Hasil Pencarian  ::  Simpan CSV :: Kembali

"Skripsi ini membahas penelitian dan perancangan sebuah sistem web scraping untuk informasi kursus di Coursera dengan rekomendasi model dan metrik untuk pencarian kursus. Telah banyak tersedia layanan kursus online yang bisa dicari dan diakses sesuai dengan ketersediaan dan kebutuhan, seperti Coursera. Namun, ketika pengguna hendak mencari kursus dengan memasukkan teks ke dalam section penelusuran kursus Coursera, hasil pengurutan penelusuran bisa saja kurang sesuai dengan apa yang sebenarnya diharapkan atau dituju pengguna dengan keyword. Tujuan penelitian dan perancangan sistem ini adalah agar pengguna yang ingin mencari kursus di Coursera berdasarkan keyword dapat menggunakan sistem ini sebagai cara alternatif untuk memperoleh dan melihat gambaran urutan hasil penelusuran kursus-kursus yang tersedia di Coursera dengan akurasi kecocokan yang lebih tinggi sehingga diharapkan dapat menemukan kursus-kursus yang lebih sesuai dengan yang dicari melalui keyword atau teks. Penelitian dan perancangan sistem ini secara garis besar terdiri dari program scraper, database, pengujian model dan metrik, dan program pencarian kursus menggunakan perhitungan kemiripan antara teks dalam database dengan teks input dari user. Hasilnya, jika dibandingkan dengan metode yang digunakan Coursera untuk menampilkan hasil pengurutan kursus dengan pilihan sorting sudah berdasarkan “Best Match”, ternyata program pencarian kursus menggunakan soft cosine similarity dan cosine similarity yang dikombinasikan dengan all-MiniLM-L6-v2 telah menunjukkan peningkatan akurasi sebesar 33.33%.

---

This thesis discusses the research and design of a web scraping system for course information on Coursera with models and metrics recommendation for course search. Many online course services are available that can be searched and accessed according to availability and needs, such as Coursera. However, when users want to search for courses by entering text into the Coursera course search section, the search sorting results may not match what users actually expect or aim for with the keyword. The aim of this research and system design is for users who want to search for courses on Coursera based on keywords to use this system as an alternative way to obtain and see an overview of the order of search results for courses available on Coursera with higher accuracy of match so that it is expected to find more suitable courses through the keyword or text. This research and system design consists of a scraper program, a database, model and metric testing, and a course search program using similarity calculations between text in the database and user input text. As a result, compared to the method used by Coursera to display course sorting results with the sorting option already based on “Best Match”, it turns out that the course search program using soft cosine similarity and cosine similarity combined with all-MiniLM-L6-v2 has shown an accuracy increase of 33.33%."

"Speech coder is one of the most important part of communication systems. Speech signal can be represented as a combination of many sinusoidal signals....."

"ABSTRAKDalam penelitian ini, dibahas penerapan Algoritma Winnowing dalam Pengembangan Sistem Penilaian Pengucapan Bahasa Jepang (SIPENILAI). Algoritma Winnowing adalah sebuah algoritma berbasis fingerprint yang digunakan untuk menilai tingkat kemiripan dari dua buah teks. Masukkan dari sistem ini berupa suara yang kemudian diubah menjadi teks dengan speech recognition Julius. Pertama, dokumen yang telah ditangkap oleh Julius akan diproses untuk mendapatkan nilai hash masing-masing. Setiap kata memiliki nilai hash yang berbeda, digunakan algoritma Rolling Hash untuk mencari nilai hash tersebut. Dari kumpulan nilai hash dipilih nilai hash minimum sebagai fingerprint. Kedua dokumen teks yang telah diwakili fingerprint, akan dibandingkan kesamaannya menggunakan Cosine Similarity. Akurasi yang didapatkan sistem mencapai 90.33%.

---

ABSTRACT

In this research, discussed the application of the Counteract Algorithm in the Development of Japanese Language Assessment System (SIPENILAI). Counteracting Algorithm is a fingerprint-based algorithm used to assess the degree of similarity of two texts. Julius. First, documents that have been taken by Julius will be processed to get their respective hash values. Each word has a different hash value, used the Rolling Hash algorithm to find the hash value. From the collection of hash values the minimum hash value is chosen as the fingerprint. The two text documents that have the fingerprint represented, will be compared offered using Cosine Similarity. The accuracy obtained by system is 90.33%."

