Jurnal Ilmu Komputer dan Informasi
Not a member yet
247 research outputs found
Sort by
PENERJEMAHAN DOKUMEN INGGRIS-INDONESIA MENGGUNAKAN MESIN PENERJEMAH STATISTIK DENGAN WORD REORDERING DAN PHRASE REORDERING
No full textMesin penerjemah merupakan alat penerjemah otomatis pada sebuah teks dari satu bahasa ke bahasa lainnya. Mesin penerjemah statistik adalah sebuah pendekatan mesin penerjemah dengan hasil terjemahan dihasilkan atas dasar model statistik yang parameter-parameternya diambil dari hasil analisis korpus teks bilingual (atau paralel). Kualitas hasil terjemahan Bahasa Inggris – Bahasa Indonesia tersebut masih jauh dari sempurna dan memiliki nilai akurasi yang rendah. Diawali dari permasalahan ini, muncullah sebuah ide untuk membuat aturan-aturan restrukturisasi teks pada Bahasa Inggris sesuai dengan struktur Bahasa Indonesia dengan tujuan untuk meningkatkan kualitas dan nilai akurasi hasil terjemahan mesin penerjemah statistik. Aturan restrukturisasi teks tersebut bisa berupa word reordering, phrase reordering, ataupun keduanya. Dalam penelitian ini, penulis merancang 7 buah aturan word reordering, 7 buah aturan phrase reordering, dan 2 buah aturan gabungan phrase reordering dan word reordering. Hasil eksperimen menunjukkan peningkatan akurasi dan kualitas penerjemahan yang efektif diperoleh dengan word reordering. Word reordering dapat memberikan peningkatan nilai BLEU sebesar 1.3896% (dari 0.1871 menjadi 0.1897) dan nilai NIST sebesar 0.6218% (dari 5.3876 menjadi 5.4211). Pada korpus bible, rata-rata nilai peningkatan nilai BLEU yang diperoleh dengan restrukturisasi teks adalah 0.5871% dan untuk nilai NIST terjadi penurunan sebesar 0.0144%. Pada korpus novel, rata-rata nilai peningkatan nilai BLEU yang diperoleh dengan restrukturisasi teks adalah 0.8751% dan untuk nilai NIST terjadi peningkatan sebesar 0.3170%. Besarnya peningkatan dan penurunan yang terjadi pada penelitian ini cenderung kecil (masih di bawah 1%). Hal ini disebabkan aturan penerjemahan Bahasa Inggris-Indonesia menggunakan aturan MD-DM yang melibatkan penukaran kata yang jaraknya dekat sudah tercakup dalam distortion model pada mesin penerjemah statistik berdasarkan frase
PENGENALAN KADAR TOTAL PADAT TERLARUT PADA BUAH BELIMBING MANIS BERDASAR CITRA RED-GREEN-BLUE DENGAN ANALISIS KOMPONEN UTAMA SEBAGAI EKSTRAKSI CIRI DAN JARAK EUCLIDEAN SEBAGAI PENGENAL POLA
No full textPada paper ini, dilakukan pemilihan feature dari citra RGB (Red-Green-Blue) untuk memprediksi tingkat kemanisan buah belimbing yang dicirikan dengan kandungan TPT (Total Padat Terlarut). Dari feature terpilih, dilakukan transformasi komponen utama satu dimensi (1D-PCA) dan dua dimensi (2D-PCA) untuk mereduksi dimensi citra. Kemudian dilanjutkan dengan proses pengenalan tingkat kemanisan yang dalam paper ini dikelompokkan menjadi tiga, yaitu manis, sedang, dan asam. Nilai batas tiap kelompok didasarkan pada bentuk histogram nilai TPT. Dari 300 citra buah belimbing diperoleh hasil bahwa secara akurasi, teknik 1D-PCA maupun 2D-PCA memberikan hasil yang relatif sama. Namun dari segi kecepatan, 2D-PCA jauh lebih cepat dibanding 1D-PCA, khususnya pada bagian pembentukan sumbu. Model hubungan tingkat kemanisan sebagai fungsi dari nilai RGB memberikan tingkat determinasi terbesarnya 69.9%. Percobaan menunjukkan bahwa 1D-PCA maupun 2D-PCA mampu menerangkan sekitar 95% model hubungan tersebut yang dikembangkan pada ruang asal. Teknik PCA digabungkan dengan jarak Euclidean untuk pengenalan mampu mengenali buah kelompok manis dengan akurasi 100%. Sedangkan untuk kelompok asam dan sedang teknik yang dilakukan gagal melakukan pengenalan dengan bai
SISTEM ONTOLOGI E-LEARNING BERBASIS SEMANTIC WEB
No full textoai:ojs.jiki.cs.ui.ac.id:article/120E-learning content being a barrier for e-learning is no longer true on today’s Internet. The current concerns are how to effectively annotate and organize the available content (both textual and non-textual) to facilitate effective sharing, reusability and customization. In this paper, we explain a component-oriented approach to organize content in an ontology. We also illustrate our 3-tier e-learning content management architecture and relevant interfaces. We use a simple yet intuitive example to successfully demonstrate the current working prototype which is capable of compiling personalized course materials. The e-learning system explained here uses the said ontology
OPTIMASI FUZZY LEARNING VECTOR QUANTIZATION UNTUK SISTEM PENGENALAN AROMA CAMPURAN
