1,721,024 research outputs found
Otomatisasi Pemeriksaan Format Penulisan Skripsi Menggunakan Teknik Pengolahan Citra
No full textWriting format is one of the crucial parts in writing thesis. Thesis as one of the scientific
writings, is determined good if the writing format and content in the undergraduate
thesis comply with the rules set by university. Based on early observations, some errors
are still made by students in the process of writing an undergraduate thesis. The
evaluation processes by supervisors do not always fully detect the errors. Therefore, we
need system that can help students produce theses that comply with the rules. The
methods proposed by the author is to combine several processes such as tokenization,
stemming, feature rectangle algorithm, floodfill algorithm, to be used in evaluating the
thesis. In this research, the theses will be input to the system in the PDF format in web
interface. Then, PDFBox library is used to extract information from the theses such as
text data and page image from each page. Using these data, the system will evaluate the
margins, page sizes, page number distances, logo sizes, word counts, and matching of
each word to Indonesia dictionary. The system built is able to achieve good performance
and accuracy, and the results can be served well in web interface. The page number
distance detection is not able to perform perfectly in some situations.Format penulisan merupakan salah satu bagian krusial dalam menulis sebuah karya tulis
ilmiah. Skripsi yang juga merupakan salah satu jenis karya tulis ilmiah dikatakan baik
apabila format penulisan dan konten dalam skripsi tersebut sesuai dengan peraturan
yang telah ditentukan pihak universitas. Berdasarkan observasi yang dilakukan, masih
ditemukan kelalaian dalam proses penulisan skripsi oleh para mahasiswa. Proses
pemeriksaan oleh dosen pembimbing dan dosen penguji juga tidak sepenuhnya dapat
mendeteksi kesalahan-kesalahan yang ada. Oleh karena itu diperlukan sebuah sistem
yang dapat membantu agar format pada skripsi-skripsi yang dihasilkan mahasiswa
dapat mengikuti ketentuan-ketentuan yang terdapat pada panduan penulisan skripsi.
Metode yang diajukan penulis adalah menggabungkan beberapa proses seperti
tokenization, stemming, algoritma feature rectangle dan algoritma floodfill, untuk dapat
memeriksa skripsi yang dimasukkan ke dalam sistem. Pada penelitian ini, berkas skripsi
dalam bentuk PDF akan dimasukkan ke dalam sistem melalui antarmuka web. Sistem
kemudian menggunakan pustaka PDFBox untuk mendapatkan data teks dan data
gambar setiap halaman. Dari data ini kemudian dilakukan proses pemeriksaan margin,
ukuran halaman, jarak nomor halaman, ukuran logo, jumlah kata, serta pencocokan kata
terhadap kamus kata Bahasa Indonesia. Sistem yang dibangun menunjukkan performa
dan akurasi sebesar 97% dan hasil dapat tersaji dengan baik pada antarmuka web.
Adapun hal-hal yang belum sempurna adalah pada bagian pemeriksaan jarak nomor
halaman.74 HalamanSkripsi Sarjan
Otomatisasi Pemeriksaan Format Penulisan Skripsi Menggunakan Teknik Pengolahan Citra
No full textWriting format is one of the crucial parts in writing thesis. Thesis as one of the scientific
writings, is determined good if the writing format and content in the undergraduate
thesis comply with the rules set by university. Based on early observations, some errors
are still made by students in the process of writing an undergraduate thesis. The
evaluation processes by supervisors do not always fully detect the errors. Therefore, we
need system that can help students produce theses that comply with the rules. The
methods proposed by the author is to combine several processes such as tokenization,
stemming, feature rectangle algorithm, floodfill algorithm, to be used in evaluating the
thesis. In this research, the theses will be input to the system in the PDF format in web
interface. Then, PDFBox library is used to extract information from the theses such as
text data and page image from each page. Using these data, the system will evaluate the
margins, page sizes, page number distances, logo sizes, word counts, and matching of
each word to Indonesia dictionary. The system built is able to achieve good performance
and accuracy, and the results can be served well in web interface. The page number
distance detection is not able to perform perfectly in some situations.Format penulisan merupakan salah satu bagian krusial dalam menulis sebuah karya tulis
ilmiah. Skripsi yang juga merupakan salah satu jenis karya tulis ilmiah dikatakan baik
apabila format penulisan dan konten dalam skripsi tersebut sesuai dengan peraturan
yang telah ditentukan pihak universitas. Berdasarkan observasi yang dilakukan, masih
ditemukan kelalaian dalam proses penulisan skripsi oleh para mahasiswa. Proses
pemeriksaan oleh dosen pembimbing dan dosen penguji juga tidak sepenuhnya dapat
mendeteksi kesalahan-kesalahan yang ada. Oleh karena itu diperlukan sebuah sistem
yang dapat membantu agar format pada skripsi-skripsi yang dihasilkan mahasiswa
dapat mengikuti ketentuan-ketentuan yang terdapat pada panduan penulisan skripsi.
