Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKTujuan penelitian ini adalah menghitung dan menjelaskan korelasi antaraketerpahaman teks reading pada ujian nasional Bahasa Inggris paket 1 SekolahMenengah Atas dan keterbacaan teks serta hasil ujiannya tahun 2014 dan 2015.Teori yang digunakan adalah teori kualitas teks (Schriver, 1989). Kualitas teksdidasarkan pada dua aspek, yakni keterbacaan dan keterpahaman. Penelitian inimenggunakan metode kuantitatif. Sampel penelitian ini adalah 100 pelajar SMAN1 Padang Panjang. Jumlah teks yang dianalisis adalah 20 teks yang terdiri atassebelas teks pada UN tahun 2014 dan sembilan teks pada UN tahun 2015.Berdasarkan keterbacaan teks, ditemukan keterbacaan teks-teks pada UN BahasaInggris paket 1 tahun 2014 dan 2015 adalah 37.2 dan 39.4; artinya teks-tekstersebut berada pada tingkat sulit (dalam skala 30 ? 49) dan cocok untukmahasiswa. Sementara itu, keterpahaman teks-teks yang ada pada UN BahasaInggris tahun 2014 dan 2015 adalah 48.1% dan 47.8%; artinya teks-teks tersebutberada pada tingkat sedang (dalam skala 44% - 53%). Selanjutnya, keterbacaanteks pada UN Bahasa Inggris paket 1 SMA tahun 2014 dan 2015 memilikikorelasi yang signifikan dengan keterpahaman. Terakhir, keterpahaman teks padaUN Bahasa Inggris tahun 2014 dan 2015 memiliki korelasi yang signifikandengan hasil ujiannya.

---

ABSTRACTThis research aimed at calculating and explaining correlation of textscomprehensibility in the reading section of the Senior High School EnglishNational Examinations Package 1 with text readability and the examination resultsin 2014 and 2015 using the theory of text quality proposed by Schriver (1989).The text quality is measured based on readability and comprehensibility. Theresearch used a quantitative method. The samples were 100 students of SMAN 1Padang Panjang. There were 20 texts analyzed. The result showed that the textsreadability in package 1 of the Senior High School National Examination in 2014and 2015 were 37.2 and 39.4; which means the texts were difficult (in scale 30 -49) and suitable for university students. Meanwhile, the texts comprehensibility inpackage 1 of the Senior High School National Examination in 2014 and 2015were 48.1% and 47.8%; which means the texts were at instrumental level (in scale44% - 53%). Furthermore, the texts readability had significant correlation with thetexts comprehensibility in Senior High School English national examinationpackage 1 in 2014 and 2015. Finally, there was strong correlation between textcomprehensibility of the Senior High School English National Examination andthe exam results in 2014 and 2015"

"Ulasan hotel online di era modern ini memiliki peran besar mengingat hotel merupakan faktor penentu daya saing sebuah daerah wisata, namun pemanfaatannya masih jarang ditemukan. Berkaitan dengan rencana pemerintah untuk meningkatkan kunjungan wisatawan ke Indonesia, penelitian ini mengaplikasikan text mining terhadap ulasan hotel online untuk menemukan pengetahuan yang bermanfaat dalam membangun sektor perhotelan sebagai bagian integral dalam industri pariwisata. Teknik klasifikasi teks digunakan untuk mendapatkan informasi sentimen yang terkandung dalam kalimat ulasan melalui analisis sentimen, serta teknik klasterisasi pada text summarization untuk menemukan kalimat representatif yang mampu menggambarkan keseluruhan isi ulasan. Percobaan dengan ulasan hotel di Labuan Bajo, Lombok, dan Bali menghasilkan luaran yang memuaskan, di mana akurasi model penggolong klasifikasi sebesar 78 dan Davies-Bouldin Index DBI sebesar 0.071 untuk proses klasterisasi. Luaran penelitian ini diharapkan mampu menggambarkan kondisi hotel di daerah wisata unggulan Indonesia sehingga dapat berkontribusi dalam peningkatan kualitas sektor perhotelan sebagai penunjang industri pariwisata di Indonesia.

---

In this modern era, online hotel reviews have a big role considering the hotel is one the aspects in determining the competitiveness in the tourist area, but its implementation is still rare. Regarding the government 39 s plan to increase tourist arrivals to Indonesia, this research utilized text mining towards online hotel reviews to find useful knowledge in building the hospitality sector as an integral part of the tourism industry. Text classification technique was used to obtain sentiment information contained in review sentences through sentiment analysis, as well as clustering technique as a part of text summarization to find representative sentences that are able to describe the entire contents of the review. Experiments with hotel reviews in Labuan Bajo, Lombok and Bali generated surprising outcomes, where the accuracy of classification model reaches 78 and the Davies Bouldin Index DBI of clustering algorithm strikes 0.071. The output of this research is expected to be able to describe the condition of the hotel in tourist area based on the different level of tourism development so that it can contribute to improving the quality of the hotel industry as well as supporting the tourism industry in Indonesia."

