Creator reputation, exclusivity, and additional utilities are key drivers in purchase decisions. However, challenges such as digital wallet security risks, price fluctuations, and limited technological literacy remain significant barriers. This study provides insights into how students can leverage NFTs to enhance creativity and investment opportunities, with practical implications for integrating blockchain topics into university curricula or digital literacy programs
Pemodelan Pengaruh E-Learning Pada Performa Akademik Mahasiswa Dengan Technology Acceptance Model Dan Analisis Structural Equation Modelling
Get PDFE-learning telah menjadi alat yang penting dalam pendidikan tinggi, memungkinkan perguruan tinggi untuk menyediakan aksesibilitas dan fleksibilitas dalam pengajaran dan pembelajaran. Salah satu platform e-learning yang populer adalah Moodle yang digunakan oleh banyak universitas di indonesia. Namun, penggunaan Moodle di universitas belum banyak diteliti secara mendalam, terutama dalam konteks pengaruh e-learning terhadap indeks prestasi akademik. Oleh karena itu, penelitian ini bertujuan untuk melakukan pengujian e-learning Moodle di lingkungan Universitas Buddhi Dharma yang berlokasi di Tangerang dengan metode Technology Acceptance Model (TAM) menggunakan lima variabel Perceive Usefulness (PU), Perceive Ease of Use (PEOU), Attention Towards Using (ATU), Behaviour Intention to Use (BITU), dan Actual System Using (ASU) ditambah dengan dua variabel lain yaitu Level of Confidence (LC) dan Academic Performance (AP). Seluruh variabel dianalisis menggunakan Structural Equation Modelling (SEM). Hasilnya menunjukkan bahwa persepsi kemudahan penggunaan (PEOU), dan persepsi kebermanfaatan (PU) memiliki pengaruh positif secara signifikan terhadap sikap (ATT) dan niat perilaku pengguna (BITU) serta aktual penggunaan sistem (ASU) dalam Moodle sebagai platform e-learning dengan nilai t-statistik yang melebihi nilai t-tabel dan p-value. Namun dalam hal ini penerimaan teknologi e-learning yang baik tidak mempengaruhi tingkat kepercayaan diri (LC) dan performa akademik pengguna (AP) secara aktual.
Abstract
E-learning has become an essential tool in higher education, enabling universities to provide accessibility and flexibility in teaching and learning. One of the popular e-learning platforms is Moodle, which many universities in Indonesia use. However, the use of Moodle at universities has yet to be studied in depth, especially in the context of the influence of e-learning on the academic performance index. Therefore, this research aims to test Moodle e-learning in the Buddhi Dharma University environment located in Tangerang using the Technology Acceptance Model (TAM) method using the five variables Perceive Usefulness (PU), Perceive Ease of Use (PEOU), Attention Towards Using (ATU), Behavioral Intention to Use (BITU), and Actual System Using (ASU) plus two other variables, namely Level of Confidence (LC) and Academic Performance (AP). All variables were analyzed using Structural Equation Modeling (SEM). The results show that perceived ease of use (PEOU) and perceived usefulness (PU) have a significant positive influence on attitudes (ATT) and user behavioral intentions (BITU) as well as actual system use (ASU) in Moodle as an e-learning platform with a value of t -statistics that exceed the t-table value and p-value. However, in this case, a good acceptance of e-learning technology does not affect the Confidence Level (LC) and user Academic Performance (AP).E-learning telah menjadi alat yang penting dalam pendidikan tinggi, memungkinkan perguruan tinggi untuk menyediakan aksesibilitas dan fleksibilitas dalam pengajaran dan pembelajaran. Salah satu platform e-learning yang populer adalah Moodle yang digunakan oleh banyak universitas di indonesia. Namun, penggunaan Moodle di universitas belum banyak diteliti secara mendalam, terutama dalam konteks pengaruh e-learning terhadap indeks prestasi akademik. Oleh karena itu, penelitian ini bertujuan untuk melakukan pengujian e-learning Moodle di lingkungan Universitas Buddhi Dharma yang berlokasi di Tangerang dengan metode Technology Acceptance Model (TAM) menggunakan lima variabel Perceive Usefulness (PU), Perceive Ease of Use (PEOU), Attention Towards Using (ATU), Behaviour Intention to Use (BITU), dan Actual System Using (ASU) ditambah dengan dua variabel lain yaitu Level of Confidence (LC) dan Academic Performance (AP). Seluruh variabel dianalisis menggunakan Structural Equation Modelling (SEM). Hasilnya menunjukkan bahwa persepsi kemudahan penggunaan (PEOU), dan persepsi kebermanfaatan (PU) memiliki pengaruh positif secara signifikan terhadap sikap (ATT) dan niat perilaku pengguna (BITU) serta aktual penggunaan sistem (ASU) dalam Moodle sebagai platform e-learning dengan nilai t-statistik yang melebihi nilai t-tabel dan p-value. Namun dalam hal ini penerimaan teknologi e-learning yang baik tidak mempengaruhi tingkat kepercayaan diri (LC) dan performa akademik pengguna (AP) secara aktual.
