Yuliant Sibaroni, Yuliant
Telkom University

Published : 7 Documents
Articles

Found 7 Documents
Search

DETEKSI KEMIRIPAN DOKUMEN BAHASA INDONESIA MENGGUNAKAN ALGORITMA SMITH-WATERMAN DAN ALGORITMA NAZIEF & ANDRIANI Sari, Bunga; Sibaroni, Yuliant
Indonesia Journal on Computing (Indo-JC) Vol 4, No 3 (2019): December, 2019
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2019.4.3.365

Abstract

Perkembangan teknologi semakin canggih dengan adanya internet. Internet yang dapat dengan mudah diakses untuk mencari informasi dan dokumen dapat memicu adanya tindak plagiarisme.  Setiap dokumen yang melakukan tindakan plagiarisme akan susah dikenali tanpa adanya sistem yang dapat mengenali kesamaan dokumen. Sistem yang dapat mendeteksi plagiarisme dengan mencari kemiripan pada dokumen dibutuhkan. Dalam penelitian ini digunakan algoritma Nazief & Andrianidalam proses penentuan kemiripan pada dokumen teks dan algoritma Smith-Watermanuntuk mengidentifikasi kesamaan yang paling signifikan (local alignment) dari dua buah rangkaian sekuens string. Hasil akhir yang didapatkan perbandingan dua sequence dengan bantuanpreprocessingmemiliki tingkat perhitungansimilarity yang lebih besar dalam mendeteksi kemiripan dokumen. Kata Kunci: Dokumen, Plagiarisme, Algoritma Smith-Waterman, Algoritma Nazief & Andriani
KLASIFIKASI SENTIMEN ULASAN TEMPAT MAKAN BERBAHASA INDONESIA DENGAN LEXICON DAN IMPROVED NAIVE BAYES Maulana, Agi; Sibaroni, Yuliant
Indonesia Journal on Computing (Indo-JC) Vol 4, No 3 (2019): December, 2019
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2019.4.3.369

Abstract

Ulasan tempat makan pada situs daring seringkali memberikan skor yang tidak sesuai dengan makna pada ulasan. Ulasan dapat berskor rendah namun ulasan mengandung makna positif dan ulasan berskor tinggi dapat mengandung makna yang negatif. Berbagai upaya klasifikasi sentimen ulasan dengan menggunakan analisis sentimen telah dilakukan pada banyak penelitian. Namun analisis sentimen dengan hanya mengandalkan pendekatan supervised learning memberikan hasil salah satu kelas cenderung lebih sering muncul sehingga berakibat pada menurunnya kinerja pengklasifikasi. Dalam makalah ini, pendekatan Improved Naive Bayes yaitu Naive Bayes dengan  fitur unigram dan bigram  dipadukan dengan pendekatan menggunakan lexicon diusulkan untuk meningkatkan kinerja pengklasifikasi. Fitur diperoleh dengan mengekstrak pola POS TAG yang mengandung kata atau frasa yang mengekspresikan emosi yang relevan dengan ulasan tempat makan. Lexicon dibangun secara manual dengan mengumpulkan kata dan frasa unigram dan bigram yang menunjukan emosi yang relevan diungkapkan pada ulasan tempat makan. Pengklasifikasi dengan menggunakan Improved Naive Bayes menunjuakan kinerja yang lebih baik dibandingkan pengklasifikasi menggunakan Naive Bayes. Improved Naive Bayes memperoleh skor precision 80%, recall 77%, dan F1 76%. Sedangkan Naive Bayes memperoleh skor precision 68%, recall 60%, dan F1 56%.
EFFECTIVENESS OF SVM METHOD BY NAïVE BAYES WEIGHTING IN MOVIE REVIEW CLASSIFICATION Zain, Fadli Fauzi; Sibaroni, Yuliant
Khazanah Informatika Vol. 5 No. 2 December 2019
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v5i2.7770