Metode yang diajukan penulis adalah menggabungkan beberapa proses seperti
tokenization, stemming, algoritma feature rectangle dan algoritma floodfill, untuk dapat
memeriksa skripsi yang dimasukkan ke dalam sistem. Pada penelitian ini, berkas skripsi
dalam bentuk PDF akan dimasukkan ke dalam sistem melalui antarmuka web. Sistem
kemudian menggunakan pustaka PDFBox untuk mendapatkan data teks dan data
gambar setiap halaman. Dari data ini kemudian dilakukan proses pemeriksaan margin,
ukuran halaman, jarak nomor halaman, ukuran logo, jumlah kata, serta pencocokan kata
terhadap kamus kata Bahasa Indonesia. Sistem yang dibangun menunjukkan performa
dan akurasi sebesar 97% dan hasil dapat tersaji dengan baik pada antarmuka web.
Adapun hal-hal yang belum sempurna adalah pada bagian pemeriksaan jarak nomor
halaman.74 HalamanSkripsi Sarjan
Integrasi Kamus Multibahasa Menggunakan Semantic Web
No full textMachine translation is a computational linguistic technology used for understanding a
language. Currently, machine translation used is machine translation using monolingual
and bilingual lexical dictionary. Although lexical dictionary has been widely available,
lexical database generally translates only one to one destination language. In addition,
if the translated language is an uncommon language, e.g. local language, translation will
be done in two steps, such as the language will be translated to the nearest language
then retranslated into destination language. This process requires a lot of work in order
to get the translated language. Hence, an approach to perform integration of multiple
lexical dictionaries is needed to get multiple translations in one time. The approach
proposed by the author is the use of semantic web to integrate multiple online
dictionaries for making a multilingual dictionaries system. In this experiment, the
lexical dictionaries used are Indonesian, English, and Bataknese dictionaries in which
the dictionary data will be crawled from the web source using JSoup. For lexical
database building, words, definitions, and synonyms will be built using a semiautomatic
approach. Then, the translation relation between languages will be linked and
saved to SPARQL server in RDF format. This experiment shows that semantic web is
able to perform the integration of multilingual dictionaries. In addition, the proposed
system shows optimal performance in term of information processing and almost all
displayed information match the source dictionary. Factors affecting data discrepancy
between system and dataset are error during crawling and linking word ID.Translasi mesin merupakan teknologi komputasi linguistik yang digunakan untuk
memahami suatu bahasa. Translasi mesin yang digunakan saat ini adalah translasi mesin
menggunakan kamus leksikal monolingual dan bilingual. Walaupun kamus leksikal
telah banyak tersedia, kamus leksikal umumnya hanya melakukan translasi dari satu
bahasa sumber ke satu bahasa tujuan. Selain itu, jika bahasa translasi merupakan bahasa
yang tidak umum, misalnya bahasa daerah, pentranslasian akan dilakukan dua tahap,
yakni pentranslasian ke bahasa yang terdekat kemudian diterjemahkan lagi ke dalam
bahasa tujuan. Proses ini membutuhkan waktu yang lama untuk mendapatkan hasil
translasi. Oleh karena itu, diperlukan sebuah pendekatan yang mampu melakukan
pengintegrasian beberapa kamus leksikal sehingga dapat menghasilkan beberapa
bahasa tujuan dalam satu waktu. Pendekatan yang diajukan oleh penulis adalah
pendekatan menggunakan semantic web untuk mengintegrasikan beberapa kamus
online sehingga menghasilkan sebuah sistem kamus multibahasa. Pada penelitian ini,
kamus leksikal yang akan dibangun adalah kamus bahasa Indonesia, Inggris, dan Batak
dimana data pada kamus akan dicrawling dari sumber web kamus menggunakan JSoup.