Abstract
E-learning has become an essential tool in higher education, enabling universities to provide accessibility and flexibility in teaching and learning. One of the popular e-learning platforms is Moodle, which many universities in Indonesia use. However, the use of Moodle at universities has yet to be studied in depth, especially in the context of the influence of e-learning on the academic performance index. Therefore, this research aims to test Moodle e-learning in the Buddhi Dharma University environment located in Tangerang using the Technology Acceptance Model (TAM) method using the five variables Perceive Usefulness (PU), Perceive Ease of Use (PEOU), Attention Towards Using (ATU), Behavioral Intention to Use (BITU), and Actual System Using (ASU) plus two other variables, namely Level of Confidence (LC) and Academic Performance (AP). All variables were analyzed using Structural Equation Modeling (SEM). The results show that perceived ease of use (PEOU) and perceived usefulness (PU) have a significant positive influence on attitudes (ATT) and user behavioral intentions (BITU) as well as actual system use (ASU) in Moodle as an e-learning platform with a value of t -statistics that exceed the t-table value and p-value. However, in this case, a good acceptance of e-learning technology does not affect the Confidence Level (LC) and user Academic Performance (AP)
Perbandingan Performa Arimax-Garch Dan Lstm Pada Data Harga Penutupan Saham PT Aneka Tambang Tbk (ANTM.JK)
Get PDFBanyaknya data deret waktu dengan pola nonlinear dan memiliki volatilitas tinggi pada berbagai sektor membuat sulit untuk melakukan pemodelan klasik seperti Autoregressive Integrated Moving Average (ARIMA). Permasalahan ini dapat diatasi salah satunya dengan mengembangkan metode Autoregressive Integrated Moving Average with Exogenous- Generalized Autoregressive Conditional Heteroskedasticity (ARIMAX-GARCH) yang memanfaatkan kovariat eksternal, sehingga memberikan solusi lebih baik pada data yang tidak stasioner. Di sisi lain, metode deep learning seperti Long Short-Term Memory (LSTM) unggul dalam menangkap pola non-linear dan dependensi jangka panjang. Oleh karena itu, penelitian ini membandingkan performa ARIMAX-GARCH dan LSTM dalam memprediksi harga saham PT Aneka Tambang Tbk (ANTM.JK). Data mingguan penutupan harga saham ANTM.JK periode 1 Januari 2018 hingga 30 Oktober 2023 digunakan dalam penelitian ini. Pemodelan ARIMAX-GARCH dengan peubah kovariat berupa data harga nikel berjangka dunia digunakan karena terdapat pengaruh signifikan harga nikel terhadap harga penutupan saham ANTM.JK dan terdeteksi adanya heteroskedastisitas dalam model. Metode berbasis machine learning, LSTM digunakan karena metode ini dikenal memiliki akurasi prediksi yang baik. Pengolahan data dilakukan menggunakan bantuan software R-Studio dan Python. Hasil penelitian menunjukkan LSTM memiliki performa yang lebih baik dengan nilai MAPE sebesar 4,425%, nilai ini lebih kecil jika dibandingkan model terbaik ARIMAX(2,1,2)-GARCH(1,1) dengan MAPE 7,326%.
Abstract
The large number of time series data with nonlinear patterns and high volatility in various sectors makes it difficult to perform classical modeling such as Autoregressive Integrated Moving Average (ARIMA). This problem can be overcome by developing the ARIMA with Exogenous- Generalized Autoregressive Conditional Heteroskedasticity (ARIMAX-GARCH) that utilizes external covariates, thus providing a better solution to non-stationary data. On the other hand, deep learning methods such as Long Short-Term Memory (LSTM) excel in capturing non-linear patterns and long-term dependencies. Therefore, this study compares the performance of ARIMAX-GARCH and LSTM in predicting the stock price of PT Aneka Tambang Tbk (ANTM.JK). Weekly closing data of ANTM.JK stock price from January 1, 2018 to October 30, 2023 are used in this study. ARIMAX-GARCH modeling with covariate variables in the form of world nickel futures price data is used because there is a significant effect of nickel prices on the closing price of ANTM.JK shares and heteroscedasticity is detected in the model. Machine learning-based method, LSTM is used because this method is known to have good prediction accuracy. Data processing is done using R-Studio and Python software. The results show that LSTM has better performance with a MAPE value of 4.425%, this value is smaller than the best model ARIMAX(2,1,2)-GARCH(1,1) with a MAPE of 7.326%.Banyaknya data deret waktu dengan pola nonlinear dan memiliki volatilitas tinggi pada berbagai sektor membuat sulit untuk melakukan pemodelan klasik seperti Autoregressive Integrated Moving Average (ARIMA). Permasalahan ini dapat diatasi salah satunya dengan mengembangkan metode Autoregressive Integrated Moving Average with Exogenous- Generalized Autoregressive Conditional Heteroskedasticity (ARIMAX-GARCH) yang memanfaatkan kovariat eksternal, sehingga memberikan solusi lebih baik pada data yang tidak stasioner. Di sisi lain, metode deep learning seperti Long Short-Term Memory (LSTM) unggul dalam menangkap pola non-linear dan dependensi jangka panjang. Oleh karena itu, penelitian ini membandingkan performa ARIMAX-GARCH dan LSTM dalam memprediksi harga saham PT Aneka Tambang Tbk (ANTM.JK). Data mingguan penutupan harga saham ANTM.JK periode 1 Januari 2018 hingga 30 Oktober 2023 digunakan dalam penelitian ini. Pemodelan ARIMAX-GARCH dengan peubah kovariat berupa data harga nikel berjangka dunia digunakan karena terdapat pengaruh signifikan harga nikel terhadap harga penutupan saham ANTM.JK dan terdeteksi adanya heteroskedastisitas dalam model. Metode berbasis machine learning, LSTM digunakan karena metode ini dikenal memiliki akurasi prediksi yang baik. Pengolahan data dilakukan menggunakan bantuan software R-Studio dan Python. Hasil penelitian menunjukkan LSTM memiliki performa yang lebih baik dengan nilai MAPE sebesar 4,425%, nilai ini lebih kecil jika dibandingkan model terbaik ARIMAX(2,1,2)-GARCH(1,1) dengan MAPE 7,326%.
