Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini bertujuan untuk mengetahui peningkatan kemampuan berbicara melalui penerapan teknik Tell me what you see pada siswa SD Negeri 166 Palembang. Prosedur pelaksanaan tindakan dilakukan melalui emapt tahap : (1) perencanaan (2)pelaksanaan (3)observasi (4)Evaluasi dan refleksi...."

"ABSTRAKTransducer merupakan suatu peralatan yang telah menjadi bagian yang tidak bisa dipisahkan dari kehidupan manusia. Sejalan dengan perkembangan teknologi optik belakangan ini, aplikasinya semakin meluas. Penelitian dan eksperimen juga dilakukan untuk mencapai tingkat pengoperasian yang lebih baik.Dalam skripsi ini dibahas suatu transducer optik untuk pendeteksian warna. Unit yang disebut "Color Tell" tersebut didisain dalam bentuk yang kompak, rendah biaya, dan memberikan kemudahan bagi tuna netra untuk mengenali warna yang mereka sentuh."

"Skripsi ini saya beri judul Beberapa Struktur Black English dalam novel Go Tell It on the Mountain, Sebuah Analisis Bandingan. Adapun masalah yang ditampilkan adalah mengenai beberapa struktur dalam kalimat, dalam hubungannya dengan kala maupun orang atau pelaku. Di samping itu diketengahkan juga beberapa ungkapan yang merupakan slang dari Black English dalam novel tersebut. Skripsi ini bertujuan untuk menunjukkan adanya keteraturan dalam struktur Black English, sehingga hasilnya dapat dikatakan bahwa Black English itu merupakan variasi bahasa Inggris, dan bukannya struktur bahasa Inggris yang menyimpang. Teori yang dipakai dalam struktur Black English ini adalah teori sosiolinguistik dari Joshua Fishman ditambah dengan teori-teori lain yang menurut hemat saya dapat menunjang pembahasan dan analisis dalam skripsi ini. Sebagai pisau analisis saya gunakan struktur Bahasa Inggris Amerika Baku sebagai tolok ukur perbandingan. Dengan menggunakan Bahasa Inggris Amerika Baku untuk membalidingkn struktur Black English dalam novel Go Tell It on the Mountain maka diperoleh kesimpulan bahwa Black English juga memiliki keteraturan dalam tata bahasanya sebagaimana bahasa pada hakekatnya; Black English memiliki keteraturan tersendiri dalam lingkungannya; dan keteraturan dalam Black English tidak dapat disamakan dengan keteraturan Bahasa Inggris Amerika Baku. Demikianlah uraian secara singkat tentang skripsi ini."

"Skripsi ini membahas pola kalimat bercerita anak autis usia 8-11 tahun. Selain itu, dibahas pula jenis kalimat, penggunaan kelas kata untuk mengisi gatra, dan pemakaian konjungsi. Penelitian ini menggunakan metode deskriptif studi kasus pada tiga anak autis yang bersekolah di sekolah inklusi. Gambar Cookie Theft digunakan sebagai alat pancing bercerita. Hasil penelitian menunjukkan bahwa ketika bercerita, para informan sudah mampu membuat kalimat tunggal, kalimat bersusun, dan kalimat majemuk setara dengan variasi pola kalimat. Penggunaan kelas kata nomina dan verba banyak dilakukan. Konjungsi sudah dipakai untuk menghubungkan antarklausa dan antarkalimat dengan berbagai macam hubungan.

---

This thesis discusses the patterns of sentences to tell a child with autism aged 8-11 years. In addition, it also discussed the types of sentences, the use of the word class to fill sentence structure, and the use of conjunctions. This study uses a case study method in three autistic children who attend schools in the inclusion. Cookie Theft picture used as a stimulation to tell.

The results showed that when told, the informant was able to make direct sentences, compound sentences, and equivalent compound sentence with the variation pattern of the sentence. The use of the word classes of nouns and verbs is mostly done. Conjunctions are used to connect between clauses and between sentences with a variety of relationships."

"Jurnalisme di era digital mengalami transformasi signifikan, dengan kemunculan online platform dan media sosial. Hal ini membawa tantangan baru dalam penyampaian informasi yang akurat dan menarik kepada khalayak umum. Penelitian-penelitian sebelumnya sudah mencoba untuk menyelesaikan masalah mengenai pembuatan berita secara otomatis menggunakan prompt singkat, maka dari itu penelitian ini ditujukan untuk melengkapi hal yang esensial untuk pembuatan artikel berita online, yaitu pembuatan keterangan gambar secara otomatis. Penelitian ini berfokus untuk menentukan Vision-Language Model (VLM) yang paling optimal untuk membuat keterangan gambar dalam konteks artikel berita dalam Bahasa Indonesia. Penelitian dilakukan dengan 3 (tiga) pendekatan VLM, yakni GoodNews, Transform and Tell, dan VisualNews. Pengembangan VLM dilakukan dengan melatih masing-masing model secara terpisah. Selanjutnya VLM dievaluasi dengan metrik penilaian BLEU, ROUGE, dan CIDEr. Hasil yang didapatkan oleh penulis menunjukkan bahwa performa pendekatan model VisualNews jauh lebih baik dibandingkan pendekatan model GoodNews dan Transform and Tell. Model ini mencapai nilai persentase BLEU-4 sebesar 6.93%, ROUGE-L sebesar 23.54%, dan CIDEr sebesar 42.66%.