Abstract

Classification of movie review belongs to the realm of text classification, especially in the field of sentiment analysis. One familiar text classification method used is support vector maching (SVM) and Naïve Bayes. Both of these methods are known to have good performance in handling text classification separately. Combining these two methods is expected to improve the performance of classifier compared to working separately. This paper reports the effort to classify movie reviews using the combined method of Naïve Bayes and SVM with Naïve Bayes as weights. This combined method is commonly called NBSVM. The results showed the best accuracy is obtained if the classification is done by the NBSVM method, which is equal to 88.8% with the combined features of unigram and bigram and using pre-processing in the form of data cleansing only.
The Optimal High Performance Computing Infrastructure for Solving High Complexity Problem Sibaroni, Yuliant; Fitriyani, Fitriyani; Nhita, Fhira
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 14, No 4: December 2016
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (207.647 KB) | DOI: 10.12928/telkomnika.v14i4.3586

Abstract

The high complexity of the problems today requires increasingly powerful hardware performance. Corresponding economic laws, the more reliable the performance of the hardware, it will be comparable to the higher price. Associated with the high-performance computing (HPC) infrastructures, there are three hardware architecture that can be used, i.e. Computer Cluster, Graphical Processing Unit (GPU), and Super Computer. The goal of this research is to determine the most optimal of HPC infrastructure to solve high complexity problem. For this reason, we chose Travelling Salesman Problem (TSP) as a case study and Genetic Algorithm as a method to solve TSP. Travelling Salesman Problem is belong often the case in real life and has a high computational complexity. While the Genetic Algorithm (GA) is belong a reliable algorithm to solve complex cases, but has the disadvantage that the time complexity level is very high. In some research related to HPC infrastructure comparison, the performance of multi-core CPU single node for data computation has not been done. Whereas the current development trend leads to the development of PCs with higher specifications like this. Based on the experiments results, we conclude that the use of GA is very effective to solve TSP. the use of multi-core single-node in parallel for solving high complexity problems as far as this is still better than the two other infrastructure but slightly below compare to multi-core single-node serially, while GPU deliver the worst performance compared to others infrastructure. The utilization of a super computer PC for data computation is still quite promising considering the ease of implementation, while the GPU utilization for the purposes of data computing is profitable if we only utilize GPU to support CPU for data computing.
Kategorisasi Berita Menggunakan Metode Pembobotan TF.ABS dan TF.CHI Kurniawan, Muhammad Arif; Sibaroni, Yuliant; Muslim, Kemas L
Indonesian Journal on Computing (Indo-JC) Vol 3, No 2 (2018): September, 2018
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2018.3.2.236