Abstract
The large number of time series data with nonlinear patterns and high volatility in various sectors makes it difficult to perform classical modeling such as Autoregressive Integrated Moving Average (ARIMA). This problem can be overcome by developing the ARIMA with Exogenous- Generalized Autoregressive Conditional Heteroskedasticity (ARIMAX-GARCH) that utilizes external covariates, thus providing a better solution to non-stationary data. On the other hand, deep learning methods such as Long Short-Term Memory (LSTM) excel in capturing non-linear patterns and long-term dependencies. Therefore, this study compares the performance of ARIMAX-GARCH and LSTM in predicting the stock price of PT Aneka Tambang Tbk (ANTM.JK). Weekly closing data of ANTM.JK stock price from January 1, 2018 to October 30, 2023 are used in this study. ARIMAX-GARCH modeling with covariate variables in the form of world nickel futures price data is used because there is a significant effect of nickel prices on the closing price of ANTM.JK shares and heteroscedasticity is detected in the model. Machine learning-based method, LSTM is used because this method is known to have good prediction accuracy. Data processing is done using R-Studio and Python software. The results show that LSTM has better performance with a MAPE value of 4.425%, this value is smaller than the best model ARIMAX(2,1,2)-GARCH(1,1) with a MAPE of 7.326%
Perbandingan Algoritma Stemming Porter, Sastrawi, Idris, Dan Arifin & Setiono Pada Dokumen Teks Bahasa Indonesia
Get PDFInformation Retrieval (IR) memiliki fungsi untuk memisahkan dokumen-dokumen yang relevan dari sekumpulan dokumen yang ada. Terdapat sebuah proses penting pada IR, yaitu stemming. Stemming adalah proses untuk mengurangi kata-kata berimbuhan menjadi bentuk kata dasar. Pada beberapa penelitian sering menggunakan stemming yang berbeda-beda, bahkan ada penelitian yang telah mencoba membandingkan dua algoritma stemming. Sedangkan pada penelitian ini membandingkan empat algoritma stemming. Tujuan penelitian ini adalah untuk mengungkapkan pengaruh stemming pada IR menggunakan dokumen bahasa Indonesia. Algoritma stemming yang digunakan pada penelitian ini adalah Porter, Sastrawi, Idris, dan Arifin Setiono. Kinerja masing-masing algoritma stemming diukur berdasarkan nilai presisi dan kebutuhan waktu. Terdapat 120 dokumen berbahasa Indonesia yang digunakan untuk mengukur kinerja masing-masing algoritma. Berdasarkan hasil eksperimen diperoleh bahwa kinerja terbaik untuk presisi adalah stemming Sastrawi. Sedangkan kinerja terbaik dari segi kebutuhan waktu adalah stemming Arifin Setiono. Kinerja presisi masing-masing stemming Sastrawi, Arifin Setiono, Porter, dan Idris adalah 70.3%, 55.8%, 49.9%, dan 32.2%. Sedangkan kinerja kebutuhan waktu rata-rata masing-masing stemming Arifin Setiono, Sastrawi, Idris, dan Porter adalah sebesar 0,123 detik, 160.1 detik, 168.8 detik, dan 188.4 detik.
Abstract
Information Retrieval (IR) has the function of separating relevant documents from a set of existing documents. An important process in IR is stemming. Stemming is the process of reducing affixed words into basic word forms. In several studies, different stemming is often used, and even studies have tried to compare two stemming algorithms. In this study, four stemming algorithms were compared. The purpose of this study was to reveal the effect of stemming on IR using Indonesian language documents. The stemming algorithms used in this study were Porter, Sastrawi, Idris, and Arifin Setiono. The performance of each stemming algorithm was measured based on the accuracy value and time requirements. There were 120 Indonesian language documents used to measure the performance of each algorithm. Based on the experimental results, it was obtained that the best performance for precision was the Sastrawi stemming. While the best performance in terms of time requirements was the Arifin Setiono stemming. The precision performance of each stemming of Sastrawi, Arifin Setiono, Porter, and Idris is 70.3%, 55.8%, 49.9%, and 32.2%. Meanwhile, the average time requirement performance of each stemming of Arifin Setiono, Sastrawi, Idris, and Porter is 0.123 sec, 160.1 sec, 168.8 sec, and 188.4 sec.Information Retrieval (IR) memiliki fungsi untuk memisahkan dokumen-dokumen yang relevan dari sekumpulan dokumen yang ada. Terdapat sebuah proses penting pada IR, yaitu stemming. Stemming adalah proses untuk mengurangi kata-kata berimbuhan menjadi bentuk kata dasar. Pada beberapa penelitian sering menggunakan stemming yang berbeda-beda, bahkan ada penelitian yang telah mencoba membandingkan dua algoritma stemming. Sedangkan pada penelitian ini membandingkan empat algoritma stemming. Tujuan penelitian ini adalah untuk mengungkapkan pengaruh stemming pada IR menggunakan dokumen bahasa Indonesia. Algoritma stemming yang digunakan pada penelitian ini adalah Porter, Sastrawi, Idris, dan Arifin Setiono. Kinerja masing-masing algoritma stemming diukur berdasarkan nilai presisi dan kebutuhan waktu. Terdapat 120 dokumen berbahasa Indonesia yang digunakan untuk mengukur kinerja masing-masing algoritma. Berdasarkan hasil eksperimen diperoleh bahwa kinerja terbaik untuk presisi adalah stemming Sastrawi. Sedangkan kinerja terbaik dari segi kebutuhan waktu adalah stemming Arifin Setiono. Kinerja presisi masing-masing stemming Sastrawi, Arifin Setiono, Porter, dan Idris adalah 70.3%, 55.8%, 49.9%, dan 32.2%. Sedangkan kinerja kebutuhan waktu rata-rata masing-masing stemming Arifin Setiono, Sastrawi, Idris, dan Porter adalah sebesar 0,123 detik, 160.1 detik, 168.8 detik, dan 188.4 detik.
Abstract
Information Retrieval (IR) has the function of separating relevant documents from a set of existing documents. An important process in IR is stemming. Stemming is the process of reducing affixed words into basic word forms. In several studies, different stemming is often used, and even studies have tried to compare two stemming algorithms. In this study, four stemming algorithms were compared. The purpose of this study was to reveal the effect of stemming on IR using Indonesian language documents. The stemming algorithms used in this study were Porter, Sastrawi, Idris, and Arifin Setiono. The performance of each stemming algorithm was measured based on the accuracy value and time requirements. There were 120 Indonesian language documents used to measure the performance of each algorithm. Based on the experimental results, it was obtained that the best performance for precision was the Sastrawi stemming. While the best performance in terms of time requirements was the Arifin Setiono stemming. The precision performance of each stemming of Sastrawi, Arifin Setiono, Porter, and Idris is 70.3%, 55.8%, 49.9%, and 32.2%. Meanwhile, the average time requirement performance of each stemming of Arifin Setiono, Sastrawi, Idris, and Porter is 0.123 sec, 160.1 sec, 168.8 sec, and 188.4 sec
Analisis Perbandingan Teknik Word2vec dan Doc2vec dalam Mengukur Kemiripan Dokumen Menggunakan Cosine Similarity
Get PDFTempatkan Era digital memudahkan akses dokumen online dalam jumlah besar menjadi lebih mudah dan cepat, namun juga menimbulkan tantangan kompleks dalam pengelolaan dan analisis informasi. Salah satu tantangan utama adalah mengukur kemiripan antar dokumen, yang penting untuk berbagai aplikasi seperti deteksi plagiarisme. Menanggapi tantangan ini, banyak teknik yang dapat digunakan dalam merepresentasikan dokumen menjadi vektor untuk mengukur kemiripan dokumen. Dalam penelitian ini teknik Word2vec dan Doc2vec digunakan untuk merepresentasikan dokumen menjadi vektor, dan dalam mengukur kemiripan dokumen menggunakan metode Cosine Similarity. Objek penelitian dilakukan pada paragraf abstrak dari 20 jurnal ilmiah dengan tema data mining yang diterbitkan antara tahun 2020 hingga 2024 dari E-Journal Universitas Gunadarma. Metodologi penelitian meliputi pengumpulan data, text mining, pra-pemrosesan teks, implementasi teknik Word2vec dan Doc2vec, serta pengukuran Cosine Similarity. Hasil penelitian menunjukkan bahwa teknik Word2vec menghasilkan nilai Cosine Similarity yang lebih tinggi dibandingkan dengan Doc2vec untuk pasangan jurnal yang sama, dapat dilihat pada pasangan jurnal J02 dengan J14 memiliki nilai Cosine Similarity 0.892 pada teknik Word2vec, sedangkan pada Doc2vec nilainya 0.434. Hal ini menandakan bahwa hasil teknik Word2vec terbukti lebih efektif dalam menangkap kemiripan semantik antara jurnal-jurnal dibandingkan dengan teknik Doc2vec.
