Claim Missing Document
Check
Articles

Penerapan Algoritme Fuzzy K-Nearest Neighbor (FK-NN) Pada Pengklasifikasian Penyakit Kejiwaan Skizofrenia Sianturi, Tania Oka; Furqon, Muhammad Tanzil; Indriati, Indriati
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 10 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (870.863 KB)

Abstract

Salah satu penyakit kejiwaan yang banyak menyerang penduduk Indonesia adalah penyakit kejiwaan Skizofrenia. Skizofrenia menyebabkan seseorang mengalami delusi, halusinasi, pikiran kacau, dan perubahan terhadap perilaku. Menurut Riset Kesehatan Dasar (Riskesdas) pada tahun 2013, prevalensi Skizofrenia sebesar 1,7% per 1000 penduduk atau sekitar 400.000 orang. Untuk wilayah Indonesia yang sangat luas dengan jumlah penduduk sekitar 237 juta, jumlah ahli jiwa atau psikiater yang dimiliki sekitar 616 orang tergolong masih sangat sedikit. Dengan keterbatasan tersebut diperlukan sebuah sistem yang dapat digunakan untuk membantu paramedis dalam mendiagnosis dan mengklasifikasi penyakit kejiwaan Skizofrenia. Pada penelitian ini diterapkan algoritme fuzzy K-nearest neighbor untuk mendiagnosis dan mengklasifikasi penyakit kejiwaan Skizofrenia. Jenis-jenis penyakit kejiwaan Skizofrenia yang digunakan pada penelitian ini yaitu Skizofrenia paranoid, Skizofrenia hebefrenik, Skizofrenia katatonik, Skizofrenia tak terinci, dan Skizofrenia simpleks. Proses klasifikasi terdiri atas tiga proses yaitu proses inisialisasi fuzzy, proses algoritme K-nearest neighbor, dan proses algoritme fuzzy K-nearest neighbor. Untuk menguji sistem, maka dilakukan pengujian terhadap nilai K dan pengujian terhadap K-Fold. Berdasarkan hasil pengujian terhadap nilai K, didapatkan nilai akurasi tertinggi sebesar 38,33% pada nilai K=5. Hasil pengujian pengaruh K-Fold didapatkan rata-rata nilai akurasi tertinggi sebesar 34,17% pada K-Fold=10.
Peringkasan Teks Otomatis Menggunakan Metode Maximum Marginal Relevance Pada Hasil Pencarian Sistem Temu Kembali Informasi Untuk Artikel Berbahasa Indonesia Saraswati, Nirmala Fa'izah; Indriati, Indriati; Perdana, Rizal Setya
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 11 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1023.851 KB)

Abstract

Mesin pencarian informasi merupakan sistem yang menampilkan dokumen sesuai dengan query masukan dari user. Namun, mesin pencari memberikan hasil perolehan pencarian yang sangat banyak, sehingga untuk mencari sebuah dokumen yang diinginkan tidak mungkin untuk membuka satu persatu dokumen yang dihasilkan oleh mesin pencari. Peringkasan teks dapat dilakukan untuk mendapatkan sebuah gambaran informasi dari sebuah dokumen, sehingga pengguna memperoleh dokumen yang tepat. Salah satu metode untuk meringkas teks adalah Maximum Marginal Relevance (MMR). Maximum Marginal Relevance (MMR) merupakan salah satu metode ekstraksi ringkasan (extractive summary) yang digunakan untuk meringkas dokumen tunggal atau multi dokumen. MMR meringkas dokumen dengan menghitung kesamaan (similarity) antara kalimat dengan kalimat dan antara kalimat dengan query. Berdasarkan hasil pengujian didapatkan hasil rata-rata Precision@k terbaik pada peringkat ke lima sebesar 0,96 untuk hasil sistem temu kembali informasi. Hasil pengujian terbaik dari rata-rata precision, recall, f-measure dan akurasi masing-masing sebesar 0,70, 0,75, 0,70 dan 74,17. Metode yang digunakan sudah cukup baik untuk mendapatkan dokumen yang relevan dengan query dan memperoleh ringkasan berdasarkan judul yang sesuai dengan isi dari dokumen.
CYBERBULLYING IDENTIFICATION IN TWITTER USING SUPPORT VECTOR MACHINE AND INFORMATION GAIN BASED FEATURE SELECTION Dwi Purnamasari, Ni Made Gita; Fauzi, M. Ali; Indriati, Indriati; Dewi, Liana Shinta
Indonesian Journal of Electrical Engineering and Computer Science Vol 18, No 3: June 2020
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v18.i3.pp1494-1500