"With the vast development of data to become informations on the Internet, everything online seems to explode at a rapid rate. These informations, including online news which is created as a complement to the original printed media, has even overtaken the latter. Subdirectorate of Household National Account and Non-profit Institution of Statistics Indonesia is in charge for the work of media research. In the process of media research, time and human resources are two important elements but yet having problem of ineffective and inefficient process. This study aimed to overcome that problem by developing a web crawler system that could do summarization automatically from online news sites (currently from Bisnis and Kontan) with output in Microsoft Word format file and minimizing number of similar news. This system is developed using several techniques in information technologies such as crawling and wrapping method and cosine similarity method to minimalize similar news. The result shows the process of media research by using this system much more effective and efficient."

"Melalui penelitian dan penulisan ini, program Sistem Penilaian Esai Otomatis (SIMPLE-O) dikembangkan untuk penilaian esai berbahasa Indonesia menggunakan algoritma hybrid CNN dan Bidirectional GRU dengan metrik Manhattan Distance dan Cosine Similarity. CNN digunakan untuk melakukan ekstraksi fitur dari masukan teks. Bidirectional GRU digunakan untuk menangkap makna atau konteks teks dari dua arah. Pengembangan program ini menggunakan bahasa pemrograman Python untuk proses deep learning. Hasil rata-rata selisih penelitian ini adalah 15.04 untuk model metrik Manhattan Distance dan 22.02 untuk model Cosine Similarity.

---

Through this research and writing, the Automatic Essay Scoring System (SIMPLE-O) program was developed for evaluating essays in the Indonesian language using a hybrid CNN and Bidirectional GRU algorithm with Manhattan Distance and Cosine Similarity metrics. CNN is employed to extract features from the input text, while Bidirectional GRU captures the meaning or context of the text from both directions. The development of this program utilizes the Python programming language for deep learning processes. The average differences results of this research is 15.04 for the Manhattan Distance metric model and 22.02 for the Cosine Similarity model."

"Perkembangan sistem jaringan multimedia yang sangat pesat menyebabkan terancamnya keamanan hak cipta dari data multimedia. Kemudahan distribusi, reproduksi, serta manipulasi data, menyebabkan dibutuhkannya suatu sistem proteksi. Video watermarking merupakan suatu metode penyisipan tanda khusus pada video yang berguna untuk melindungi data yang didistribusikan melalui Internet atau secara nirkabel dari penduplikasian ilegal.Tanda khusus yang disisipkan ini disebut dengan watermark, dan berguna untuk authentikasi kepemilikan. Teknik scrambling koefisien discrete cosine transform (DCT) terkuantisasi merupakan salah satu algoritma yang digunakan dalam video watermarking. Watermark disisipkan dengan melakukan modifikasi terhadap pasangan koefisien transformasi DCT terkuantisasi yang berada pada blok luminan dari beberapa makroblok (MB) yang terpilih dari video.Pada skripsi ini, analisis dilakukan untuk melihat hubungan sifat perceptual invisibility dari -watermark dengan tingkat kepercayaan pendeteksian. Hal ini dilakukan karena salah satu ciri dari video watermarking yang efektif adalah memiliki sifat perceptual invisibility. Proses analisis didukung dengan simulasi yang dibuat menggunakan MATLAB versi 7.0.1. dan diujicobakan pada tiga buah video hitam-putih berukuran QCIF 176x144 pixel.Berdasarkan hasil simulasi, ternyata parameter activity function (Ap) yang digunakan pada penyisipan harus dapat menyeimbangkan antara tetap dapat mendeteksi watermark dengan benar, yaitu dengan memiliki tingkat kepercayaan yang tinggi, dengan tetap menjaga kualitas visualisasi dari video."