Abstract
The digital era has made access to many online documents easier and faster, but it has also created complex challenges in information management and analysis. One of the main challenges is measuring the similarity between documents, which is crucial for various applications such as plagiarism detection. In response to this challenge, many techniques can be used to represent documents as vectors to measure document similarity. In this research, Word2vec and Doc2vec techniques are used to represent documents as vectors, and Cosine Similarity is used to measure document similarity. The research objects are abstract paragraphs from 20 scientific journals on data mining published between 2020 and 2024 from Gunadarma University\u27s E-Journal. The research methodology includes data collection, text mining, text pre-processing, Word2vec and Doc2vec techniques implementations, and Cosine Similarity measurement. The results show that the Word2vec technique produces higher Cosine Similarity values compared to Doc2vec for the same journal pairs, as seen in the journal pair J02 and J14 having a Cosine Similarity value of 0.892 using the Word2vec technique, while with Doc2vec the value is 0.434. This indicates that the Word2vec technique proves to be more effective in capturing semantic similarities between journals compared to the Doc2vec technique.Tempatkan Era digital memudahkan akses dokumen online dalam jumlah besar menjadi lebih mudah dan cepat, namun juga menimbulkan tantangan kompleks dalam pengelolaan dan analisis informasi. Salah satu tantangan utama adalah mengukur kemiripan antar dokumen, yang penting untuk berbagai aplikasi seperti deteksi plagiarisme. Menanggapi tantangan ini, banyak teknik yang dapat digunakan dalam merepresentasikan dokumen menjadi vektor untuk mengukur kemiripan dokumen. Dalam penelitian ini teknik Word2vec dan Doc2vec digunakan untuk merepresentasikan dokumen menjadi vektor, dan dalam mengukur kemiripan dokumen menggunakan metode Cosine Similarity. Objek penelitian dilakukan pada paragraf abstrak dari 20 jurnal ilmiah dengan tema data mining yang diterbitkan antara tahun 2020 hingga 2024 dari E-Journal Universitas Gunadarma. Metodologi penelitian meliputi pengumpulan data, text mining, pra-pemrosesan teks, implementasi teknik Word2vec dan Doc2vec, serta pengukuran Cosine Similarity. Hasil penelitian menunjukkan bahwa teknik Word2vec menghasilkan nilai Cosine Similarity yang lebih tinggi dibandingkan dengan Doc2vec untuk pasangan jurnal yang sama, dapat dilihat pada pasangan jurnal J02 dengan J14 memiliki nilai Cosine Similarity 0.892 pada teknik Word2vec, sedangkan pada Doc2vec nilainya 0.434. Hal ini menandakan bahwa hasil teknik Word2vec terbukti lebih efektif dalam menangkap kemiripan semantik antara jurnal-jurnal dibandingkan dengan teknik Doc2vec.
Abstract
The digital era has made access to many online documents easier and faster, but it has also created complex challenges in information management and analysis. One of the main challenges is measuring the similarity between documents, which is crucial for various applications such as plagiarism detection. In response to this challenge, many techniques can be used to represent documents as vectors to measure document similarity. In this research, Word2vec and Doc2vec techniques are used to represent documents as vectors, and Cosine Similarity is used to measure document similarity. The research objects are abstract paragraphs from 20 scientific journals on data mining published between 2020 and 2024 from Gunadarma University\u27s E-Journal. The research methodology includes data collection, text mining, text pre-processing, Word2vec and Doc2vec techniques implementations, and Cosine Similarity measurement. The results show that the Word2vec technique produces higher Cosine Similarity values compared to Doc2vec for the same journal pairs, as seen in the journal pair J02 and J14 having a Cosine Similarity value of 0.892 using the Word2vec technique, while with Doc2vec the value is 0.434. This indicates that the Word2vec technique proves to be more effective in capturing semantic similarities between journals compared to the Doc2vec technique
Sistem Pendukung Keputusan untuk Pemilihan Pupuk Padi Berbasis AHP dan Pembobotan ROC Dengan Pengujian User Validation
Get PDFPenelitian ini berawal dari tantangan yang dihadapi petani dalam memilih pupuk yang tepat di tengah banyaknya pilihan yang tersedia, termasuk pupuk subsidi yang sering kali menjadi pilihan utama. Pupuk subsidi, meskipun lebih terjangkau, sering kali tidak selalu sesuai dengan kebutuhan spesifik tanaman padi dan kondisi tanah. Ketidakakuratan dalam pemilihan pupuk dapat mempengaruhi hasil panen dan keuntungan. Urgensi penelitian ini terletak pada kebutuhan untuk menyediakan alat bantu yang dapat menyederhanakan proses pengambilan keputusan dengan mempertimbangkan berbagai jenis pupuk, termasuk subsidi, dan kriteria lain yang relevan. Penelitian ini mengembangkan Sistem Pendukung Keputusan (SPK) berbasis Analytic Hierarchy Process (AHP) dan Rank Order Centroid (ROC) dengan pengujian validasi pengguna, khususnya dalam pemilihan pupuk padi, termasuk pupuk subsidi, di UD. Binti Mitun Tani, Kediri. Tujuan penelitian ini adalah merancang dan mengimplementasikan SPK yang mengintegrasikan metode AHP dan ROC untuk memberikan rekomendasi pemilihan pupuk yang optimal, baik dari jenis pupuk subsidi berdasarkan kondisi spesifik UD. Binti Mitun Tani. Kontribusi penelitian ini mencakup pengembangan metode yang inovatif dalam mengabungkan dua metode AHP-ROC dan teknik evaluasi dimana penerapan sistem yang diuji secara langsung dengan melibatkan pengguna akhir, yang diharapkan dapat meningkatkan akurasi keputusan, efisiensi pemilihan pupuk, dan mendukung pengelolaan usaha tani padi yang lebih efektif dan menguntungkan. Hasil penelitian ini menunjukkan bahwa SPK berbasis AHP dan ROC berhasil meningkatkan akurasi pemilihan pupuk di UD. Binti Mitun Tani, dengan pupuk Urea menjadi salah satu rekomendasi utama. Sistem ini juga membantu petani dalam mempertimbangkan faktor biaya dan kecocokan pupuk dengan kondisi tanah, sehingga meningkatkan efisiensi pengelolaan pertanian padi. Hasil pengujian menunjukkan mayoritas responden setuju dengan bobot kriteria dan relevansi alternatif pupuk. Pupuk Urea dinilai sesuai dengan kebutuhan dan mendukung tujuan bisnis.