Abstract

Cyberbullying is one of the actions that violate the ITE Law where the crime is committed on social media applications such as Twitter. This action is difficult to detect if no one is reporting the tweet. Cyberbullying tweet identification aims to classify tweets that contain bullying. Classification is done using Support Vector Machine method where this method aims to find the dividing hyperplane between negative and positive class. This study is a text classification where more data is used, the more features are produced, therefore this research also uses Information Gain as feature selection to select features that are not relevant to the classification. The process of the system starts from text preprocessing with tokenizing, filtering, stemming and term weighting. Then perform the information gain feature selection by calculating the entropy value of each term. After that perform the classification process based on the terms that have been selected, and the output of the system is identification whether the tweet is bullying or not. The result of using SVM method is accuracy 75%, precision 70.27%, recall 86.66% and f-measure 77.61% on experiment maximum iteration = 20, ? = 0.5, ? = 0.001, ? = 0.000001, and C = 1. The best threshold of information gain is 90%, with accuracy 76.66%, precision 72.22%, recall 86.66% and f-measure 78.78%.
Implementasi Named Entity Recognition Pada Factoid Question Answering System Untuk Cerita Rakyat Indonesia Kurniawati, Yulia; Indriati, Indriati; Adikara, Putra Pandu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 9 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (268.681 KB)

Abstract

Legenda daerah atau cerita rakyat merupakan cerita yang berkembang diantara ragam budaya Indonesia yang telah turun-menurun diwariskan. Cerita rakyat merupakan sebuah cerita dari masa lampau yang dipercayai sebagai peristiwa yang benar terjadi, biasanya cerita rakyat tersebut berupa asal mula dari suatu tempat. Kurangnya sarana yang menarik dalam memperkenalkan cerita rakyat tersebut menjadi salah satu alasan kurang diminatinya cerita rakyat Indonesia. Selain itu tingkat pemahaman anak yang masih kurang dibanding orang dewasa menyebabkan mereka mudah melupakan cerita rakyat tersebut ketika mereka kurang mengerti terhadap cerita rakyat Indonesia tersebut.  Penelitian ini bertujuan mempermudah anak-anak dalam memahami cerita tersebut. Oleh karena itu peneliti membuat question answering system dengan menggunakan metode Named Entity Recognition. Pengklasifikasian named entity pada penelitian ini menggunakan metode naive bayes.Pada penelitian ini digunakan empat named entity untuk mengenali kata yang selanjutnya akan dijadikan kandidat jawaban antara lain product, person, location dan none. Di mana none bukan merupakan entitas. Selain itu tipe pertanyaan yang dapat diajukan pada question answering system ini adalah Factoid Question yaitu berupa pertanyaan yang jawabannya berupa fakta yang singkat dan padat bukan berupa uraian. Data yang digunakan merupakan lima cerita rakyat Indonesia yang diperoleh dari internet dan hasil klasifikasi Named Entity memiliki nilai precision sebesar 34,22%, accuracy pengklasifikasian NE sebesar 64,65% dan recall sebesar 13,13% sedangkan untuk question answering accuracy sistem didapatkan akurasi sebesar 16,7%.
PREDIKSI PENERIMAAN BEA CUKAI MENGGUNAKAN METODE SUPPORT VECTOR REGRESSION (STUDI KASUS DI KPPBC TIPE MADYA PABEAN C JEMBER) Wirahmi, Dinda Adilfi; Cholissodin, Imam; Indriati, Indriati
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 3 No 11 (2019)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (632.85 KB)