Dalam pembangunan kamus leksikal, kata, definisi, dan sinonim akan dibangun terlebih
dahulu menggunakan metode semi otomatis. Kemudian, hubungan translasi antar
bahasa akan dibangun dan data leksikal akan disimpan ke dalam SPARQL server dalam
format RDF. Hasil dari penelitian ini menunjukkan bahwa metode semantic web
mampu mengintegrasikan kamus multibahasa dengan baik. Selain itu, sistem yang
dibangun menunjukkan performa yang optimal dalam hal pemrosesan informasi dan
hampir semua informasi yang ditampilkan sesuai dengan sumber kamus. Adapun hal
yang mempengaruhi ketidaksesuaian data sistem dengan dataset yang digunakan adalah
kesalahan pada saat crawling dan penghubungan ID kata.Skripsi Sarjan
Going Beyond Counting First Authors in Author Co-citation Analysis
Get PDFThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
Mengukur Tingkat Kepuasan Belanja di E-Commerce Menggunakan Multilayer Perceptron
No full textInformation technology development produces a variety of new technologi that provide
convenience for the community. One of those kind is online shopping. There are various
forms of online shopping where one of them is E-commerce. Also, there are so many type
and product in E-Commerce. User's review which is contain an opinion about any product
has a very important role to determine an E-Commerce rating. Buyer candidate will search
and read the quality of product, the rating of the product, and the responsiveness of
customer service through comment field of an E-commerce. However, due to the large
number of reviews provided, makes it difficult for customers to conclude the quality of the
product and also the responsiveness customer service of an E-commerce. By using this
method, the accuracy is 76%. This approach is hopefully yo be very helpful to the buyer
candidate.Perkembangan teknologi informasi menghasilkan berbagai teknologi – teknologi baru yang
memberikan kemudahan bagi masyarakat. Salah satu perkembangan teknologi yang
dimaksud yaitu berbelanja secara online. Terdapat berbagai bentuk belanja online dimana
salah satunya adalah E-commerce, ada berbagai macam E-commerce dan berbagai macam
produk didalam sebuah E-commerce. Ulasan yang berisi opini dalam kolom review di
sebuah E-commerce memiliki peran penting dalam menentukan keberhasilan E-commerce
tersebut, dalam memberikan kepuasan belanja bagi pelanggan. Karena calon pelanggan
baru akan akan melihat dan mencari informasi tentang kualitas produk yang akan dibelinya
melalui kolom review yang berisi ulasan, rating produk pelanggan sebelumnya dan
mengambil kesimpulan tentang tentang kualitas produk dan baik buruknya pelayanan di Ecommerce
tersebut. Akan tetapi dikarenakan banyaknya ulasan yang diberikan,
mengakibatkan kesulitan bagi para pelanggan dalam menyimpulkan kualitas produk dan
juga baik buruknya pelayanan sebuah E-commerce. Dengan menggunakan metode ini,
akurasi yang di dapat adalah ialah 76%. Pendekatan ini diharapkan akan sangat membantu
calon pembeli.Skripsi Sarjan
Deteksi Judul Berita Clickbait Bahasa Indonesia Menggunakan Convolutional Neural Network (CNN)