Abstract
This research began with the challenge faced by farmers in selecting the right fertilizer from many available options, including subsidized fertilizers that are often the primary choice. While subsidized fertilizers are more affordable, they are not always suitable for the specific needs of rice plants and soil conditions. Inaccurate fertilizer selection can affect crop yield and profitability. The urgency of this research lies in the need to provide a decision support tool that simplifies the decision-making process by considering various types of fertilizers, including subsidies, and other relevant criteria. This research develops a Decision Support System (DSS) based on Analytic Hierarchy Process (AHP) and Rank Order Centroid (ROC) with user validation testing, specifically for selecting rice fertilizers, including subsidized ones, at UD. Binti Mitun Tani, Kediri. The goal of the research is to design and implement a DSS integrating AHP and ROC methods to provide optimal fertilizer recommendations based on the specific conditions of UD. Binti Mitun Tani. The research contributes by developing an innovative method combining AHP-ROC and evaluation techniques, involving end users directly in testing the system, with the aim of improving decision accuracy, fertilizer selection efficiency, and supporting more effective and profitable rice farming management. The results show that the AHP and ROC-based DSS successfully improved fertilizer selection accuracy at UD. Binti Mitun Tani, with Urea being one of the main recommendations. The system also helps farmers consider cost factors and the suitability of fertilizers for soil conditions, thereby enhancing the efficiency of rice farming management. Testing results indicate that most respondents agree with the weight of criteria and the relevance of fertilizer alternatives. Urea was assessed as suitable for their needs and supports business goals.Penelitian ini berawal dari tantangan yang dihadapi petani dalam memilih pupuk yang tepat di tengah banyaknya pilihan yang tersedia, termasuk pupuk subsidi yang sering kali menjadi pilihan utama. Pupuk subsidi, meskipun lebih terjangkau, sering kali tidak selalu sesuai dengan kebutuhan spesifik tanaman padi dan kondisi tanah. Ketidakakuratan dalam pemilihan pupuk dapat mempengaruhi hasil panen dan keuntungan. Urgensi penelitian ini terletak pada kebutuhan untuk menyediakan alat bantu yang dapat menyederhanakan proses pengambilan keputusan dengan mempertimbangkan berbagai jenis pupuk, termasuk subsidi, dan kriteria lain yang relevan. Penelitian ini mengembangkan Sistem Pendukung Keputusan (SPK) berbasis Analytic Hierarchy Process (AHP) dan Rank Order Centroid (ROC) dengan pengujian validasi pengguna, khususnya dalam pemilihan pupuk padi, termasuk pupuk subsidi, di UD. Binti Mitun Tani, Kediri. Tujuan penelitian ini adalah merancang dan mengimplementasikan SPK yang mengintegrasikan metode AHP dan ROC untuk memberikan rekomendasi pemilihan pupuk yang optimal, baik dari jenis pupuk subsidi berdasarkan kondisi spesifik UD. Binti Mitun Tani. Kontribusi penelitian ini mencakup pengembangan metode yang inovatif dalam mengabungkan dua metode AHP-ROC dan teknik evaluasi dimana penerapan sistem yang diuji secara langsung dengan melibatkan pengguna akhir, yang diharapkan dapat meningkatkan akurasi keputusan, efisiensi pemilihan pupuk, dan mendukung pengelolaan usaha tani padi yang lebih efektif dan menguntungkan. Hasil penelitian ini menunjukkan bahwa SPK berbasis AHP dan ROC berhasil meningkatkan akurasi pemilihan pupuk di UD. Binti Mitun Tani, dengan pupuk Urea menjadi salah satu rekomendasi utama. Sistem ini juga membantu petani dalam mempertimbangkan faktor biaya dan kecocokan pupuk dengan kondisi tanah, sehingga meningkatkan efisiensi pengelolaan pertanian padi. Hasil pengujian menunjukkan mayoritas responden setuju dengan bobot kriteria dan relevansi alternatif pupuk. Pupuk Urea dinilai sesuai dengan kebutuhan dan mendukung tujuan bisnis.