Abstract

Instansi yang bergerak di bidang bea cukai memiliki tugas menghimpun penerimaan negara dalam sektor bea dan cukai. Penerimaan tersebut memegang peranan penting dalam mendukung pembangunan infrastruktur. Untuk mengontrol penerimaan, dibutuhkan prediksi sebagai syarat untuk melakukan perencanaan pembiayaan Anggaran Pendapatan dan Belanja Negara (APBN) yang baik. Prediksi digunakan sebagai tindakan untuk optimalisasi dan pengontrolan penerimaan. Namun, prediksi sulit dilakukan karena penerimaan tersebut juga mendapat pengaruh dari faktor eksternal yang sulit diprediksi. Untuk mengatasi masalah tersebut, diperlukan suatu pendekatan yang logis dan dapat dipertanggungjawabkan untuk memprediksi penerimaan. Metode prediksi yang digunakan adalah Support Vector Regression (SVR). Algoritme ini memiliki kinerja kuat dalam melakukan identifikasi terhadap pola dataset time series dan dapat memberikan hasil prediksi yang baik apabila penentuan parameter secara baik karena kinerjanya sangat bergantung pada parameter di dalamnya. Implementasi SVR pada penelitian ini menggunakan kernel RBF dengan nilai variasi parameter yaitu sigma = 0.13, lambda = 3.29 , cLR = 0.02, epsilon = 0.00001 dan C = 10, iterasi = 15000 serta menggunaan 4 fitur data menghasilkan MAPE terbaik <20% sehingga dapat dikategorikan bahwa SVR akurat dalam melakukan prediksi penerimaan bea cukai.
KLASIFIKASI EMOSI LAGU BERDASARKAN LIRIK PADA TEKS BERBAHASA INDONESIA MENGGUNAKAN K-NEAREST NEIGHBOR DENGAN PEMBOBOTAN WIDF Armianti, Diajeng Ninda; Indriati, Indriati; Adinugroho, Sigit
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 3 No 10 (2019)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (343.176 KB)

Abstract

Dalam penciptaan sebuah lagu, salah satu komponen utama sebuah lagu yang harus diperhatikan adalah lirik. Lirik berperan penting dalam penyampaian emosi maupun maksud dari pencipta lagu terhadap pendengar. Terkadang, emosi yang disampaikan oleh seniman masih mengalami kesalahan penafsiran oleh pendengar. Oleh sebab itu, untuk menghindari kesalahan dalam penafsiran lirik lagu secara manual, diperlukan suatu proses pengklasifikasian secara otomatis tanpa harus mencermati lirik satu persatu. Klasifikasi juga bertujuan untuk memperoleh emosi dari lirik yang lebih akurat. Salah satu metode yang dapat digunakan adalah metode k-nearest neighbor. Sebelum melakukan proses klasifikasi, dilakukan beberapa tahapan lainnya diantaranya text preprocessing dan pembobotan dengan metode WIDF. Data yang digunakan berjumlah 108 data dengan perbandingan 1:5 dimana 18 data untuk data uji dan 90 data untuk data latih dengan jumlah data tiap kelas seimbang. Hasil pengujian pada 6 kali percobaan berdasarkan nilai k yang diambil secara acak menunjukkan nilai rata-rata precision terbaik sebesar 0,49 dan nilai recall terbaik sebesar 0,53. Klasifikasi lirik lagu dengan pembobotan WIDF menunjukkan hasil akurasi yang kurang baik dengan nilai 66%. Keambiguan kata dan jumlah data latih menyebabkan nilai akurasi yang kurang optimal.    
PERANAN PEMAHAMAN PETUNJUK OPERASIONAL DALAM PROGRAM BORLAND DELPHI DAN KESERINGAN BERLATIH TERHADAP KEMAMPUAN MENGOPERASIKAN PROGRAM BORLAND DELPHI Indriati, Indriati; Suyono, Suyono
AKSIOMA : Jurnal Matematika dan Pendidikan Matematika Vol 6, No 1/Maret (2015): AKSIOMA: Jurnal Matematika dan Pendidikan Matematika
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/aks.v6i1/Maret.865