"ABSTRAKPenelitian ini bertujuan untuk menganalisis unsur makro dan mikro dari sebuah teks yang berjudul IMAN (Vereinigung Acehnesischer Studenten in Deutschland) yang ada pada majalah NADI (Nachrichten für Alumni über Deutschland und Indonesien). Metode yang digunakan dalam penelitian ini adalah metode kualitatif dengan bentuk kajian pustaka. Teks ini akan dianalisis menggunakan teori dari Nord (2010) tentang sistematika analisis teks menggunakan skema W-Frage. Berdasarkan hasil penelitian, diketahui bahwa pada teks sumber ataupun teks sasaran terdapat semua unsur makro dan mikro. Di samping itu pada teks sasaran juga ditemukan kesalahan seperti kesalahan penulisan dan ketidaksesuaian kaidah bahasa sasaran.

---

ABSTRACTThis study aims to analyze micro and macro elements of a text with the title IMAN (Vereinigung Acehnesischer Studenten in Deutschland) in NADI (Nachrichten für Alumni über Deutschland und Indonesien) magazine. The method that used in this study is qualitative method with literature review. The text will be analyzed by using the theory of Nord (2010), about the systematics text analysis by using W-Frage scheme. Based on the result, it is known that both original text and the translation text have all the elements of micro and macro. Furthermore, several mistakes also found in writting and mismatch of translation."

"Kajian risiko bencana di Indonesia oleh BNPB menunjukkan jumlah jiwa terpapar risiko bencana tersebar di seluruh Indonesia dengan total potensi jiwa terpapar lebih dari 255 juta jiwa. Hasil kajian ini menunjukkan bahwa dampak bencana di Indonesia terbilang sangat tinggi. Sistem penanggulangan khususnya pada masa tanggap darurat menjadi hal yang krusial untuk dapat meminimalisir risiko. Namun, pemberian bantuan kepada korban bencana terkendala beberapa hal, antara lain keterlambatan dalam penyaluran, kurangnya informasi lokasi korban, dan distribusi bantuan yang tidak merata. Untuk memberikan informasi yang cepat dan tepat, BNPB telah membangun beberapa sistem informasi seperti DIBI, InAware, Geospasial, Petabencana.id dan InaRisk. Akan tetapi tidak secara realtime menampilkan wilayah terdampak bencana dengan memnunjukkan jenis kebutuhan bantuan apa yang dibutuhkan korban pada saat itu. Untuk memberikan solusi atas permasalah tersebut, penelitian ini membangun model yang mampu mengklasifikasikan data teks dari Twitter terkait bencana kedalam jenis bantuan yang diminta oleh korban bencana secara realtime. Selain itu visualisasi berupa dashboard dibangun dalam bentuk aplikasi berbasis peta untuk menampilkan lokasi korban yang terdampak. Penelitian ini mengunakan teknik text mining mengolah data Twitter dengan pendekatan metode klasifikasi multi label dan ekstraksi informasi lokasi menggunakan metode Stanford NER. Algoritme yang digunakan adalan Naive Bayes, Support Vector Machine, dan Logistic Regression dengan kombinasi metode tranformasi data multi label OneVsRest, Binary Relevance, Label Power-set, dan Classifier Chain. Representasi teks menggunakan N-Grams dengan pembobotan TF-IDF. Model terbaik untuk klasifikasi multi label pada penelitian ini adalah kombinasi Support Vector Machine dan Clasifier Chain dengan fitur UniGram+BiGram dengan nilai precision 82%, recall 70%, dan F1-score 75%. Stanford NER menghasilkan F1-score 83% untuk klasifikasi lokasi yang menjadi masukan untuk teknik geocoding. Hasil geocoding berupa informasi spasial ditampilkan dalam bentuk dashboard berbasis peta.