Abstract
This research began with the challenge faced by farmers in selecting the right fertilizer from many available options, including subsidized fertilizers that are often the primary choice. While subsidized fertilizers are more affordable, they are not always suitable for the specific needs of rice plants and soil conditions. Inaccurate fertilizer selection can affect crop yield and profitability. The urgency of this research lies in the need to provide a decision support tool that simplifies the decision-making process by considering various types of fertilizers, including subsidies, and other relevant criteria. This research develops a Decision Support System (DSS) based on Analytic Hierarchy Process (AHP) and Rank Order Centroid (ROC) with user validation testing, specifically for selecting rice fertilizers, including subsidized ones, at UD. Binti Mitun Tani, Kediri. The goal of the research is to design and implement a DSS integrating AHP and ROC methods to provide optimal fertilizer recommendations based on the specific conditions of UD. Binti Mitun Tani. The research contributes by developing an innovative method combining AHP-ROC and evaluation techniques, involving end users directly in testing the system, with the aim of improving decision accuracy, fertilizer selection efficiency, and supporting more effective and profitable rice farming management. The results show that the AHP and ROC-based DSS successfully improved fertilizer selection accuracy at UD. Binti Mitun Tani, with Urea being one of the main recommendations. The system also helps farmers consider cost factors and the suitability of fertilizers for soil conditions, thereby enhancing the efficiency of rice farming management. Testing results indicate that most respondents agree with the weight of criteria and the relevance of fertilizer alternatives. Urea was assessed as suitable for their needs and supports business goals
Identifikasi Pola Tingkat Kesenjangan Ketuntasan Pendidikan Di Indonesia Dengan Menggunakan Metode K-Medoids Clustering
Get PDFPendidikan memiliki peran penting dalam pembangunan sosial dan ekonomi, namun masih ada kesenjangan ketuntasan pendidikan antar provinsi di Indonesia. Kesenjangan ini disebabkan oleh perbedaan akses fasilitas, kualitas pengajaran, dan kondisi ekonomi, yang mempengaruhi tingkat ketuntasan pendidikan. Penelitian ini menggunakan metode K-Medoids Clustering untuk mengelompokkan wilayah di Indonesia berdasarkan data ketuntasan pendidikan dari Badan Pusat Statistik Indonesia (BPS) 2018-2023 untuk sebagai pusat Cluster (medoids), dan dipilih karena keunggulannya dalam mengelompokkan data berdasarkan median, yang pada gilirannya membuatnya lebih tahan terhadap pengaruh data outlier. Temuan utama penelitian ini menunjukkan kesenjangan pendidikan tinggi yaitu berada di wilayah Indonesia bagian tengah dan timur yaitu seperti provinsi Nusa Tenggara Timur (NTT) dan provinsi Papua, menjadi refleksi nyata dari keterbatasan akses dan fasilitas pendidikan di wilayah tersebut. Rendahnya tingkat ketuntasan pendidikan pada jenjang SD, SMP, dan SMA turut berdampak pada minimnya angka partisipasi di pendidikan tinggi dan disparitas signifikan dalam ketuntasan pendidikan dengan kondisi seperti ini mencerminkan perlunya kebijakan berbasis data, peningkatan infrastruktur pendidikan, serta program dukungan untuk siswa dan guru guna memperbaiki kesenjangan pendidikan. Wilayah Indonesia bagian barat dengan ketuntasan pendidikan lebih tinggi, seperti Jawa, Sumatra, dan Bali, diharapkan dapat berbagi praktik terbaik untuk mendukung wilayah yang tertinggal.
Abstract
Education plays a crucial role in social and economic development; however, there are still significant disparities in educational completion rates across provinces in Indonesia. These disparities are caused by differences in access to facilities, teaching quality, and economic conditions, which affect educational outcomes. This study uses the K-Medoids Clustering method to group regions in Indonesia based on educational attainment data from Statistics Indonesia (BPS) 2018-2023, using this data as the cluster centers (medoids). This method was chosen for its effectiveness in clustering data based on the median, making it more resilient to the influence of outlier data. The main findings of this study reveal significant educational disparities in central and eastern Indonesia, such as in East Nusa Tenggara (NTT) and Papua provinces, reflecting the limited access to and availability of educational facilities in these regions. Low completion rates at the elementary, junior high, and high school levels also affect participation in higher education and significant disparities in educational attainment. This underscores the need for data-driven policies, improved educational infrastructure, and support programs for students and teachers to address educational inequalities. Western regions of Indonesia with higher educational attainment, such as Java, Sumatra, and Bali, are expected to share best practices to support underdeveloped regions.Pendidikan memiliki peran penting dalam pembangunan sosial dan ekonomi, namun masih ada kesenjangan ketuntasan pendidikan antar provinsi di Indonesia. Kesenjangan ini disebabkan oleh perbedaan akses fasilitas, kualitas pengajaran, dan kondisi ekonomi, yang mempengaruhi tingkat ketuntasan pendidikan. Penelitian ini menggunakan metode K-Medoids Clustering untuk mengelompokkan wilayah di Indonesia berdasarkan data ketuntasan pendidikan dari Badan Pusat Statistik Indonesia (BPS) 2018-2023 untuk sebagai pusat Cluster (medoids), dan dipilih karena keunggulannya dalam mengelompokkan data berdasarkan median, yang pada gilirannya membuatnya lebih tahan terhadap pengaruh data outlier. Temuan utama penelitian ini menunjukkan kesenjangan pendidikan tinggi yaitu berada di wilayah Indonesia bagian tengah dan timur yaitu seperti provinsi Nusa Tenggara Timur (NTT) dan provinsi Papua, menjadi refleksi nyata dari keterbatasan akses dan fasilitas pendidikan di wilayah tersebut. Rendahnya tingkat ketuntasan pendidikan pada jenjang SD, SMP, dan SMA turut berdampak pada minimnya angka partisipasi di pendidikan tinggi dan disparitas signifikan dalam ketuntasan pendidikan dengan kondisi seperti ini mencerminkan perlunya kebijakan berbasis data, peningkatan infrastruktur pendidikan, serta program dukungan untuk siswa dan guru guna memperbaiki kesenjangan pendidikan. Wilayah Indonesia bagian barat dengan ketuntasan pendidikan lebih tinggi, seperti Jawa, Sumatra, dan Bali, diharapkan dapat berbagi praktik terbaik untuk mendukung wilayah yang tertinggal.