Abstract

Mata kuliah sistem basis data terdiri atas teori dan praktek. Jadi, mahasiswa harus menguasai teori dulu sebelum mereka berparaktek. Teori ini diperoleh mahasiswa dari kuliah dilengkapi buku/diktat sistem basis data tentang pemrograman Borland Delphi. Di dalam program Borlnd Delphi itu terdapat petunjuk pengoperasian berbahasa Inggris. Jadi, untuk bisa mengoperasikan program Borland Delphi, mahasiswa harus bisa memahami petunjuk berbahasa Inggris itu. Dengan memahami petunjuk itu diharapkan mahasiswa bisa berpraktek mengoperasikan program Borland Delphi untuk bisa menghasilkan sesuatu yang printout-nya berupa listing kode program (teks) dan gambar komponen program. Untuk sampai kepada keterampilan itu, mahasiswa perlu berlatih. Masalahnya ialah variabel mana yang lebih signifikan menentukan keterampilan mengoperasikan program Borland Delphi, kemampuan memahami petunjuk berbahasa Inggris dalam program Borland Delphi tentang pengoperasian Program Borland Delphi atau keseringan berlatih. Untuk memecahkan masalah itu dilakukan penelitian ex post facto di Universitas PGRI Semarang, khususnya mahasiswa jurusan S1 Pendidikan Teknologi Informasi, Fakultas PMIPATI semester 3 yang sedang menempuh mata kuliah sistem basis data. Mereka terdapat 2 kelas, setiap kelas rata-rata 21 orang mahasiswa. Untuk sasaran penelitian ini diambil 16 orang setiap kelasnya, sehingga jumlah mereka 32 orang. Dalam penelitian ini ada 3 jenis data, yaitu: (1) data tentang kemampuan memahami petunjuk operasional berbahasa Inggris yang ada dalam program Borland Delphi, (2) data tentang keseringan berlatih, dan (3) data tentang kemampuan mengoperasikan program Borland Delphi. Data tentang kemampuan mengoperasikan program Borland Delphi dan data kemampuan memahami petunjuk operasional berbahasa Inggris dalam program Borland Delphi diperoleh dengan tes, sedangkan data tentang keseringan berlatih diperoleh dengan kuesioner. Hasil uji lanjut, uji keberartian koefisien korelasi parsial, diketahui bahwa kemampuan memahami petunjuk operasional berbahasa Inggris dalam program Borland Delphi mempunyai peranan yang signifikan terhadap kemampuan mengoperasikan program Borland Delphi. Hal itu terbukti dari hasil uji lanjut bahwa t1=5,385>tsig.5%=2,04. Sebabnya ialah mahasiswa telah mempelajari buku/diktat mata kuliah sistem basis data berbahasa Indonesia tentang pemrograman Borland Delphi serta tetap memperhatikan petunjuk pengoperasian program Borland Delphi yang berbahasa Inggris, mereka bisa mengoperasikannya. Sebaliknya keseringan berlatih tidak memberikan peranan signifikan terhadap kemampuan mengoperasikan program Borland Delphi. Hal ini terbukti dari hasil uji lanjut bahwa t2=-0,029<tsig.5%=2,04. Ini berarti bahwa semakin tidak banyak berlatih, semakin tidak terampil mengoperasikan program Borland Delphi dan kurang memahami petunjuk berbahasa Inggris yang ada dalam program Borland Delphi. Kata Kunci: Peranan, Pemahaman, Berlatih, Kemampuan, Program Borland Delphi
Penerapan Metode K–Nearest Neighbor (KNN) dan Metode Weighted Product (WP) Dalam Penerimaan Calon Guru Dan Karyawan Tata Usaha Baru Berwawasan Teknologi (Studi Kasus : Sekolah Menengah Kejuruan Muhammadiyah 2 Kediri) Indriati, Indriati; Setiawan, Budi Darma
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 1 No 5 (2017)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (878.441 KB)