---

The study of disaster risk in Indonesia by BNPB shows the number of people exposed to disaster risk throughout Indonesia with a total potential life of 255 million people. The results of this study indicate that the impact of disasters in Indonesia is quite high. The response system, especially during the emergency response period, is crucial to be able to minimize risks. However, providing assistance to disaster victims is hampered by several things, including delays in providing assistance, lack of information on the location of victims, and uneven distribution of aid. To provide fast and accurate information, BNPB has built several information systems such as DIBI, InAware, Geospatial, Petabencana.id and InaRisk. However, it does not display the disaster area in real-time by showing what kind of assistance needs the victim needs at that time. To provide a solution to these problems, this study builds a model that is able to classify text data from Twitter related to the type of assistance requested by disaster victims in real-time. In addition, a dashboard is built in the form of a map-based application to display the location of the realized victim. This study uses text mining techniques to process Twitter data with a multi-label classification approach and location information extraction using the Stanford NER method. The algorithms used are Naive Bayes, Support Vector Machine, and Logistic Regression with a combination of OneVsRest, Binary Relevance, Power-set Label, and Classifier Chain. Text representation using N-Grams with TF-IDF weighting. The best model for multi-label classification in this study is a combination of Support Vector Machine and Classifier Chain with UniGram+BiGram features with 82% precision, 70% recall, and 75% F1-score. Stanford NER produces an F1-score of 83% for location classification which is the input for geocoding techniques. Geocoding results in the form of spatial information are displayed in a map-based dashboard."

"Disertasi ini membicarakan tentang SeratLokapala Berdasarkan penelusuran naskah yang telah dilakukan, terdapat 20 naskah yang tergabung dalam keluarga korpus SeratLo kapala yang menjadiobyekpenelitian. Hal terpenting yang menjadi tujuan utama penelitian ini adalah membuat suntingan teks dan terjemahannya serta menjabarkan amanat yang terkandung di dalamnya. Setelah melalui kajian perbandingan naskah, akhirnya diputuskan bahwa Serat Lokapala pakualaman dengan kode naskah KBG 677 terpilih sebagai naskah suntingan didasarkan atas kondisi naskah yang masih lengkap dan bagus serta struktur teks yang cukup memadai untuk menelusuri amanat yang dikandungnya. Dalam Serat Lokapala KBG 677, didapati bahwa amanat teks yang dikandungnya adalah ajaran kesempurnaan milik Resi Wisrawa yang dikenal dengan ajaran sastra harjendranu. Setelah melalui telaah struktur teks, akhirnya dapat dijabarkan ajaran sastra harjendranu yang merupakan ajaran jalan keselamatan bagi raja yang meliputi ajaran tingkah laku yang utama, ajaran kesempurnaan hidup dan mati, serta ajaran olah batin untuk mencapai kesempurnaan.

---

The objective material of this research is Serat Lokapala manuscript. There are 20 manuscripts belonging to the Serat Lokapala corpus. The main purpose of this research is to makethe textedition and its translation. Besides that, understanding the message of the text is also becoming the most important purpose of this study. Through the comparative study of the manuscripts, at last, Serat LokapalaPakualaman, KBG 677, based on its better condition and structures, was selected to be the material of the text edition. It was found that the message belonging to the Serat LokapalaKBG 677 is the wise teaching owned by Resi Wisrawathat is popularly recognized as the perfection teaching called sastra harjendranu.After learning the structure of the text intensively, then, the points of the teaching sastra harjendranucan be described. The teachings are about the way of salvation to kings, including major teaching behaviors, teaching the perfection of life and death, and the inner teachings to achieve perfection."

"ABSTRAKPenelitian ini membahas peranan Dasarata Maharaja dan Sri Rama dalam HikayatSri Rama (HSR) dengan pendekatan aktan dan fungsi A.J. Greimas. Metode yangdilakukan dalam penelitian ini adalah edisi teks untuk membuat transliterasi dananalisis aktan dan fungsi untuk menganalisis teks HSR. Kesimpulan daripenelitian ini adalah Sri Rama menempati posisi “hero” dengan akhir cerita yangbahagia, sedangkan kisah Dasarata sebagai “alat” penjelmaan Mahabisnu (SriRama), kisahnya berakhir dengan tragedi.

---

ABSTRACTThis study discusses Dasarata Maharaja and Sri Rama role in Hikayat Sri Rama(HSR) with A.J. Greimas’s actant and function approach. The methods that use inthis study are text edition to make the transliteration and actant and functionanalysis to analyze the text. The conclusion of this study is Sri Rama takes “hero”position with a happy ending story, whereas Dasarata as a tool of Mahabisnu (SriRama) incarnation, his story ends in tragedy."

"ABSTRAKSkripsi ini menyajikan suntingan teks dan terjemahan dalam Naskah Bab Pasarean Bathangan koleksi FSUI dengan nomor naskah A. 38.04 yang ditulis oleh Raden Tanaya. Metode penelitian filologi yang digunakan adalah metode edisi naskah tunggal. Suntingan teks dilakukan dengan menerapkan edisi kritis atau edisi standar, dilengkapidengan ringkasan cerita dan pedoman alih aksara. Terjemahan dilakukan dengan menerapkan metode terjemahan secara harfiah. Teks berbentuk prosa ini menggunakanbahasa Jawa dan aksara Jawa. Teks ini menceritakan tentang penemuan mayat di daerah Bathangan, Surakarta yang diberi nama Kiyai Bathang yang diduga mayat tersebutadalah Raden Pabelan, putra dari Kiyai Tumenggung Mayang pada jaman karaton Pajang.