No full textOnline medias are one of the developments in internet technology and information providers that can be accessed by almost all people in Indonesia. According to the results by the Indonesian Internet Service Providers Association (APJII), the growth of internet users in Indonesia in the period 2019-2020 amounted to 196,71 million people out of a total population of 266,91 million Indonesians. The growing population of online news portals in Indonesia has made competition for the online news portal industry to be fierce. Online media also tries to attract the attention of readers by presenting information that is able to answer the needs and attract the attention of the audience. Clickbait is an online media trick to increase visitors, traffic and pageviews. Clickbait can become fake news or hoaxes. This study use a dataset of Indonesian clickbait news titles from several online news portals in Indonesia to identify Indonesian clickbait news titles automatically. This study apply one of the Neural Network methods, namely Convolutional Neural Network. This study provides about 72,3% accuracy and the resulting model can identify clickbait or non-clickbait headlines.Media online merupakan salah satu perkembangan teknologi internet dan penyedia informasi yang dapat diakses oleh hampir seluruh masyarakat Indonesia. Dari hasil survei Asosiasi Penyedia Jasa Internet Indonesia (APJII), pertumbuhan pengguna internet di Indonesia dalam kurun waktu 2019-2020 berjumlah 196,71 juta jiwa dari populasi penduduk Indonesia 266,91 juta jiwa. Pertumbuhan media online di Indonesia membuat persaingan industri media online semakin kompetitif. Media online juga berusaha menarik perhatian pembaca dengan memberikan informasi yang dapat menjawab kebutuhan dan menarik perhatian audiens. Pancingan klik (clickbait) merupakan cara yang digunakan oleh media online dalam menaikkan jumlah pengunjung, traffic dan pageviews. Clickbait berpotensi menjadi berita bohong atau hoax. Penelitian ini menggunakan sebuah dataset judul berita clickbait bahasa Indonesia dari beberapa portal berita online di Indonesia untuk mengidentifikasi judul berita clickbait bahasa Indonesia secara otomatis. Penelitian ini menerapkan salah satu metode Jaringan Saraf Tiruan, yaitu Convolutional Neural Network. Penelitian ini memberikan akurasi sekitar 72,3% dan model yang dihasilkan dapat melakukan identifikasi judul berita clickbait atau non-clickbait.68 HalamanSkripsi Sarjan
Pemanfaatan Artificial Intelligence Markup Language (Aiml) dan Latent Semantic Analysis (LSA) dalam Pengembangan Chatbot Universitas Sumatera Utara (USU)
No full textChatbot is an application / service that interacts with people through text conversations.
Chatbot works to replace the role of humans in serving talks through the messaging
application. This research aims to develop a Chatbot to serve as an interactive
alternative in searching information about Universitas Sumatera Utara (USU). The
design and implementation of this software resulted a Chatbot that is created with
Artificial Intelligence Markup Language (AIML). AIML helps Chatbot to integrate the
received input in text form. Therefor, the conversation between user and program could
possibly happen. The verification result shows that user could get the information they
want, with the answer appropriateness up to 90%.Chatbot merupakan aplikasi / layanan yang berinteraksi dengan pengguna melalui
percakapan teks. Chatbot bekerja untuk menggantikan peranan manusia dalam
melayani pembicaraan melalui aplikasi pesan. Penelitian ini bertujuan mengembangkan
chatbot dengan tujuan untuk menghasilkan suatu alternatif pencarian informasi yang
interaktif terkait tentang Universitas Sumatera Utara. Pada perancangan dan
implementasi perangkat lunak ini menghasilkan Chatbot yang dibangun dengan
menggunakan Artificial Intelligence Markup Language (AIML). AIML ini
menyebabkan Chatbot dapat mengintegrasikan input yang diterima berupa input text.