Abstract

Pada dunia kerja yang khususnya instansi sekolah menengah kejuruan, banyak seorang guru atau karyawan sekolah yang kurang mengenal dan menguasai dalam bidang teknologi tentang perkembangan teknologi sekarang ini. Sebenarnya hal ini sangat memerlukan guru maupun karyawan tata usaha sekolah yang berkualitas mempunyai sumber daya manusia tinggi akan pengetahuan tentang IPTEK. Pihak sekolah sangat memerlukan hal tersebut karena sangat mempengaruhi cara melakukan pembelajaran pada siswa - siswi di sekolah. Untuk memenuhi standar kualitas guru yang diinginkan, selama ini pihak sekolah SMK Muhammadiyah Kediri 2 ini melakukan seleksi penerimaan calon guru dan karyawan dengan cara manual. Seleksi yang selama ini dilakukan secara manual melalui tahap tes 4 aspek yaitu surat lamaran beserta lampiran IPK rata – rata, tes akademik, tes pengetahuan umum tentang IPTEK, dan tes wawancara. Proses pengumpulan data untuk seleksi masih menggunakan cara manual. Oleh sebab itu, dibutuhkan suatu sistem berbasis website sehingga seleksi penerimaan calon guru baru dapat berjalan lebih efektif dan efisien. Pada website ini menggunakan metode K-Nearest Neighbor (KNN) dan metode Weighted Product (WP). K-Nearest Neighbor digunakan untuk menentukan nilai bobot setiap kriteria dengan mengklasifikasikan dengan baik atau buruk. Setelah mengklasifikasikan dengan metode KNN, pemilihan calon guru yang akan direkrut oleh sekolah SMK Muhammadiyah 2 Kediri menggunakan metode Weight Product (WP). Weight Product digunakan untuk menentukan hasil klasifikasi oleh metode KNN dengan melakukan perankingan agar dapat diambil hasil yang terbaik. Pengujian yang dilakukan terdiri dari, pengujian akurasi terhadap nilai K dan pengujian akurasi terhadap kriteria nilai bobot metode WP. Hasil dari pengujian pengaruh nilai K terbaik dengan beberapa kriteria nilai bobot diperoleh nilai akurasi nilai akurasi sebesar 94%, precision 80%, dan nilai recall 80%.
ANALISIS SENTIMEN TENTANG OPINI PERFORMA KLUB SEPAK BOLA PADA DOKUMEN TWITTER MENGGUNAKAN SUPPORT VECTOR MACHINE DENGAN PERBAIKAN KATA TIDAK BAKU Pakpahan, Swandy Raja Manaek; Indriati, Indriati; Marji, Marji
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 3 No 7 (2019)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (869.303 KB)

Abstract

Sepak bola merupakan salah satu olahraga paling diminati masyarakat dunia, termasuk Indonesia. Sebuah klub sepak bola sangat bergantung pada pendukungnya sehingga kepuasan pendukung sebuah klub sepak bola harus dapat dijaga. Pendukung klub sepak bola sendiri cukup sering memberikan argumen terhadap sebuah klub sepak bola melalui media Twitter. Oleh karena itu, penulis mengusulkan penelitian untuk membangun sistem analisis sentimen terhadap opini performa klub sepak bola pada dokumen Twitter. Penelitian ini menggunakan metode Support Vector Machine dan perbaikan kata Levenshtein Distance. Tahapan yang dilakukan dimulai dengan melakukan preprocessing pada data, kemudian melakukan perbaikan kata dengan Levenshtein Distance, pembobotan Term Frequency-Inverse Document Frequency, dilanjutkan dengan klasifikasi menggunakan Support Vector Machine. Hasil pengujian dengan nilai tertinggi didapatkan sebesar 83,25% dengan parameter learning rate = 0,0001, complexity = 0,001, lambda = 0,1, epsilon = 0,0001 dan nilai iterasi maksimal = 50.
PERANAN PEMAHAMAN PETUNJUK OPERASIONAL DALAM PROGRAM BORLAND DELPHI DAN KESERINGAN BERLATIH TERHADAP KEMAMPUAN MENGOPERASIKAN PROGRAM BORLAND DELPHI Indriati, Indriati; Suyono, Suyono
AKSIOMA Vol 6, No 1/Maret (2015): AKSIOMA
Publisher : IKIP PGRI Semarang

