Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Emoji merupakan karakter gambar yang digunakan dalam komunikasi informal khususnya pada media sosial. Emoji digunakan oleh penulis pesan untuk mengekspresikan emosi sebuah pesan. Besarnya penggunaan emoji, membuat emoji sangat berpengaruh terhadap komunikasi dimedia sosial. Emoji digunakan sebagai salah satu fitur untuk analisis sentimen dan ekstraksi emosi dalam penelitian Natural Language Processing dan Information Retrieval, namun masih sedikit penelitian yang fokus menentukan emoji dari sebuah teks. Banyaknya emoji dan kemiripan makna antar emoji membuat klasifikasi emoji menjadi lebih kompleks jika dibandingkan dengan analisis sentimen atau klasifikasi teks pada umumnya. Penelitian ini menggunakan fitur leksikal, fitur semantik, dan fitur linguistik pada permasalahan klasifikasi emoji untuk mengetahui pengaruh setiap fitur pada performa klasifikasi emoji dan mengetahui kombinasi fitur terbaik dalam klasifikasi emoji. Hasil eksperimen menunjukkan fitur semantik memiliki performa terbaik saat digunakan secara individu. Sedangkan fitur leksikal memiliki pengaruh besar terhadap kenaikan performa klasifikasi emoji saat dikombinasikan dengan fitur baseline. Hasil uji statistik paired t-test menunjukkan kombinasi tiga fitur dan kombinasi empat fitur menaikkan akurasi baseline secara signifikan. Kombinasi terbaik didapatkan ketika mengkombinasikan baseline, fitur linguistik, fitur leksikal, dan fitur semantik dengan peningkatan akurasi 12.19 dan f1-score sebesar 12 jika dibandingkan dengan hanya menggunakan fitur baseline.

---

Emoji is a picture character used in informal communication especially in social media. Emoji used by message writer to express emotion of a text. The massive use of emoji make emoji have a great influence on social media communication. Emoji used as one of the features for sentiment analysis and mood extraction In Natural Language Processing and Information Retrieval Researches, yet there is still researches that focus to predict emoji from a text. Due to diversity of emoji and the similarity meaning between emoji, emoji classification task is more relative complex than common text classification task. This researched used semantic feature, linguistic feature, and lexicon feature used to know the influence of each feature on emoji classification task and the best combinaton feature in emoji classification performan. The experiment showed that semantic feature has the best performance in emoji classification when it used individually. Whereas lexicon feature has the greatest positive influence in baseline feature. The analysis using paired t test showed that combination of two features and three features increase baseline performance significantly. The best combination achieved when combined baseline feature, semantic feature, linguistik feature, and lexicon feature with accuration excalation about 12.19 and f1 score of 12 from baseline.

Abstrak :
Terlepasnya pasak tuang karena fitness yang tidak baik terhadap permukaan saluran akar, menyebabkan retensi pasak tidak optimal. Penelitian ini adalah suatu kwasi eksperimental laboratorik yang membandingkan akurasi pola pasak resin akrilik dan pola pasak inlay wax berdasarkan waktu penyimpanan. Pengamatan dilakukan terhadap celah marginal antara master die dengan spesimen menggunakan Electric Measuring Microscope MM-40 Nikon. Waktu penyimpanan yang diamati adalah 15 menit, 30 menit dan 24 jam. Secara deskriptif terbukti kontraksi inlay wax lebih besar dibandingkan kontraksi resin akrilik. Hasil uji ANOVA 2 arah menunjukkan interaksi antara waktu penyimpanan dan jenis bahan pola, sedangkan hasil ANOVA 1 arah menunjukkan perbedaan bermakna antar waktu penyimpanan masing-masing bahan pola pada P 0.000. Hasil uji Limit Significant Difference pada masing-masing bahan pola menyimpulkan adanya perbedaan bermakna antar waktu penyimpanan, sedangkan uji menyimpulkan pula perbedaan bermakna pada masing-masing waktu penyimpanan antara kedua bahan pola. Disimpulkan akurasi pola pasak resin akrilik lebih baik dibandingkan pola pasak inlay wax.

