cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota bandung,
Jawa barat
INDONESIA
Indonesian Journal on Computing (Indo-JC)
Published by Universitas Telkom
ISSN : 24609056     EISSN : -     DOI : -
Core Subject : Science,
Indonesian Journal on Computing (Indo-JC) is an open access scientific journal intended to bring together researchers and practitioners dealing with the general field of computing. Indo-JC is published by School of Computing, Telkom University (Indonesia).
Arjuna Subject : -
Articles 114 Documents
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%.
DETEKSI POLA AMBIGUITAS STRUKTURAL PADA SPESIFIKASI KEBUTUHAN PERANGKAT LUNAK MENGGUNAKAN PEMROSESAN BAHASA ALAMI Lelywiary, Chlaudiah Julinar Soplero; Widowati, Sri; Lhaksamana, Kemas Muslim
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.2019.4.3.355

Abstract

Spesifikasi Kebutuhan Perangkat Lunak (SKPL) merupakan dokumen yang dihasilkan dari proses rekayasa kebutuhan dan memegang peranan penting dalam pengembangan perangkat lunak. Sekitar 87.7% dokumen SKPL ditulis menggunakan bahasa alami. Masalah terbesar dalam penulisan dengan bahasa alami adalah kesalahan interpretasi yang disebabkan karena terdapat kata-kata yang ambigu. Jika terjadi ambigu dan tidak dideteksi secepat mungkin, maka kesalahan interpretasi dapat mengarah pada hasil perangkat lunak tidak sesuai dengan kebutuhan pengguna. Hal ini membuat masalah ambigu dalam SKPL sangat penting untuk ditangani. Sudah terdapat berbagai penelitian mengenai solusi penanganan ambigu dalam SKPL, dan hampir sebagian besar menggunakan SKPL dalam Bahasa Inggris. Penelitian ini bertujuan untuk mendeteksi ambigu yang terjadi akibat struktur pernyataan kebutuhan perangkat lunak yang salah pada SKPL dalam Bahasa Indonesia. Adapun metode yang diusulkan adalah pola bahasa alami berdasarkan Part-of-Speech Tag Hidden Markov Model-Viterbi, dan pola tersebut dideteksi dengan Regular Expression Parsing. Pola bahasa alami yang diusulkan dievaluasi dengan nilai indeks Kappa. Hasil dari analisis pola bahasa alami memiliki nilai indeks Kappa tertinggi sebesar 0.9139, yang berarti ahli sangat sepakat terhadap hasil deteksi ambigu struktural dengan pola bahasa alami.
CLUSTERING OF EARTHQUAKE PRONE AREAS IN INDONESIA USING K-MEDOIDS ALGORITHM Senduk, Fiona Ramadhani; Indwiarti, Indwiarti; Nhita, Fhira
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.2019.4.3.359

Abstract

Located right above the ring of fire makes Indonesia prone to natural disasters, especially earthquakes. With the number of earthquakes that have occurred, disaster mitigation is very much needed. The use of data mining methods will certainly help in disaster mitigation. One method that can be used is clustering. The clustering algorithm used in this study is k-Medoids, and comparison with the k-means algorithm is also carried out. The data used are earthquake data from all regions in Indonesia during 2014-2018 that were recorded by the United State Geological Survey (USGS). The results obtained showed that k-medoids giving better silhouette results and computational time than k-means. For the k-medoids cluster results, the highest value of silhouette was 0.4574067 with k = 6. The analysis of each cluster is presented in this paper.Keywords: clustering,data mining, earthquake, k-medoid.
DETEKSI LOKASI PENCEMARAN AIR SUNGAI CITARUM BERBASIS IOT MENGGUNAKAN FUZZY INFERENCE SYSTEM Widowati, Annisa Gustien; Suwastika, Novian Anggis; Yasirandi, Rahmat
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.2019.4.3.315

Abstract

Citarum merupakan sumber dari denyut nadi perekonomian Indonesia sebesar 20% total produksi industri Indonesia dan sumber dari 60% produksi tekstil nasional. Kegiatan produksi tersebut menimbulkan permasalahan lingkungan akibat pembuangan limbah rumah tangga dan industri yang tidak menggunakan Instalasi Pengolahan Air Limbah (IPAL) secara optimal. Salah satu kendala dalam mengatasi pencemaran air sungai Citarum adalah menentukan lokasi dengan tingkat pencemaran tertinggi. Untuk mendeteksi lokasi pencemaran diperlukan pemantauan air sungai Citarum dengan pengambilan data terus-menerus secara realtime dan pengklasifikasian tingkat pencemaran dibutuhkan. Solusi dari permasalahan pendeteksian lokasi pencemaran dapat dibangun dengan memanfaatkan teknologi Internet of Things (IoT) sebagai solusi pembacaan data secara terus-menerus dan realtime. Kebutuhan klasifikasi didalam sistem diterapkan dengan metode fuzzy inference system tipe Mamdani dengan sifat dasar aturan yang dapat ditafsirkan, intuitif dan banyak digunakan khususnya untuk mendukung pengambilan keputusan yang dengan tingkat akurasi yang tinggi. Hasil yang didapatkan dari pengujian berdasarkan skenario pengujian tingkat akurasi klasifikasi sistem yang telah dilakukan menunjukkan akurasi sebesar 92% dengan nilai toleransi error pada sistem sebesar 4% serta toleransi akurasi pembacaan data oleh perangkat keras sistem yang dibangun menunjukkan pH 3.94%, TDS 4.92% dan suhu 1.84% dari deteksi di lima lokasi sungai Citarum di Bandung Selatan.
PEMBANGUNAN KORPUS DARI RANGKAIAN KATA YANG BERULANG PADA AL-QURAN Rasyid, Miftahul Adnan; Bijaksana, Moch Arif; Asror, Ibnu
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.2019.4.3.351