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

Abstract

Mata kuliah sistem basis data terdiri atas teori dan praktek. Jadi, mahasiswa harus menguasai teori dulu sebelum mereka berparaktek. Teori ini diperoleh mahasiswa dari kuliah dilengkapi buku/diktat sistem basis data tentang pemrograman Borland Delphi. Di dalam program Borlnd Delphi itu terdapat petunjuk pengoperasian berbahasa Inggris. Jadi, untuk bisa mengoperasikan program Borland Delphi, mahasiswa harus bisa memahami petunjuk berbahasa Inggris itu. Dengan memahami petunjuk itu diharapkan mahasiswa bisa berpraktek mengoperasikan program Borland Delphi untuk bisa menghasilkan sesuatu yang printout-nya berupa listing kode program (teks) dan gambar komponen program. Untuk sampai kepada keterampilan itu, mahasiswa perlu berlatih. Masalahnya ialah variabel mana yang lebih signifikan menentukan keterampilan mengoperasikan program Borland Delphi, kemampuan memahami petunjuk berbahasa Inggris dalam program Borland Delphi tentang pengoperasian Program Borland Delphi atau keseringan berlatih. Untuk memecahkan masalah itu dilakukan penelitian ex post facto di Universitas PGRI Semarang, khususnya mahasiswa jurusan S1 Pendidikan Teknologi Informasi, Fakultas PMIPATI semester 3 yang sedang menempuh mata kuliah sistem basis data. Mereka terdapat 2 kelas, setiap kelas rata-rata 21 orang mahasiswa. Untuk sasaran penelitian ini diambil 16 orang setiap kelasnya, sehingga jumlah mereka 32 orang. Dalam penelitian ini ada 3 jenis data, yaitu: (1) data tentang kemampuan memahami petunjuk operasional berbahasa Inggris yang ada dalam program Borland Delphi, (2) data tentang keseringan berlatih, dan (3) data tentang kemampuan mengoperasikan program Borland Delphi. Data tentang kemampuan mengoperasikan program Borland Delphi dan data kemampuan memahami petunjuk operasional berbahasa Inggris dalam program Borland Delphi diperoleh dengan tes, sedangkan data tentang keseringan berlatih diperoleh dengan kuesioner. Hasil uji lanjut, uji keberartian koefisien korelasi parsial, diketahui bahwa kemampuan memahami petunjuk operasional berbahasa Inggris dalam program Borland Delphi mempunyai peranan yang signifikan terhadap kemampuan mengoperasikan program Borland Delphi. Hal itu terbukti dari hasil uji lanjut bahwa t1=5,385&gt;tsig.5%=2,04. Sebabnya ialah mahasiswa telah mempelajari buku/diktat mata kuliah sistem basis data berbahasa Indonesia tentang pemrograman Borland Delphi serta tetap memperhatikan petunjuk pengoperasian program Borland Delphi yang berbahasa Inggris, mereka bisa mengoperasikannya. Sebaliknya keseringan berlatih tidak memberikan peranan signifikan terhadap kemampuan mengoperasikan program Borland Delphi. Hal ini terbukti dari hasil uji lanjut bahwa t2=-0,029&lt;tsig.5%=2,04. Ini berarti bahwa semakin tidak banyak berlatih, semakin tidak terampil mengoperasikan program Borland Delphi dan kurang memahami petunjuk berbahasa Inggris yang ada dalam program Borland Delphi. Kata Kunci: Peranan, Pemahaman, Berlatih, Kemampuan, Program Borland Delphi