---

Journalism in the digital era has undergone significant transformations with the rise of online platforms and other social medias. This change carries along new challenges in presenting information which are both accurate and interest-grabbing for the general society. Previous researches have tried to tackle the challenges in regards to automatic creation of articles using short prompts. Therefore, this research is intended to complete that which is essential in the creation of online news articles; automatic image captioning. Our research’s focus is determining which is the most optimal Vision-Language Model (VLM) to create captions in the Indonesian language. The research is undergone using 3 (three) VLM approaches, being GoodNews, Transform and Tell, and VisualNews. The VLM development will be evaluated using the metrics BLEU, ROUGE, and CIDEr. Results gained from this research shows that the performance of the VisualNews model is far superior when compared to the GoodNews or Transform and Tell VLMs. The VisualNews model reached a score of 6.93% on the BLEU metric, 23.54% on the ROUGE-L, and a score of 42.66% using the CIDEr metric."

"Jurnalisme di era digital mengalami transformasi signifikan, dengan kemunculan online platform dan media sosial. Hal ini membawa tantangan baru dalam penyampaian informasi yang akurat dan menarik kepada khalayak umum. Penelitian-penelitian sebelumnya sudah mencoba untuk menyelesaikan masalah mengenai pembuatan berita secara otomatis menggunakan prompt singkat, maka dari itu penelitian ini ditujukan untuk melengkapi hal yang esensial untuk pembuatan artikel berita online, yaitu pembuatan keterangan gambar secara otomatis. Penelitian ini berfokus untuk menentukan Vision-Language Model (VLMs) yang paling optimal untuk membuat keterangan gambar dalam konteks artikel berita dalam Bahasa Indonesia. Penelitian dilakukan dengan 3 (tiga) pendekatan VLMs, yakni GoodNews, Transform and Tell, dan VisualNews. Pengembangan VLMs dilakukan dengan melatih masing-masing model secara terpisah. Selanjutnya VLMs dievaluasi dengan metrik penilaian BLEU, ROUGE, dan CIDEr. Hasil yang didapatkan oleh penulis menunjukkan bahwa performa pendekatan model VisualNews jauh lebih baik dibandingkan pendekatan model GoodNews dan Transform and Tell. Model ini mencapai nilai persentase BLEU-4 sebesar 6.93%, ROUGE-L sebesar 23.54%, dan CIDEr sebesar 42.66%.

---

Journalism in the digital era has undergone significant transformations with the rise of online platforms and other social medias. This change carries along new challenges in presenting information which are both accurate and interest-grabbing for the general society. Previous researches have tried to tackle the challenges in regards to automatic creation of articles using short prompts. Therefore, this research is intended to complete that which is essential in the creation of online news articles; automatic image captioning. Our research's focus is determining which is the most optimal Vision-Language Model (VLMs) to create captions in the Indonesian language. The research is undergone using 3 (three) VLMs approaches, being GoodNews, Transform and Tell, and VisualNews. The VLMs development will be evaluated using the metrics BLEU, ROUGE, and CIDEr. Results gained from this research shows that the performance of the VisualNews model is far superior when compared to the GoodNews or Transform and Tell VLMs. The VisualNews model reached a score of 6.93% on the BLEU metric, 23.54% on the ROUGE-L, and a score of 42.66% using the CIDEr metric.

"

"Jurnalisme di era digital mengalami transformasi signifikan, dengan kemunculan online platform dan media sosial. Hal ini membawa tantangan baru dalam penyampaian informasi yang akurat dan menarik kepada khalayak umum. Penelitian-penelitian sebelumnya sudah mencoba untuk menyelesaikan masalah mengenai pembuatan berita secara otomatis menggunakan prompt singkat, maka dari itu penelitian ini ditujukan untuk melengkapi hal yang esensial untuk pembuatan artikel berita online, yaitu pembuatan keterangan gambar secara otomatis. Penelitian ini berfokus untuk menentukan Vision-Language Model (VLMs) yang paling optimal untuk membuat keterangan gambar dalam konteks artikel berita dalam Bahasa Indonesia. Penelitian dilakukan dengan 3 (tiga) pendekatan VLMs, yakni GoodNews, Transform and Tell, dan VisualNews. Pengembangan VLMs dilakukan dengan melatih masing-masing model secara terpisah. Selanjutnya VLMs dievaluasi dengan metrik penilaian BLEU, ROUGE, dan CIDEr. Hasil yang didapatkan oleh penulis menunjukkan bahwa performa pendekatan model VisualNews jauh lebih baik dibandingkan pendekatan model GoodNews dan Transform and Tell. Model ini mencapai nilai persentase BLEU-4 sebesar 6.93%, ROUGE-L sebesar 23.54%, dan CIDEr sebesar 42.66%.

---

Journalism in the digital era has undergone significant transformations with the rise of online platforms and other social medias. This change carries along new challenges in presenting information which are both accurate and interest-grabbing for the general society. Previous researches have tried to tackle the challenges in regards to automatic creation of articles using short prompts. Therefore, this research is intended to complete that which is essential in the creation of online news articles; automatic image captioning. Our research's focus is determining which is the most optimal Vision-Language Model (VLMs) to create captions in the Indonesian language. The research is undergone using 3 (three) VLMs approaches, being GoodNews, Transform and Tell, and VisualNews. The VLMs development will be evaluated using the metrics BLEU, ROUGE, and CIDEr. Results gained from this research shows that the performance of the VisualNews model is far superior when compared to the GoodNews or Transform and Tell VLMs. The VisualNews model reached a score of 6.93% on the BLEU metric, 23.54% on the ROUGE-L, and a score of 42.66% using the CIDEr metric.

"