Abstrak :
ABSTRAK
Ketepatan pemilihan kontrasepsi Intra Uterine Device (IUD) merupakan faktor penting dalam keberlangsungan penggunaan kontrasepsi IUD. Penelitian ini menggunakan desain korelatif dengan pendekatan cross-sectional dengan melibatkan 93 responden, yang bertujuan untuk mengetahui adanya hubungan antara karakteristik, tingkat pengetahuan, dukungan suami dan dukungan petugas kesehatan dengan ketepatan pemilihan kontrasepsi IUD. Pengambilan sampel dengan menggunakan teknik concecutive sampling. Hasil penelitian menunjukan bahwa terdapat hubungan antara dukungan petugas kesehatan dengan ketepatan pemilihan kontrasepsi IUD dengan nilai p value 0,003 (p<0.05). Namun tidak ditemukan hubungan antara karakteristik responden (usia, tingkat pendidikan dan jumlah anak hidup), tingkat pengetahuan dan dukungan suami dengan ketepatan pemilihan kontrasepsi IUD (p>0,05). Penelitian ini diharapkan dapat menjadi bahan evaluasi dan motivasi bagi petugas kesehatan untuk meningkatkan pelayanan dalam memberikan saran dan nasihat kepada akseptor KB dalam pemilihan kontrasepsi IUD sebagai upaya peningkatan jumlah akseptor KB IUD.

---

ABSTRACT
The accuracy in choosing the contraceptive Intra Uterine Device (IUD) is an important factor for sustainability of its usage. This study uses acorrelational design with cross-sectional approach, involving 93 respondents, which aims to determine the relationship between characteristics, the level of knowledge, partner?s and health provider?s support with the accuracy of choosing contraceptive IUD with concecutive sampling. The results showed that there is a significant relationship between health provider?s support with the accuracy of choosing IUD with p value 0,003 (p<0.05). However, there are no relationship between the characteristics of respondents (age, education and parity), knowledge level and partner?s support with the accuracy of choosing IUD (p>0,05). This study was expected to be recomendation for health providers in providing advice and counsel to the acceptors in choosing the contraceptive IUD to increase the number of the acceptors of IUD.

Abstrak :
Saat ini terjadi kelebihan pasokan listrik di Jawa-Bali seiring beroperasinya PLTU dari program 35.000 Mega Watt. Untuk itu dibutuhkan prediksi kebutuhan energi listrik yang lebih akurat sebagai dasar perencanaan dan pengoperasian sistem tenaga listrik, serta peningkatan efisiensi sistem tenaga listrik. Mengembangkan model yang mencapai presisi peramalan tertinggi dalam konteks tenaga listrik telah menjadi objek studi di beberapa negara. Penelitian ini berusaha menemukan model prediksi konsumsi energi listrik di Indonesia menggunakan LSTM (Long Short Term Memory). LSTM merupakan jenis jaringan syaraf berulang (Recurrent Neural Network) yang sering digunakan untuk mengidentifikasi pola periodik dalam deret waktu (time series) karena merekam hubungan antara nilai yang berurutan. Pelatihan dan pengujian model menggunakan data konsumsi energi listrik dari Januari 2013 hingga Februari 2023 yang diperoleh dari laporan penjualan tenaga listrik PT PLN. Dilakukan percobaan dengan berbagai kombinasi nilai hyperparameter jumlah unit neuron dan jumlah epoch untuk masing-masing model prediksi konsumsi energi listrik Nasional, segmen Rumah Tangga, Bisnis, dan Industri. Evaluasi kinerja model diukur dengan MAPE (rata-rata persentase kesalahan absolut). Model prediksi konsumsi energi listrik nasional dapat memprediksi dengan baik dilihat dari nilai MAPE sebesar 2,212%. Dengan membandingkan akurasi model LSTM yang dibangun dengan prediksi manual yang dilakukan PLN per bulan, maka model LSTM yang dibangun mampu melakukan prediksi lebih akurat. ......Currently, there is excess power or oversupply of power generation capacity in Jawa-Bali in line with the operation of the PLTU from the 35,000 Mega Watt program. For this reason, a more accurate prediction of electricity demand is needed as a basis for planning and operating the electric power system, as well as increasing the efficiency of the electric power system. Developing a model that achieves the highest forecasting precision in the context of electric power has been the object of study in several countries. This research seeks to find a predictive model of electricity consumption in Indonesia using LSTM (Long Short Term Memory). LSTM is a type of recurrent neural network (RNN) that is often used to identify periodic patterns in a time series because it records the relationship between successive values. Model training and testing uses electricity consumption data from January 2013 to February 2023 obtained from PT PLN's electricity sales report. Experiments were carried out with various combinations of hyperparameter values for the number of neuron units and the number of epochs for each prediction model for the National electricity consumption, the Household, Business and Industrial segments. Model performance evaluation is measured by MAPE (Mean Absolute Percentage Error). The National electricity consumption prediction model can predict well with MAPE value of 2.212%. By comparing the accuracy of the built LSTM model with manual predictions made by PLN per month, LSTM model was able to make more accurate predictions.