Co-Authors Abdurasyid, Muhammad Achmad Ridok Agiyola, Tasya Agus Wahyu Widodo, Agus Wahyu Agusvina, Novia Ahmad Afif Supianto Akbar, Mohammad Birky Auliya Alfriani, Delisa Alvianda, Ferdi Andhika Satria Pria Anugerah, Andhika Satria Pria Andriani, Desy Andrianto, Brian Ardiansyah, Candra Arief Andy Soebroto Arinda Ayu Puspitasari, Arinda Ayu Arisetiawan, Anak Agung Bagus Ariyanti, Rizky Nur Armianti, Diajeng Ninda Ashshiddiqi, Arthur Julio Risa Ayu Tifany Novarina, Ayu Tifany Ayudita, Indah Mutia B, Berlian Bidari Ratna Sari Bachtiar, Fitra Abdurrachman Bachtiar, Fitra Abdurrachman Bayu Rahayudi Binawan, Deri Hendra Budi Darma Setiawan, Budi Darma Burhannudin, Achmad Butar Butar, Thio Marta Elisa Yuridis Cahyani, Riza Candra Dewi Dahniawati, Dina Daneswara Jauhari, Daneswara Deny Stevefanus Chandra, Deny Stevefanus desy wulandari Dewi, Liana Shinta Dewi, Liana Shinta Dewi, Ratih Karika Dian Eka Ratnawati Difitria, Rien Durrotul Fakhiroh, Durrotul Dwi Purnamasari, Ni Made Gita Edy Santoso Fahriansyah, Bagus Abdan Aziz Fanesya, Fera Fauzan, Mohamad Alfi Febrianti, Nurdifa Febrianti, Yane Marita Frans Agum Gumelar, Frans Agum Frinta, Khalisma Gotami, Nurina Savanti Widya Hakiem, Muhammad Hakim, Beta Deniarrahman Hamdhani, Ghiffary Rizal Hanifah, Sabrina Hutapea, Anjelika I Made Budi Surya Darma, I Made Budi Surya Idris, Hilmy Khairi Imam Cholissodin Iriani, Putri Rahma Isadi, Lusiyana Adetia Joda Pahlawan Romadhona Tanjung, Joda Pahlawan Romadhona Kartini, Nanda Ajeng Keaan, Liana Shanty Wato Wele Khaira Istiqara, Khaira Kurniawan, Arifin Lailil Muflikhah Laxmi, Mahdarani Dwi Lidya, Febriana Ranta LINDA PRATIWI M. Ali Fauzi, M. Ali M. Tanzil Furqon, M. Tanzil M. Zainal Abidin Mahendra, Luthfi Mardji Mardji, Mardji Marji Marji Maulana, Mohammad Imron Merry Gricelya Nababan, Merry Gricelya Mochammad Ali Fauzi, Mochammad Ali Mugi Hartoyo Muhammad Tanzil Furqon, Muhammad Tanzil Musanah, Binti Robiyatul Muslimah, Nurul Nanda Cahyo Wirawan, Nanda Cahyo Nathania, Dea Zakia Nofiana, Nana Nur Intan Savitri Bromastuty, Nur Intan Savitri Nurfarida, Riska Dewi Nurul Hidayat Onantya, Indriya Dewi Pakpahan, Swandy Raja Manaek Paramitha, Adella Ayu Perdana, Arya Prana, Pengkuh Aditya Pranata, Ardhimas Ilham Bagus Prasetyo, Andre Rino Priatmayanti, Firda Purnamasari, Ni Made Gita Dwi Putra Pandu Adikara Putri, Chandra Ayu Anindya Rafliza, Erma Rahardiani, Nadya Oktavia Randy Cahya Wihandika, Randy Cahya Ravi, Muhammad Reza Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi Riskiyah Riskiyah, Riskiyah Riyant Fajar, Riyant Rizal Setya Perdana Rizaldy Aditya Nugraha, Rizaldy Aditya Rizky Haqmanullah Pambudi, Rizky Haqmanullah Robbana, Siti Royyan, Ahmad Nur Ruslim, Katherine Ivana Sabilal, Billy Sakariana, Marinda Ika Dewi Santoso, Nurudin Saputra, Firhad Rinaldi Saputra, Riski Nova Saraswati, Nirmala Fa'izah Satrio, Rakhman Halim Septrinas, Enggar Sianturi, Tania Oka Sigit Adinugroho Sinaga, Febrina Sarito Sri Utami Dwiningsih Sutrisno, Sutrisno Suyono Suyono Tampubolon, Yobel Leonardo Tuti Anggarawati, Tuti Tutik Setyowati, Tutik Utami, Ratna Tri Vera Rusmalawati, Vera Wardani, Faradila Puspa Wayan Firdaus Mahmudy Wibowo, Aghata Agung Dwi Kusuma Wicaksono, Rahmat Arbi Widyastomo, Dhony Lastiko Widyaswari, Putu Amelia Vennanda Wien Soelistyo Adi, Wien Soelistyo Wirahmi, Dinda Adilfi Yanti, Dwi Suci Ariska Yaqiin, Fardan Ainul Yuita Arum Sari Yulia Kurniawati, Yulia Yuni Astuti Yusuf Hartono Zahra Swastika Putri, Zahra Swastika