Sehingga akan dihasilkan percakapan antara pengguna dan program. Dari hasil
pengujian pengguna dapat memperoleh informasi yang berasal dari basis data yang
diinformasikan kepada pengguna secara cepat dengan ketepatan jawaban sekitar 9%.66 HalamanSkripsi Sarjan
Deteksi Botnet Menggunakan Algoritma K-Nearest Neighbor
No full textMeningkatnya jumlah pengguna internet dari waktu ke waktu berdampak pada meningkatnya akses dan pengiriman data berharga. Hal tersebut menjadi tujuan utama pelaku kejahatan cyber untuk mengoperasikan program berbahaya (malicious software). Salah satu program berbahaya yang sering digunakan adalah robot network (botnet). Botnet merupakan ancaman berbahaya sebab malware tersebut dapat menginfeksi komputer dan menjadikan komputer korban sebagai alat yang kemudian dioperasikan secara paksa oleh pemilik program untuk melakukan kejahatan cyber. Seperti malware pada umumnya, botnet memiliki pola tingkah laku yang dapat diklasifikasikan dengan menggunakan dataset CTU-13. Penelitian ini mengklasifikasikan informasi trafik jaringan yang di dalamnya mengandung botnet dengan menggunakan algoritma K-Nearest Neighbor. Algoritma tersebut menghitung jarak pada setiap fitur yang ada dalam dataset kemudian mengidentifikasi jenis flow berdasarkan dengan mayoritas pada nilai ketetanggaan (nilai k) tertentu. Hasil pengujian pada penelitian ini adalah akurasi sebesar 92,57% dimana nilai k yang ditentukan sesuai default sistem yaitu 5. Nilai k terbaik pada penelitian ini tidak dapat ditentukan karena pengujian yang dilakukan untuk menentukan nilai k mendapatkan hasil dengan perbedaan nilai yang cukup berjauhan.The increasing number of internet users from time to time has impacted in the increasing number of valuable data. This case become the main purpose of cyber criminals to operate malicious software (malware). One of the most common method to steal this precious data is by using a malware called robot network (botnet). Botnet is a serious threat because this type of malware infects the victim which cause it to be controlled remotely to send precious data to the criminals or what we usually call botmaster. However, like other malwares, botnet have a behavioral pattern which can be observed and classified. This research used CTU-13 dataset which contain substantial amount of botnet information to be classified using machine learning algorithm which is K-Nearest Neighbor. This algorithm counts the closest distance of every parameter and then identify the flow type based on the majority of the k’s neighbor which then can be used to identify the pattern of each botnet. The testing accuracy generated from this research is 92,57% with the default k value which is 5. The best k value can’t be determined because of the accuracy they generated showed a very significant gap which is not recommended for classification.Skripsi Sarjan
Klasifikasi Hubungan Data Perusahaan Menggunakan Metode Support Vector Machine
No full textAs a public agency, the Integrated Licensing Service Agency (BPPT) and the Environment Agency (BLH) Pemko Medan manage process to obtain a business license from the public. But each agency has a different corporate data because of a separate data input process, which although may refer to a company's data is the same. Therefore, we need a method that can identify and correlate data that refer to a same company but from different data sources. In this study is used an algorithm Support Vector Machine, which is part of the process of matching or record linkage of data to identify and connect the company's data based on the degree of similarity of each data. Previous data will be standardized in accordance with the format and structure appropriate to the stage of pre-processing of data. Based on testing by as much as 21754 BPPT data sets and data sets of BLH record of 500 records, the result data classification with a high level of similarity as many as 90 pairs of records with blocking criteria by company name, address, and the name of the owner.Sebagai salah satu instansi publik, Badan Pelayanan Perizinan Terpadu (BPPT) dan Badan Lingkungan Hidup (BLH) Pemko Medan melayani proses pengurusan izinusaha dari masyarakat. Akan tetapi masing-masing instansi memiliki data perusahaan yang berbeda karena mengalami proses input data yang terpisah, yang padahal bisa merujuk kepada sebuah data perusahaan yang sama. Oleh karena itu dibutuhkan sebuah metode yang dapat mengidentifikasi dan menghubungkan data yang merujuk kepada sebuah perusahaan yang sama tetapi dari sumber data yang berbeda. Pada penelitian ini digunakan algoritma Support Vector Machine yang merupakan bagian dari proses data matchingatau record linkageuntuk mengindentifikasi dan menghubungkan data perusahaan berdasarkan tingkat kemiripan masing-masing data. Sebelumnya data akan distandardisasi sesuai dengan format dan struktur yang sesuai pada tahap datapre-processing. Berdasarkan pengujian dengan data set BPPT sebanyak 21.754record dan data set BLH sebanyak 500 record, diperoleh hasil klasifikasi data dengan tingkat kemiripan yang tinggi sebanyak 90 pasangan record dengan kriteria blocking berdasarkan nama perusahaan, alamat, serta nama pemilik.Skripsi Sarjan
- …