Abstract

Dengan kemajuan teknologi saat ini, berita dapat ditemukan dengan mudah dan berjumlah sangat banyak dalam bentuk digital yang menyebabkan diperlukannya suatu teknik untuk mengkategorikan berita-berita tersebut ke dalam topik tertentu agar mempermudah pembaca menemukan berita sesuai dengan topik yang diinginkan. Kategorisasi teks merupakan suatu teknik yang dapat mengkategorikan berita ke dalam topik yang telah ditentukan secara otomatis. Salah satu proses yang penting dalam kategorisasi adalah ekstraksi fitur yang mana unigram binary merupakan salah satu ekstraksi fitur yang dasar dibandingkan dengan term weighting yang dalam penelitian ini akan menggunakan metode pembobotan TF.ABS dan TF.CHI untuk memperoleh hasil kategorisasi berita yang optimal. Berdasarkan hasil pengujian, rata-rata akurasi yang didapatkan dari tiga sumber data pada ekstraksi fitur unigram binary sebesar 90.44%. Sedangkan pada metode pembobotan TF.ABS sebesar 95.74% dan TF.CHI sebesar 95.87%. Berdasarkan hasil akurasi tersebut, dapat disimpulkan bahwa term weighting lebih baik dibandingkan dengan unigram binary. Metode pembobotan TF.ABS dan TF.CHI sama-sama baik dalam kategorisasi karena tidak berbeda secara signifikan dalam performansinya. Pada hasil pengujian lainnya menunjukkan bahwa proses stemming tidak memberikan banyak pengaruh terhadap akurasi kategorisasi berita, namun proses ini dapat mengefisiensikan waktu hingga 45%.
APLIKASI PELAYANAN ADMINISTRASI PENDUDUK DESA BERBASIS WEB PROGRAMING Sibaroni, Yuliant; Setiawan, Erwin Budi; Imrona, Mahmud; Dzuhri, Feby Ali
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2015
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Permasalahan yang dihadapi olehinstansi pemerintahan dalam lingkup desa salahsatunya adalah proses pembuatan surat menyuratyang masih manual, dimana hal ini berdampakterhadap pelayanan yang kurang maksimal terhadappenduduknya. Penggunaan aplikasi microsoft officedalam pembuatan surat memiliki beberapakelemahan utama seperti ketergantungan terhadapkemampuan aparatur desa yang tinggi yangberakibat format surat menjadi berubah-ubah sertarawan terhadap keakuratan pencatatan data suratyang telah dibuat. Disisi lain, umumnya kemampuanIT aparatur desa adalah dibawah rata-rata dibandingtenaga administrasi lainnya sehingga penggunaanaplikasi khusus pelayanan administrasi persuratanmenjadi mutlak dibutuhkan. Adanya aplikasi suratmenyurat desa berbasis web programing inidiharapkan dapat menyelesaikan permasalahan yangsedang dihadapi oleh setiap desa dalam melakukanpelayanan administrasi persuratan yang lebih baik.Manfaat lainnya adalah dapat membantu dalampencatatan data persuratan yang ada sehingga akanmembantu desa untuk melihat potensi desa secaralebih jelas, pelayanan administrasi yang dirasakanmasyarakat menjadi lebih baik dan transparan sertapraktek-praktek KKN dalam pembuatan surat didesa menjadi berkurang
Sentiment Analysis Terhadap Tweet Bernada Sarkasme Berbahasa Indonesia Septiani, Lanny; Sibaroni, Yuliant
Jurnal Linguistik Komputasional Vol 2 No 2 (2019): Vol. 2, No. 2
Publisher : Indonesia Association of Computational Linguistics (INACL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (322.741 KB) | DOI: 10.26418/jlk.v2i2.23

Abstract

Sarkasme dapat mengubah polaritas kalimat dari positif atau negatif menjadi sebaliknya. Sementara senti-men analisis pada sosial media sudah banyak dimanfaatkan, tetapi masih jarang sekali ditemukan sentimen analisis yang mempertimbangkan pendeteksian sarkasme didalamnya. Hal ini tentu akan mempengaruhi kualitas dari hasil analisis. Percobaan mengenai sentimen analisis dengan pendeteksian sarkasme lebih sering ditemukan pada penggunaan bahasa Inggris. Oleh karena itu, dengan mengacu pada penelitian yang dilakukan pada tweet berbahasa Inggris, pada penelitian ini kami menganalisa sentimen analisis bernada sarkasme pada Tweet berbahasa Indonesia dengan menggunakan fitur interjeksi dan unigram sebagai fitur utama oendeteksi kalimat sarkasme serta membandingkan 2 metode klasifikasi yaitu Naive Bayes dan Support Vector Machine dengan kernel polinomial. Fitur interjeksi menyatakan fitur yang memuat kata-kata yang mengungkapkan perasaan dan maksud seseorang, sedangkan fitur unigram merupakan kumpulan kata tunggal yang diperoleh dari korpus secara otomatis. Hasil eksperimen menunjukkan penggunaan fitur interjeksi dan unigram sebagai pendeteksian sarkasme pada tweet berbahasa Indonesia mampu meningkatkan akurasi dengan rata-rata kenaikan akurasi lebih dari 8% untuk classifier Naive Bayes dan lebih dari 13% untuk classifier Support Vector Machine dibandingkan hanya menggunakan fitur unigram saja. Hasil lainnya adalah akurasi terbaik adalah metode Naive Bayes dengan akurasi terbaik yang diperoleh mencapai lebih dari 91.