Abstract
Education plays a crucial role in social and economic development; however, there are still significant disparities in educational completion rates across provinces in Indonesia. These disparities are caused by differences in access to facilities, teaching quality, and economic conditions, which affect educational outcomes. This study uses the K-Medoids Clustering method to group regions in Indonesia based on educational attainment data from Statistics Indonesia (BPS) 2018-2023, using this data as the cluster centers (medoids). This method was chosen for its effectiveness in clustering data based on the median, making it more resilient to the influence of outlier data. The main findings of this study reveal significant educational disparities in central and eastern Indonesia, such as in East Nusa Tenggara (NTT) and Papua provinces, reflecting the limited access to and availability of educational facilities in these regions. Low completion rates at the elementary, junior high, and high school levels also affect participation in higher education and significant disparities in educational attainment. This underscores the need for data-driven policies, improved educational infrastructure, and support programs for students and teachers to address educational inequalities. Western regions of Indonesia with higher educational attainment, such as Java, Sumatra, and Bali, are expected to share best practices to support underdeveloped regions
Penerapan Teori Meaningful Learning Pada Pengembangan Media Pembelajaran Kit-Build Concept Map Berbasis Knowledge Reconstruction Dengan Sistem Evaluasi dan Feedback Otomatis
Get PDFPenelitian ini mengusulkan penerapan atas teori knowledge reconstruction dan teori meaningful learning Ausubel pada kerangka pembelajaran yang menggunakan peta konsep digital Kit-Build concept map. Melalui penerapan kerangka pembelajaran yang diusulkan, siswa mengidentifikasi sumber-sumber pengetahuan untuk disusun dengan menghubungkan pengetahuan dan pengalaman yang telah dimiliki sebelumnya dan mengintegrasikan pengetahuan baru yang telah disusun ke dalam pemahaman kognitif mereka dengan menggunakan media pembelajaran peta konsep digital Kit-Build. Penelitian ini juga mengusulkan penerapan sebuah mekanisme feed-back otomatis yang dapat diberikan ketika peta konsep Kit-Build direkonstruksi pebelajar. Mekanisme feedback otomatis yang diberikan kepada siswa didasarkan atas permasalahan sulitnya memberikan masukan pada siswa saat rekonstruksi peta konsep Kit-Build dilakukan serta kesulitan siswa dalam memahami banyaknya pengetahuan baru yang terkandung dalam sebuah peta konsep. Fenomena information overload dapat terjadi saat siswa merekonstruksi peta konsep yang berukuran besar sebagai akibat dari banyaknya komponen Kit-Build dalam sebuah peta konsep yang perlu direkonstruksi. Pendekatan pembelajaran yang diusulkan dalam penelitian ini diuji dalam sebuah eksperimen dalam aktivitas belajar yang menggunakan media pembelajaran peta konsep Kit-Build, di mana rekonstruksi peta konsep dilakukan secara bertahap sebagai bentuk penerapan teori meaningful learning Ausubel. Pengaruh penerapan teori terhadap pemahaman siswa serta efisiensi proses belajar siswa melalui rekonstruksi peta konsep digital Kit-Build diinvestigasi dalam penelitian ini. Hasil analisis memperlihatkan bahwa teori meaningful learning yang diterapkan dalam proses pembelajaran menggunakan peta konsep Kit-Bulid secara efektif mampu meningkatkan pemahaman siswa serta mampu meningkatkan efisiensi aktivitas pembelajaran dengan kerangka pembelajaran yang dilakukan.
Abstract
This research proposes the application of knowledge reconstruction theory and Ausubel\u27s meaningful learning theory within a learning framework that utilizes the Kit-Build concept map. Under the proposed learning framework, students identify knowledge sources to be organized by linking their prior knowledge and experiences, and integrating the newly organized knowledge into their cognitive understanding using the Kit-Build concept map. This research also implements an automated feedback system during learner’s concept map reconstruction. The automatic feedback mechanism provided to students due to the difficulty of providing input to students during the concept map reconstruction and the difficulty of understanding the learning material when information overload occurs. Information overload may occur when students reconstruct large concept maps where numerous Kit-Build concept map components have to be reconstructed manually. The learning method proposed in this research is evaluated in an experiment involving the Kit-Build concept map framework, where concept map reconstruction is carried out in stages as a form of applying Ausubel’s meaningful learning theory. The effect of applying such theory on students\u27 understanding as well as the efficiency of students\u27 learning process through concept map reconstruction was investigated in this study. The analysis results suggested that applying meaningful learning theory in the learning process using Kit-Bulid concept map could effectively improve students\u27 understanding and also improve the efficiency of learning activities with Kit-Build concept map framework.Penelitian ini mengusulkan penerapan atas teori knowledge reconstruction dan teori meaningful learning Ausubel pada kerangka pembelajaran yang menggunakan peta konsep digital Kit-Build concept map. Melalui penerapan kerangka pembelajaran yang diusulkan, siswa mengidentifikasi sumber-sumber pengetahuan untuk disusun dengan menghubungkan pengetahuan dan pengalaman yang telah dimiliki sebelumnya dan mengintegrasikan pengetahuan baru yang telah disusun ke dalam pemahaman kognitif mereka dengan menggunakan media pembelajaran peta konsep digital Kit-Build. Penelitian ini juga mengusulkan penerapan sebuah mekanisme feed-back otomatis yang dapat diberikan ketika peta konsep Kit-Build direkonstruksi pebelajar. Mekanisme feedback otomatis yang diberikan kepada siswa didasarkan atas permasalahan sulitnya memberikan masukan pada siswa saat rekonstruksi peta konsep Kit-Build dilakukan serta kesulitan siswa dalam memahami banyaknya pengetahuan baru yang terkandung dalam sebuah peta konsep. Fenomena information overload dapat terjadi saat siswa merekonstruksi peta konsep yang berukuran besar sebagai akibat dari banyaknya komponen Kit-Build dalam sebuah peta konsep yang perlu direkonstruksi. Pendekatan pembelajaran yang diusulkan dalam penelitian ini diuji dalam sebuah eksperimen dalam aktivitas belajar yang menggunakan media pembelajaran peta konsep Kit-Build, di mana rekonstruksi peta konsep dilakukan secara bertahap sebagai bentuk penerapan teori meaningful learning Ausubel. Pengaruh penerapan teori terhadap pemahaman siswa serta efisiensi proses belajar siswa melalui rekonstruksi peta konsep digital Kit-Build diinvestigasi dalam penelitian ini. Hasil analisis memperlihatkan bahwa teori meaningful learning yang diterapkan dalam proses pembelajaran menggunakan peta konsep Kit-Bulid secara efektif mampu meningkatkan pemahaman siswa serta mampu meningkatkan efisiensi aktivitas pembelajaran dengan kerangka pembelajaran yang dilakukan.
Abstract
This research proposes the application of knowledge reconstruction theory and Ausubel\u27s meaningful learning theory within a learning framework that utilizes the Kit-Build concept map. Under the proposed learning framework, students identify knowledge sources to be organized by linking their prior knowledge and experiences, and integrating the newly organized knowledge into their cognitive understanding using the Kit-Build concept map. This research also implements an automated feedback system during learner’s concept map reconstruction. The automatic feedback mechanism provided to students due to the difficulty of providing input to students during the concept map reconstruction and the difficulty of understanding the learning material when information overload occurs. Information overload may occur when students reconstruct large concept maps where numerous Kit-Build concept map components have to be reconstructed manually. The learning method proposed in this research is evaluated in an experiment involving the Kit-Build concept map framework, where concept map reconstruction is carried out in stages as a form of applying Ausubel’s meaningful learning theory. The effect of applying such theory on students\u27 understanding as well as the efficiency of students\u27 learning process through concept map reconstruction was investigated in this study. The analysis results suggested that applying meaningful learning theory in the learning process using Kit-Bulid concept map could effectively improve students\u27 understanding and also improve the efficiency of learning activities with Kit-Build concept map framework
Analisis Sentimen Aplikasi Playstore Sirekap 2024 Pasca Pilpres Dengan Perbandingan Metode Support Vector Machine (SVM), Naïve Bayes Classifier Dan Random Forest.
