Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Kombinasi thumbnail dan judul pada portal berbagi video sangat berguna untuk memberikan gambaran mengenai isi video. Tetapi, terdapat juga thumbnail yang bersifat clickbait yang lebih bertujuan memancing masyarakat untuk menonton video. Bahkan terdapat clickbait thumbnail yang dibuat untuk menyesatkan masyarakat dengan agenda untuk membangun opini tertentu. Untuk membatasi variasi pada dataset permasalahan dipersempit pada clickbait thumbnail yang mengandung ujaran kebencian terhadap dai. Thumbnail yang dipilih sebagai dataset terdiri dari foto satu orang atau lebih dengan disertai teks narasi. Dari thumbnail diperoleh informasi berupa identitas individu dengan menggunakan face recognition dan teks narasi dengan menggunakan optical character recognition. Untuk mengolah teks narasi dari thumbnail dan judul video digunakan teknik analisis sentimen. Dibangun model machine learning dengan data yang diperoleh dari identitas, teks narasi dan judul video dengan menggunakan model SVM. Evaluasi terhadap model machine learning dilakukan dengan validasi silang 5-fold. Evaluasi menghasilkan akurasi 0.968, sensitivitas 0.968, nilai presisi 0.9698 dan F1-Score 0.967. ......The combination of thumbnails and titles on video sharing portals is effective for providing an overview of the content of the video. However, there are also clickbait thumbnails that are more intended to lure people into watching the videos. There are even clickbait thumbnails created to mislead the public with an agenda to build a particular opinion. To limit the variation in the dataset the problem was narrowed down to clickbait thumbnails containing hate speech against dai. Thumbnails selected as datasets consist of photos of one or more people accompanied by narrative text. From the thumbnails, information is obtained in the form of individual identities using face recognition and narrative texts using optical character recognition. To process narrative text from thumbnails and video titles, sentiment analysis techniques are used. A machine learning model was built with data obtained from identity, narration text, and video titles using the SVM model. Evaluation of the machine learning model is carried out with 5-fold cross-validation. The evaluation resulted in an accuracy of 0.968, a sensitivity of 0.968, a precision value of 0.9698, and an F1-Score of 0.967

Abstrak :
Seiring berkembangnya teknologi informasi yang mulai merambah ke sektor ekonomi menyebabkan banyak bermunculan penyedia layanan dompet digital di Indonesia. DOKU sebagai salah satu penyedia layanan dompet digital ingin terus berinovasi untuk meningkatkan kepuasan pelanggan. Proses verifikasi data diri yang membutuhkan waktu lama karena harus dilakukan secara manual kini menjadi persoalan. Fokus penelitian ini adalah untuk mengembangkan sebuah aplikasi mobile cross platform yang dapat digunakan untuk mengekstrak data dari gambar kartu idenitas pengguna DOKU agar proses verifikasi data dapat dilakukan secara otomatis. Arsitektur dari aplikasi terdiri dari aplikasi mobile menggunakan Flutter dan webservice menggunakan Flask. Proses ekstraksi data dari gambar kartu identitas dilakukan menggunakan Tesseract-OCR. Hasil ekstraksi data akan diprediksi menggunakan model LSTM untuk dapat dilakukan verifikasi lanjutan. Hasil eksperimen menunjukkan akurasi pengenalan karakter dari gambar kartu identitas sebesar 77.45% dan akurasi prediksi kategori sebesar 88%. Dengan demikian aplikasi ini dapat digunakan untuk menyelesaikan masalah verifikasi data pengguna. ......The development of information technology has penetrated the economic sector causing many digital wallet service providers to appear in Indonesia. DOKU as one of the digital wallet service providers wants to innovate to increase customer satisfaction. The process of verifying personal data which takes a long time because it has to be done manually is now a problem. The focus of this research is to develop cross-platform mobile applications that can be used to extract data from DOKU user identity card images so that the data verification process can be done automatically. The application architecture consists of mobile applications using Flutter and web services using Flask. The data extraction process from the identity card image is done using Tesseract-OCR. The results of data extraction will be predicted using the LSTM model for the further verification process. The experimental results show that the accuracy of character recognition from the identity card images is 77.45% and the category prediction accuracy is 88%. Thus this application can be used to resolve user data verification issues.