1,722,427 research outputs found
Building intelligent credit-risk evaluation systems using neural network rule extraction and decision tables
No full textTable of contentsNeo-classical reengineering: Returning to the promise of process in the post-Internet economyM. De Kegel and M. McDonaldTowards an integrative framework for software architectureR. Maes and G. DedeneComponent based development. From dinosaurs to small, adaptive, co-operating, replaceable creaturesG. Van Humbeeck, J. MerckxSeparating Business Process Aspects from Business Object behaviourM. SnoeckCOSMIC-FFP and MERODE: Applying the Next Generation Function Points to Object Oriented Enterprise ModelsG. PoelsOn the use of Jackson Structured Programming (JSP) for the structured design of XSL TransformationsG. DedeneRuling the business: about Business Rules, decision tables and Intelligent AgentsJ. VanthienenBuilding intelligent credit-risk evaluation systems using neural network rule extraction and decision tablesB. Baesens, R. Setiono, C. Mues, S. Viaene and J. VanthienenWeb service description, advertising and discovery: WSDL and beyondW. LemahieuDeveloping enterprise architecture: the case of KBC InsuranceF. Pieck, S. Viaene and G. Deden
Sistem Pendeteksi Plagiat Dokumen Teks Menggunakan Algoritma Smith-Waterman serta Algoritma Arifin dan Setiono
Full text linkABSTRAKSI: Plagiarisme merupakan masalah serius dalam bidang pendidikan karena sebagian besar pelaku tindakan plagiat di Indonesia berasal dari orang-orang terpelajar seperti pelajar dan mahasiswa. Pencegahan terhadap plagiarisme dokumen teks bisa dilakukan dengan membuat sebuah sistem pendeteksi plagiat. Sistem akan lebih efektif dan efisien karena berjalan diatas perangkat komputer, bukan secara manual, sehingga dapat memeriksa beberapa dokumen sekaligus. Algoritma Smith-Waterman (SW) adalah metode klasik dengan membandingkan 2 string untuk mengidentifikasi kemiripan di keduanya. Algoritma ini awalnya berkembang di bidang bioinformatika dan saat ini mulai diterapkan di pemrograman komputer sehingga bisa dijadikan pilihan untuk membangun sebuah sistem pendeteksi plagiat. Penulis akan membangun sebuah sistem pendeteksi plagiat menggunakan algoritma Smith-Waterman disertai algoritma stemming Arifin dan Setiono. Algoritma Arifin dan Setiono menggunakan kamus dalam pencarian kata dasar bahasa Indonesia dan memiliki fitur kombinasi balikan untuk mengatasi overstemming.Kata Kunci : Plagiarism, String-matching, Smith-Waterman, Preprocessing, Stemming, Arifin dan Setiono.ABSTRACT: Plagiarism is a serious problem in education because most of the perpetrators of acts of plagiarism in Indonesia come from educated people such as school and university students. Prevention of plagiarism of text documents can be done by creating a plagiarism detection system. The system will be more effective and efficient because it runs on the computer instead of manually, so it can examine several documents at once. Smith-Waterman algorithm is a classical method to compare two strings to identify the similarities in both. This algorithm was originally developed in the field of bioinformatics and are now starting to be implemented in computer programming that can be selected to build a plagiarism detection system. The author will build a plagiarism detection system using the Smith-Waterman algorithm with Arifin and Setiono stemming algorithm. Arifin and Setiono algorithm use a dictionary in search of root words in Indonesian and features a combination of feedback to overcome overstemming.Keyword: Plagiarism, String-matching, Smith-Waterman, Preprocessing, Stemming, Arifin dan Setiono
Perbandingan Algoritma Stemming Porter, Sastrawi, Idris, Dan Arifin & Setiono Pada Dokumen Teks Bahasa Indonesia
Full text linkInformation 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
Perbandingan Algoritma Stemming Porter, Sastrawi, Idris, Dan Arifin & Setiono Pada Dokumen Teks Bahasa Indonesia
Full text linkInformation 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 Perfomansi Algoritma Arifin Setiono Dan Algoritma Porter Untuk Stemming Berbahasa Indonesia
No full textStemming adalah suatu proses pencarian bentuk dasar dari suatu term. Stemming diperlukan selain untuk memperkecil jumlah indeks yang berbeda dari suatu dokumen, juga untuk melakukan pengelompokan kata-kata lain yang memiliki kata dasar dan arti yang serupa namun memiliki bentuk atau form yang berbeda karena mendapatkan imbuhan yang berbeda. Dua algoritma yang termasuk dalam metode stemming yaitu algoritma Arifin Setiono dan algoritma Porter. Permasalahan yang membedakan kedua algoritma ini adalah perbedaan saat proses stemming pada dokumen sehingga mempengaruhi kecepatan dan keakuratan dalam memproses dokumen teks. Dilakukan analisis performansi dengan menggabungkan algoritma Arifin setiono dan algoritma porter. Analisis dari kedua algoritma dilakukan dengan menggabungkan kelebihan dari kedua algoritma yaitu kecepatan yang dimiliki oleh algoritma Porter dan akurasi yang dimiliki oleh algoritma Arifin Setiono juga dilakukan analisis parameter yang menguji kecepatan waktu, persentase kata yang berhasil di stemming dari hasil penggabungan oleh kedua algoritma dalam proses pencarian kata dasar pada dokumen. Berdasarkan hasil pengujian dengan menggunakan metode stemming dari penggabungan algoritma Arifin Setiono dan algoritma Porter dengan data masukan berupa dokumen berekstensi dot*(.)txt juga dengan menghitung jumlah kata yang di stemming terhadap seluruh kata pada dokumen dan kecepatan proses dapat disimpulkan pengujian yang telah dilakukan pada 15 dokumen rata-rata akurasi sebesar 46% dan kecepatan sebesar 56,7817995 s