Abstract

Salah satu cara untuk memahami al-Quran adalah dengan melakukan penafsiran yang benar dan tidak menyimpang, yaitu dengan memperhatikan redaksi kata yang digunakan dalam merangkai ayat-ayat al-Quran. Dengan cara tersebut, maka dapat ditemukan ayat lainnya yang memiliki rangkaian kata yang menyerupai. Salah satu cara untuk mencari ayat yang sama berdasarkan rangkaian kata tersebut adalah dengan menggunakan pendekatan Longest Common Subsequence (LCS) yang dapat mencari rangkaian kata terpanjang bersama dari suatu pasangan teks. Hasil dari pencarian ayat yang sama ini kemudian dikumpulkan hingga menjadi korpus yang diharapkan dapat membantu umat manusia dalam menafsirkan al-Quran. Penelitian ini menghasilkan suatu sistem yang dapat mencari ayat yang sama menggunakan pendekatan LCS, kemudian hasilnya akan dikumpulkan menjadi suatu korpus berdasarkan hasil LCS. Hasil rata-rata yang diperoleh dari beberapa pengujian yang telah dilakukan adalah Data Arab mendapatkan nilai precision adalah 46.84%, nilai recall adalah 96.13%, dan nilai f1-score adalah 62.96%. Sedangkan untuk Data Indonesia mendapatkan nilai precision adalah 40.57%, nilai recall adalah 97.56%, dan nilai f1-score adalah 57.04%
KLASIFIKASI GENDER DAN USIA BERDASARKAN SUARA PEMBICARA MENGGUNAKAN HIDDEN MARKOV MODEL Handoko, Irfan Tri; Suyanto, Suyanto
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.2019.4.3.375

Abstract

Klasifikasi usia-genderberdasarkan suara sangat berguna dalam perkenalan pidato dan dalam pengenalan emosi. Klasifikasi genderjuga telah diterapkan dalam pengenalan wajah, peringkasan video, penentuan tingkat izin yang berbeda untuk kelompok umur yang berbeda, dan lainnya. Pengelompokan usia yang berbeda dibagi menjadi tiga kelompok: anak, muda, menengah, dan senior berdasarkan rentang usia tertentu. Penelitian ini berfokus pada klasifikasi usia-gender berdasarkan suara pembicara menggunakan gabungan Gaussian Mixture Modeldan Hidden Markov Model(GMM-HMM). Pertama, dilakukan pembangunan vektor ciri menggunakan Mel-Frequency Cepstrum Coefficient (MFCC). Selanjutnya, dilakukan pelatihan untuk menghasilkan model akustik untuk semua penutur (pria dan wanita dari berbagai usia) di dalam basisdata pelatihan. Terakhir, HMM diterapkan untuk mendeteksi genderdan kelompok usia. Pada penelitian ini, basisdata suara diambil dari situs Common Voice, yang berisi banyak posting blog, buku-buku lama, film, dan pidato publik lainnya. Hasil eksperimen menunjukkan bahwa model GMM-HMM yang telah dibangun mampu melakukan klasifikasi usia-genderdengan akurasi hingga 96,4%. Model ini dapat diperbaiki dengan pengaturan parameter secara lebih presisi dan penggunaan dataset yang lebih besar.Kata Kunci: Klasifikasi, Mel-Frequency Cepstrum Coefficient, Acoustic Models, Gaussian Mixture Model, Hidden Markov Model
IMPLEMENTASI GENETIC ALGORITHM DALAM MODEL ARIMA UNTUK MEMPREDIKSI OBSERVASI TIME SERIES Pamungkas, Rangga Arya; Indwiarti, Indwiarti; Rohmawati, Aniq Atiqi
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.2019.4.3.353