No full textKehandalan dari sebuah sistem pengenalan aroma tidak hanya tergantung pada kemampuan perangkat sensor melainkan juga tergantung pada sistem pengenalan pola yang menggunakan jaringan syaraf tiruan. Struktur jaringan syaraf yang sederhana memiliki performa yang buruk untuk memisahkan berbagai campuran aroma. Kombinasi antara teori fuzzy dan jaringan syaraf tiruan digunakan karena teori fuzzy dapat menangani masalah data yang samar-samar sedangkan jaringan syaraf tiruan mempunyai kemampuan untuk pembelajaran yang bagus. Algoritma LVQ digunakan sebagai proses pembelajaran dalam sistem karena algoritma ini mempunyai kecepatan pembelajaran dan keakuratan yang cukup tinggi. Namun penggunaan LVQ dengan teori fuzzy masih menemui kendala utama yaitu pemilihan inisialisasi vektor referensi. Dalam paper ini kami mengusulkan metode baru dalam tahap inisialisasi vektor referensi, yaitu memilih vektor referensi awal yang terbaik dengan menggunakan fungsi fitness. Selanjutnya kami juga telah mengembangkan aplikasi berbasis GUI untuk menampilkan hasil dari klasifikasi aroma. Hasil eksperimen menunjukkan bahwa penggunaan fungsi fitness dalam pemilihan vektor referensi mampu meningkatkan tingkat pengenalan aroma dalam sistem
ALGORITMA PARALLEL SUPERVISED PNN STRUCTURE DETERMINATION DAN IMPLEMENTASI BERBASIS MESSAGE PASSING INTERFACE
No full textProbabilistic Neural Network (PNN) adalah salah satu tipe jaringan neural yang umum digunakan untuk memecahkan permasalahan klasifikasi pola. Di samping struktur jaringan dan metode pelatihan yang sederhana, PNN memiliki kelemahan utama yaitu dalam menentukan struktur jaringan yang terdiri dari penentuan nilai parameter smoothing dan jumlah neuron yang digunakan pada lapisan pola. Dengan adanya kelemahan ini, beberapa peneliti mengajukan algoritma Supervised PNN Structure Determination (SPNN) dengan tujuan untuk mempermudah penentuan struktur PNN. Akan tetapi dalam implementasi iteratif yang telah dilaporkan, SPNN masih memerlukan waktu komputasi yang cukup lama untuk menentukan struktur PNN yang baik. Makalah ini menjelaskan usaha perbaikan kinerja waktu proses implementasi SPNN dengan memperhatikan bagian-bagian proses yang independent serta memodifikasi algoritmanya untuk dapat diterapkan pemrosesan secara paralel. Hasil eksperimen menunjukkan percepatan yang cukup berarti
METODE EKSTRAKSI FITUR PADA PENGKLASIFIKASIAN DATA MICROARRAY BERBASIS INFORMASI PASANGAN GEN
No full textPengenalan teknologi DNA microarray membuat perolehan data microarray menjadi lebih mudah. Hal ini semakin memicu persoalan tentang bagaimana cara terbaik dalam mengekstraksi dan memilih fitur dari data yang berdimensi besar tersebut. Metode-metode terdahulu mengabaikan adanya hubungan antargen sehingga memungkinkan hilangnya informasi penting yang tersimpan dalam suatu gen pada saat ekstraksi fitur. Meskipun berbagai macam metode telah digunakan, pengembangan metode ekstraksi dan seleksi fitur dari data microarray yang lebih powerful dan efisien masih diperlukan untuk meningkatkan performa klasifikasi kanker. Dalam penelitian ini diimplementasikan sebuah metode dalam melakukan ekstraksi fitur dari data microarray yang memanfaatkan model klasifikasi berbasis informasi pasangan gen, yaitu pasangan gen yang memiliki perbedaan signifikan pada dua jenis sampel tissue. Hasil uji coba terhadap dua data microarray menunjukkan bahwa fitur hasil ekstraksi menggunakan metode ini dapat meningkatkan performa klasifikasi. Bahkan akurasi 100% dapat diperoleh pada uji coba terhadap data lymphoma
APLIKASI JARINGAN KOMUNIKASI ROBOT MULTIHOP TERDISTRIBUSI PADA LINGKUNGAN STATIS TERBATAS: IMPLEMENTASI, SIMULASI DAN ANALISIS PADA KASUS ROBOT LEGO MINDSTORM NXT
No full textPaper ini akan membahas tahap awal (prototipe) pengembangan jaringan komunikasi-robot multihop terdistribusi, yaitu suatu aplikasi yang diharapkan dapat dimanfaatkan pada lingkungan yang minim infrastruktur dan fasilitas komunikasi. Pada bagian awal paper disebutkan kondisi yang dapat menerapkan aplikasi jaringan komunikasi multihop ini, yaitu pada daerah bencana alam yang mengalami kerusakan sarana komunikasi, pada daerah terpencil karena faktor alam yang sulit untuk diadakan fasilitas komunikasi, ataupun daerah berbahaya untuk didatangi manusia ataupun kawasan konflik dan peperangan. Salah satu karakteristik yang diharapkan dari aplikasi ini adalah proses penyebaran informasi secara cepat dan mudah, bahkan walaupun tidak tersedia infrastruktur memadai sebelumnya. Selain itu, sistem ini bersifat terdistribusi sehingga diharapkan dapat memberikan beberapa keuntungan, baik saat diimplementasikan maupun kinerja di lapangan nantinya. Paper ini kemudian membahas pengembangan algoritma penyelesaian masalah, yang dilanjutkan dengan verifikasi dan analisis pada level simulasi perangkat lunak. Selanjutkan, algoritma ini diterapkan pada level simulasi perangkat keras dengan menggunakan modul robot Lego Mindstorm NXT. Untuk penyederhanaan masalah, pada tahap ini lingkungan yang digunakan masih bersifat statis dan terbatas sebagai salah satu asumsi