PERANCANGAN SISTEM INFORMASI PENGADAAN BAHAN FAKTOR PRODUKSI DI PT. PERKAKAS REKADAYA NUSANTARA SUBANG
No full textPratiwi Dewi Setiono 2007, “THE PLANNING OF SYSTEM INFORMATION FOR PRODUCTION SUPPLYING MATERIAL AT PT. PERKAKAS REKADAYA NUSANTARA SUBANG”, Last Assignment Report Of Diploma Of III Of Faculty Of Technic Of University Computer Indonesia, under guiding by Mrs. Wahyuni, S.Si
Analisis Performasi Algoritma Arifin Setiono Dan Algoritma Porter Untuk Stemming Berbahasa Indonesia
No full textStemming adalah suatu proses pencarian bentuk dasar dari suatu term. Stemming diperlukan selain untuk memperkecil jumlah indeks yang berbeda dari suatu dokumen, juga untuk melakukan pengelompokan kata-kata lain yang memiliki kata dasar dan arti yang serupa namun memiliki bentuk atau form yang berbeda karena mendapatkan imbuhan yang berbeda. Dua algoritma yang termasuk dalam metode stemming yaitu algoritma Arifin Setiono dan algoritma Porter. Permasalahan yang membedakan kedua algoritma ini adalah perbedaan saat proses stemming pada dokumen sehingga mempengaruhi kecepatan dan keakuratan dalam memproses dokumen teks. Dilakukan analisis performansi dengan menggabungkan algoritma Arifin setiono dan algoritma porter. Analisis dari kedua algoritma dilakukan dengan menggabungkan kelebihan dari kedua algoritma yaitu kecepatan yang dimiliki oleh algoritma Porter dan akurasi yang dimiliki oleh algoritma Arifin Setiono juga dilakukan analisis parameter yang menguji kecepatan waktu, persentase kata yang berhasil di stemming dari hasil penggabungan oleh kedua algoritma dalam proses pencarian kata dasar pada dokumen. Berdasarkan hasil pengujian dengan menggunakan metode stemming dari penggabungan algoritma Arifin Setiono dan algoritma Porter dengan data masukan berupa dokumen berekstensi dot*(.)txt juga dengan menghitung jumlah kata yang di stemming terhadap seluruh kata pada dokumen dan kecepatan proses dapat disimpulkan pengujian yang telah dilakukan pada 15 dokumen rata-rata akurasi sebesar 46% da
ANALISIS PERBANDINGAN ALGORITMA STEMMING NAZIEF ADRIANI DAN ARIFIN SETIONO PADA DOKUMEN TEKS BAHASA INDONESIA
No full textInformation Retrieval merupakan sebuah sistem yang memungkinkan seorang pengguna untuk dapat menemukan sebuah informasi yang dibutuhkan dari suatu kumpulan informasi yang relevan yang didasarkan pada suatu query (inputan pengguna). Salah satu tahapan penting yang terdapat di dalam suatu Information Retrieval adalah proses stemming. Stemming merupakan suatu proses untuk menemukan kata dasar dari sebuah kata dengan menghilangkan semua imbuhan (affixes) baik yang terdiri dari awalan (prefixes), sisipan (suffixes), dan kombinasi dari awalan dan akhiran (confixes) pada kata turunan. Penelitian ini membandingkan dua algoritma stemming yaitu algoritma Nazief Adriani dan algoritma Arifin Setiono untuk mengukur performansi dari masing-masing algoritma dengan melakukan pengujian sebanyak 30 dokumen teks berbahasa Indonesia. Hasil pengujian yang telah dilakukan menunjukkan bahwa algoritma Nazief Adriani memiliki performansi yang lebih baik dibandingkan dengan algoritma Arifin Setiono dimana nilai rata-rata akurasi tertinggi dimiliki oleh algoritma Nazief Adriani yakni sebesar 97.73% dengan rata-rata waktu proses stemming selama 20.17 detik. Sedangkan algoritma Arifin Setiono memiliki nilai rata-rata akurasi sebesar 94.37% dengan rata-rata waktu proses stemming selama 23.32 detik
A note on knowledge discovery using neural networks and its application to credit card screening
No full textWe address an important issue in knowledge discovery using neural networks that has been left out in a recent article “Knowledge discovery using a neural network simultaneous optimization algorithm on a real world classification problem” by Sexton et al. [R.S. Sexton, S. McMurtrey, D.J. Cleavenger, Knowledge discovery using a neural network simultaneous optimization algorithm on a real world classification problem, European Journal of Operational Research 168 (2006) 1009–1018]. This important issue is the generation of comprehensible rule sets from trained neural networks. In this note, we present our neural network rule extraction algorithm that is very effective in discovering knowledge embedded in a neural network. This algorithm is particularly appropriate in applications where comprehensibility as well as accuracy are required. For the same data sets used by Sexton et al. our algorithm produces accurate rule sets that are concise and comprehensible, and hence helps validate the claim that neural networks could be viable alternatives to other data mining tools for knowledge discovery
- …