Abstract

Nilai harga saham selalu berubah-ubah dan berfluktuasi setiap harinya. Untuk menghadapi masalah mengenai ketidakpastian harga saham, perlu dilakukan suatu peramalan time series untuk memprediksi harga saham di masa mendatang. Pada penelitian ini, metode yang digunakan untuk memprediksi harga saham adalah metode Autoregressive Moving Average (ARIMA). Untuk meningkatkan akurasi dari prediksi harga saham, akan diimplementasikan Genetic Algorithm (GA) pada model ARIMA terbaik yang didapatkan dari proses ARIMA. Hasil dari penelitian ini menunjukkan bahwa prediksi harga saham dengan menggunakan model ARIMA (1,1,1) memiliki nilai Root Mean Square Error (RMSE) sebesar 418.1314. Sedangkan hasil prediksi harga saham dengan mengimplementasikan GA pada model ARIMA (1,1,1) dengan 600 generasi, 1200 generasi, 1800 generasi, 2400 generasi, dan 3000 generasi masing-masing memiliki nilai RMSE berturut-turut sebesar 5827.738, 1319.903, 1080.704, 563.7984, dan 371.0107. Hasil yang didapat menunjukkan bahwa pengimplementasian GA pada ARIMA dengan 3000 generasi dapat meningkatkan akurasi prediksi harga saham, yaitu dengan memiliki nilai RMSE sebesar 371.0107.Kata Kunci: GA, Harga Saham, Model ARIMA, Prediksi, RMSE
METODE RAYLEIGH RITZ CUBIC SPLINE UNTUK SIMULASI DISPLACEMENT BATANG SUCKER ROD Bacharuddin Noor, Lazuardy Azhari; Aditsania, Annisa; Gunawan, Putu Harry
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.2019.4.3.350

Abstract

Artificial Lift adalah salah satu mekanisme pengangkatan buatan minyak bumi. Mekanisme ini digunakan bila minyak sudah tidak dapat mengalir akibat menurunnya tekanan pada lubang sumur. Sucker beam rod pump adalah salah satu jenis pengangkatan buatan. Penelitian bertujuan menganalisis desain sistem pemompaan berdasarkan renggangan atau displacement dari sucker rod. Sucker rod adalah salah satu komponen dari sistem sucker rod beam pump yang terletak dalam sumur penambangan. Batang ini berfungsi sebagai tempat bergantungnya muatan minyak. Displacement atau renggangan dimodelkan sebagai persamaan gelombang. Perhitungan numerik dilakukan untuk  menentukan solusi persamaan displacement sucker rod. Solusi dari persamaan displacement ini pada tahap berikutnya dapat digunakan sebagai informasi tambahan bagi operator sucker rod beam pump untuk mengetahui kondisi dari sucker rod di sumur. Pada penelitian ini metode Rayleigh Ritz digunakan untuk menentukansolusi numeerik persamaan tersebut. Solusi yang didapat dari perhitungan numerik ini adalahmatriks yang menunjukan perenggangan terhadap segmen sucker rod dan waktu. Hasil yangdidapat memiliki galat 1:43 10?13.
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
ENTITY RECOGNITION FOR QURAN ENGLISH VERSION WITH SUPERVISED LEARNING APPROACH Maulana, Muhammad Aris; Bijaksana, Moch. Arif; Huda, Arief Fatchul
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.2019.4.3.362

Abstract

The Quran is a Muslim holy book that consists of 6236 ayat or verses which divides into 144 surahs or chapters. In each chapter, there are many entities scattered in each verse. For a person, finding a particular entity will be difficult without a classification process, Resulting in difficulties in understanding the Quran. A system can be modeled to extract the information on entities in the Quran to solve this problem. Therefore, we want to offer a method to identify and classify entities using Entity recognition. The system will use the SVM techniques where the system will be given various entities from the Quran as an input to be able to identify correct entities. We are using the dataset obtained from website tanzil.net consists of 19.473 tokens and 720 entities. The classification scenario using a linear kernel with unigram produces the highest f-measure value of 0.75.Al-Quran merupakan kitab suci Muslim yang terdiri dari 6236 ayat atau bait yang dibagi menjadi 144 surah atau bab. Di setiap bab, ada banyak entitas yang tersebar di setiap ayat. Bagi seorang individu, menemukan entitas tertentu akan sulit tanpa proses klasifikasi yang membuat kesulitan dalam memahami Quran. Sebuah sistem dapat dimodelkan untuk mengekstrak informasi tentang entitas dalam Al-Quran untuk menyelesaikan masalah ini. Oleh karena itu, kami menawarkan sistem untuk mengidentifikasi dan mengklasifikasikan entitas menggunakan Entity Recognition. Sistem akan menggunakan teknik SVM di mana sistem akan diberikan berbagai entitas dari Quran sebagai input untuk dapat mengidentifikasi entitas yang benar. Kami menggunakan dataset yang diperoleh dari situs web tanzil.net terdiri dari 19.473 tokens dan 720 entitas. Skenario klasifikasi yang menggunakan linear kernel dengan unigram memperoleh nilai f-measure tertinggi sebesar 0,75.

Page 1 of 12 | Total Record : 114