---

ABSTRACTThis thesis presents text editing and translation and manuscript of Bab Pasarean Bathangan (Bathangan grave). This manuscript was written by Raden Tanaya and collected by Faculty of Humanities, University Indonesia with number A 38.04. The researcher used philology method, especially single text editing. The text editing was done by implementing critical edition, summary and translation writing guidance as well. The translation used literal method. The text tells the story about the discovery of a corpse found in Bathangan, Surakarta, Central Java and it was written in Javanese tribe. The corpse was well-known as Kiyai Bathang. Kiyai Bathang was expended to be Raden Pabelan, the son of Kiyai Tumenggung Mayang of Pajang Kingdom"

"Terdapat beberapa media online yang ditutup oleh Kementrian Komunikasi dan Informatika (Kemkominfo) dikarenakan menjual obat aborsi. Hal tersebut karena aborsi merupakan tindakan yang dilarang yang tertulis pada Kitab Undang-Undang Hukum Pidana (KUHP) pada pasal 346. Oleh karena itu, agar situs dari PT XYZ tidak ditutup oleh Kemkominfo, PT XYZ melakukan penanganan terkait peredaran obat aborsi ini yaitu dengan pending system. Namun, pending system hanya mendeteksi judul dari produk dengan menggunakan kata kunci spesifik yang berhubungan dengan obat aborsi yang diinput oleh tim sehingga masih terdapat produk obat aborsi yang lolos beredar karena terdapat produk yang menggunakan kata kunci yang umum dan gaming keyword. Oleh karena itu, penelitian ini membahas terkait penerapan text mining untuk membangun sebuah classification model yang berasal dari korpus obat aborsi yang ada di PT XYZ yang akan digunakan untuk pendeteksian obat aborsi kedepannya yang ada di PT XYZ. Penelitian ini menggunakan model CRISP-DM untuk siklus hidup data mining. Selain itu, untuk membangun suatu classification model, Penelitian ini melakukan percobaan terhadap dua algoritme diantaranya adalah Naive Bayes dan Support Vector Machine dengan metode k-fold cross validation. Selain itu, penelitian ini menggunakan data harga sebagai fitur tambahan dari model yang dibangun. Untuk penentuan classification yang terbaik dilakukan evaluasi performa dari setiap classification model dengan menggunakan confussion matrix dengan parameter accuracy, recall, precision, f1-measure, dan AUC. Penelitian ini menggunakan beberapa kriteria dalam penghapusan duplikasi data untuk menghindari data bias. Model terbaik yang didapatkan yaitu model SVM dengan fitur harga yang memiliki nilai accuracy 99.82%, f1-score 99.79%, dan AUC 99.98%. Hasil dari model yang telah dianalisis pada penelitian ini dapat digunakan oleh PT XYZ untuk mendeteksi produk obat aborsi agar mengurangi kesempatan penjual menjual produk obat aborsi yang di PT XYZ. Selain itu, penelitian ini dapat memberikan gambaran untuk penelitian akademis berikutnya terkait keseluruhan proses dari text mining.

---

There are several online media that were closed by the Ministry of Communication and Information (Kemkominfo) due to selling abortion drugs. This is because abortion is a prohibited act which is written in the Criminal Code (KUHP) in article 346. Therefore, in order PT XYZ is not closed by the Ministry of Communication and Information, PT XYZ create system that try to handle the circulation of abortion drugs, namely pending system. However, the pending system only detects the title of the product by using specific keywords related to abortion drugs that are inputted by the team so that there are still abortion drug products that pass through the system because there are products that use general keywords and gaming keywords. Therefore, this study discusses the application of text mining to build a classification model derived from the abortion drug corpus at PT XYZ which will be used for the detection of abortion drugs in the future at PT XYZ.

This study uses the CRISP-DM model for the data mining life cycle. In addition, to build a classification model, this study conducted experiments on two algorithms including Naive Bayes and Support Vector Machine with the k-fold cross validation method. In addition, this study uses price data as an additional feature of the built model. To determine the best classification, the performance evaluation of each classification model is carried out using a confusion matrix with parameters accuracy, recall, precision, f1-measure, and AUC. This study uses several criteria in eliminating duplication of data to avoid data bias. The best model obtained is the SVM model with a price feature that has an accuracy value of 99.82%, f1-score 99.79%, and AUC 99.98%. The results of the model that had been analyzed in this study can be used by PT XYZ to detect abortion drug products in order to reduce the chance for sellers to sell abortion drug products at PT XYZ. In addition, this research can provide an overview for the next academic research related to text mining process."