Get PDFAplikasi Sirekap merupakan sebuah aplikasi berbasis website yang mengandalkan teknologi Optical Character Recognition (OCR) dan Optical Mark Reader (OMR) dalam pengoperasiannya. Perkembangan teknologi ini digunakan untuk mempermudah proses perhitungan suara dengan QuickCount yang sifatnya sementara oleh KPU pada Pemilihan Presiden dan Wakil-Presiden Indonesia Periode 2024. Kedua teknologi tersebut memiliki peran penting dalam mengotomatisasi pola proses baca dan hitung secara real-time. Dengan demikian, analisis sentimen diperlukan untuk mengekstraksi komentar teks dari opini publik tentang aplikasi Sirekap 2024 di Play Store. Penelitian ini berkaitan dengan analisis sentimen terkait hasil perhitungan suara yang menimbulkan ketidaksesuaian di aplikasi Sirekap 2024, apakah bersifat positif atau negatif. Tahapan teknik yang digunakan dalam penelitian ini meliputi scraping data, pre-processing data, pelabelan pola, ekstraksi fitur/pembobotan, pembagian data, dan proses klasifikasi analisis sentimen. Pengumpulan data primer dilakukan menggunakan program Python di aplikasi Google Colab dengan teknik google play scraper di aplikasi playstore android Sirekap 2024. Metode klasifikasi yang digunakan adalah Support Vector Machine, Naïve Bayes, dan Random Forest untuk mengklasifikasikan data. Hasil klasifikasi SVM adalah 82%, Naïve Bayes adalah 71%, dan Random Forest adalah 81%. Dari ketiga metode klasifikasi, kinerja terbaik dalam mengidentifikasi adalah metode klasifikasi SVM dengan akurasi 82%, presisi 82%, recall 82%, dan F1-Score 82%.
Abstract
The Sirekap application is a web-based application that relies on Optical Character Recognition (OCR) and Optical Mark Reader (OMR) technology in its operation. The development of this technology is used to facilitate the vote counting process with a temporary QuickCount by the KPU in the 2024 Indonesian Presidential and VicePresidential Elections. Both technologies play an important role in automating the reading and counting process patterns in real-time. Thus, sentiment analysis is necessary to extract text comments from public opinion about the Sirekap 2024 application on the Play Store. This research is related to sentiment analysis concerning the vote count results that cause discrepancies in the Sirekap 2024 application, whether they are positive or negative. The technical stages used in this research include data scraping, data pre-processing, pattern labeling, feature extraction/weighting, data splitting, and the sentiment analysis classification process. Primary data collection was conducted using a Python program in the Google Colab application with the Google Play scraper technique in the Sirekap 2024 Android Play Store application. The classification methods used are Support Vector Machine, Naïve Bayes, and Random Forest to classify the data. The SVM classification result is 82%, Naïve Bayes is 71%, and Random Forest is 81%. Among the three classification methods, the best performance in identification is the SVM classification method with an accuracy of 82%, precision of 82%, recall of 82%, and F1-Score of 82%.Aplikasi Sirekap merupakan sebuah aplikasi berbasis website yang mengandalkan teknologi Optical Character Recognition (OCR) dan Optical Mark Reader (OMR) dalam pengoperasiannya. Perkembangan teknologi ini digunakan untuk mempermudah proses perhitungan suara dengan QuickCount yang sifatnya sementara oleh KPU pada Pemilihan Presiden dan Wakil-Presiden Indonesia Periode 2024. Kedua teknologi tersebut memiliki peran penting dalam mengotomatisasi pola proses baca dan hitung secara real-time. Dengan demikian, analisis sentimen diperlukan untuk mengekstraksi komentar teks dari opini publik tentang aplikasi Sirekap 2024 di Play Store. Penelitian ini berkaitan dengan analisis sentimen terkait hasil perhitungan suara yang menimbulkan ketidaksesuaian di aplikasi Sirekap 2024, apakah bersifat positif atau negatif. Tahapan teknik yang digunakan dalam penelitian ini meliputi scraping data, pre-processing data, pelabelan pola, ekstraksi fitur/pembobotan, pembagian data, dan proses klasifikasi analisis sentimen. Pengumpulan data primer dilakukan menggunakan program Python di aplikasi Google Colab dengan teknik google play scraper di aplikasi playstore android Sirekap 2024. Metode klasifikasi yang digunakan adalah Support Vector Machine, Naïve Bayes, dan Random Forest untuk mengklasifikasikan data. Hasil klasifikasi SVM adalah 82%, Naïve Bayes adalah 71%, dan Random Forest adalah 81%. Dari ketiga metode klasifikasi, kinerja terbaik dalam mengidentifikasi adalah metode klasifikasi SVM dengan akurasi 82%, presisi 82%, recall 82%, dan F1-Score 82%.
Abstract
The Sirekap application is a web-based application that relies on Optical Character Recognition (OCR) and Optical Mark Reader (OMR) technology in its operation. The development of this technology is used to facilitate the vote counting process with a temporary QuickCount by the KPU in the 2024 Indonesian Presidential and VicePresidential Elections. Both technologies play an important role in automating the reading and counting process patterns in real-time. Thus, sentiment analysis is necessary to extract text comments from public opinion about the Sirekap 2024 application on the Play Store. This research is related to sentiment analysis concerning the vote count results that cause discrepancies in the Sirekap 2024 application, whether they are positive or negative. The technical stages used in this research include data scraping, data pre-processing, pattern labeling, feature extraction/weighting, data splitting, and the sentiment analysis classification process. Primary data collection was conducted using a Python program in the Google Colab application with the Google Play scraper technique in the Sirekap 2024 Android Play Store application. The classification methods used are Support Vector Machine, Naïve Bayes, and Random Forest to classify the data. The SVM classification result is 82%, Naïve Bayes is 71%, and Random Forest is 81%. Among the three classification methods, the best performance in identification is the SVM classification method with an accuracy of 82%, precision of 82%, recall of 82%, and F1-Score of 82%