"ABSTRAKPada skripsi ini dilakukan beberapa uji coba untuk melihat pengaruh matriks kuantisasi terhadap kualitas gambar rekonstruksi. Pada uji coba pertama dilihat kualitas beberapa gambar rekonstruksi dengan menggunakan matriks kuantisasi yang sama. Pada uji coba kedua dilihat peranan matriks kuantisasi dalam menjaga kualitas gambar pada batas target kesalahan tertentu, dan pada uji coba ketiga dilihat hubungan dari rasio kompresi dengan kualitas gambar yang diperoleh.Ketiga uji coba ini dilakukan pada sepuluh gambar kelabu (greyscale) yang bezukuran 200 x 200 pixel dan mempunyai kedalaman 8 bit. Setiap gambar ini disimpan dalan file dengan format RAW.Dari hasil uji coba diperoleh, hasil rasio kompresi optimum diperoleh pada target AGE (Average Greyscale Error) 2 %, dengan rasio kompresi 73,67 % - 78,34 % dengan menggunakan tiga jenis matriks kuantisasi."

"Jurnal ini membahas tentang pengembangan Sistem Penilaian Esai Otomatis (SIMPLE-O) untuk Bahasa Indonesia menggunakan BERT (Bidirectional Encoder Representations from Transformers) dan Bidirectional LSTM. BERT digunakan untuk melakukan sentence embedding pada jawaban mahasiswa dan dosen, yang kemudian diproses oleh Bidirectional LSTM. Kemiripan antara jawaban diukur dengan menggunakan Manhattan Distance dan Cosine Similarity. Hasil pengujian menunjukkan bahwa rata-rata selisih absolut antara nilai model dengan nilai human rater adalah 22.83 dengan error MAE dan RMSE sebesar 0.2462 dan 0.2850 untuk Manhattan Distance, dan 12.88 dengan error MAE dan RMSE sebesar 0.1614 dan 0.1946 untuk Cosine Similarity.

---

This paper presents the development of an Automatic Essay Scoring System (SIMPLE-O) for the Indonesian using BERT (Bidirectional Encoder Representations from Transformers) and Bidirectional LSTM. BERT is used to perform sentence embedding on both student and lecturer answers, which are then processed by Bidirectional LSTM. The similarity between the answers is measured using Manhattan Distance and Cosine Similarity. The test results show that the average absolute difference between the model score and the human rater score is 22.83 with MAE and RMSE error of 0.2462 and 0.2850 for Manhattan Distance, and 12.88 with MAE and RMSE error of 0.1614 and 0.1946 for Cosine Similarity."

"Pada skripsi ini akan membahas mengenai pengimplementasi pendeteksian pengulangan kata menggunakan Cosine Similarity, sedangkan untuk melihat makna antar kalimat akan dilakukan pembobotan kalimat yang sebelumnya di lakukan proses parsing, stemming, stopword dan melakukan pemisahan antar kalimat. Metode stemming yang akan digunakan adalah metode stemming Arifin-Setiono, proses stemming digunakan untuk mencari kata dasar dari setiap kata pada jawaban dan kemudian dibandingkan dengan kata yang ada pada database. Jika antar kalimat masing-masing dibandingkan dan memiliki nilai cosine similarity lebih dari 0.5 maka sistem tambahan akan menghapus satu kalimat tersebut. Waktu proses antara sistem SIMPLE-O murni lebih cepat jika dibandingkan dengan SIMPLE-O dengan pendeteksian kata yang berulang antar kalimat dengan selisih waktu 0.22 detik. Korelasi nilai antara SIMPLE-O+Cosine dengan Human Raters adalah yaitu sebesar 0.38 untuk soal nomor satu dan untuk soal nomor dua memiliki nilai korelasi yang bernilai negatif 0.08 , untuk soal tiga 0.13, untuk soal empat 0.65 dan 0.022 untuk soal nomor lima.

---

In this paper will discuss the use of word repetition detection implement Cosine Similarity, while to see the meaning of the sentence will be weighted between sentences previously performed process of parsing , stemming , stopword and separation between sentences . Stemming method to be used is a method of stemming Arifin - Setiono , stemming process used to find root of each word in student answer , and then compared with of the word database . If the inter- sentence and has been compared and have value of cosine similarity more than 0.5 , the additional features on the system will remove a sentence . The time between system processes SIMPLE - O more fast when compared with SIMPLE-O with additional features on the system that will repetitive detection word sentence with a time difference between 0.22 seconds. The correlation value of the Human Raters with the SIMPLE-O + Cosine is 0.383 for the first question, -0.08 for the second question, 0.13 for the third question, 0.65 for the fourth question and 0.02 for the fifth question."