Publication Search

Stemming adalah proses untuk mencari kata dasar pada suatu kata. Pada analisa temu kembali informasi imbuhan merupakan bagian dari informasi yang tidak bermakna, seperti halnya stop word. Sehingga imbuhan harus dihilangkan untuk mempercepat proses pengindekan dan proses query. Proses stemming dapat dilakukan dengan 2 cara yaitu dengan menggunakan kamus dan menggunakan aturan-aturan imbuhan. Untuk mendapatkan tingkat kebenaran hasil yang tinggi biasaya digunakan kamus seperti yang diperkenalkan oleh Nazief dan Adriani,  stemmer bahasa melayu oleh Ahmad, Yuso, dan Sembok. tetapi teknik ini membutuhkan waktu komputasi yang tinggi karena ada proses pengambilan data pada database. Sedang untuk aplikasi yang lebih sederhana dan tidak membutuhkan akurasi yang tinggi teknik aturan imbuhan sangat mudah untuk diimplementasikan dan tidak membutuhkan waktu komputasi yang tinggi. Stemmer tala merupakan adopsi dari algoritma stemmer bahasa inggris terkenal porter stemmer. Stemmer ini menggunakan rule base analisis untuk mencari root sebuah kata. Stemmer ini sama sekali tidak menggunakan kamus sebagai acuan, seperti halnya stemmer ahmad,vega dan jelita. Proses stemming bahasa Indonesia menggunakan algoritma berbasis aturan mempunyai tingkat kesalahan tinggi, sehingga dapat mempengaruhi akurasi hasil akhir. Walaupun demikian performa stemming berbasis aturan relatif stabil dengan jumlah dokumen yang berkembang. Kata Kunci : Stemming, Stemmer Bahasa Indonesia, Tala

Data akademik perguruan tinggi bertambah setiap tahunnya sejalan dengan bertambahnya jumlah mahasiswa. Data yang berlimpah menyimpan informasi yang berlimpah juga.. Teknologi data mining merupakan alat bantu untuk penambangan informasi pada basis data berukuran besar dan telah banyak digunakan pada banyak domain. Memprediksi kinerja (evaluasi belajar) mahasiswa adalah suatu kegiatan untuk menentukan suatu kondisi dimasa depan berdasarkan data yang telah ada. SLIQ merupakan algoritma yang dikembangkan oleh tim proyek IBM’s Quest pada tahun 1996 dapat digunakan untuk dataset yang besar. Penggunaan algoritma SLIQ untuk mengklasifikasikan dan memprediksi kinerja mahasiswa sudah digunakan pada penelitian sebelumnya dengan hasil tingkat akurasi yang masih rendah dikarenakan banyaknya pembatasan. Selanjutnya dilakukan implementasi algoritma Nearest Neighbor yang menggunakan pendekatan untuk mencari kasus dengan menghitung kedekatan antara kasus baru dengan kasus lama, yaitu berdasarkan pada pencocokan bobot dari sejumlah fitur yang ada. Dari hasil penelitian ini kemudian dibandingkan tingkat akurasi dari hasil prediksi tersebut. Dari sistem yang dihasilkan dapat disimpulkan bahwa algoritma SLIQ dengan teknik pohon keputusan mempunyai tingkat akurasi prediksi yang lebih rendah dibandingkan dengan tingkat akurasi dari penggunaan algoritma nearest neighbor. Kata kunci : SLIQ, Nearest Neighbor, prediksi kinerja, akurasi

Sidik jari manusia ini merupakan bukti materi yang amat penting. Akurasi dalam melakukanidentifikasi bergantung pada reliabilitas ciri yang diambil dari citra sidik jari. Pada penelitian ini untukmenghasilkan ciri-ciri sidik jari digunakan metode pendekatan karakteristik fraktal. Pendekatan fraktaldipilih didasari pada pertimbangan bahwa struktur garis-garis sidik jari bersifat alami dan tidak teratur, danfraktal dikenal sebagai metode yang sangat cocok untuk keadaan alami dan tidak teratur tersebut. Adapuntahapan dalam mengolah data sidik jari  pada penelitian ini adalah akuisisi citra, preprocessing, ekstraksiciri, dan pencocokan. Akuisisi citra adalah tahap yang diawali dengan menangkap / mengambil gambarsidik jari dengan menggunakan scanner. Citra sidik jari yang diolah adalah citra grayscale dengan 256tingkat keabuan dan memiliki dimensi 320 x 320 pixel, dengan kerapatan gambar 300 dpi. Tahapanpreprocessing meliputi beberapa tahapan yaitu: normalisasi orientasi, segmentasi, perbaikan citra(enhancement), ekstraksi bukit dan penipisan. Ekstraksi ciri merupakan proses untuk menghasilkan cirisidik jari, yaitu dengan menggunakan metode fraktal (kode fraktal, dimensi fraktal dan derajatkekosongan). Pencocokan adalah proses untuk identifikasi sidik jari. Sistem pengolahan citra sidik jariyang telah dibuat untuk mendapatkan ekstraksi ciri ini telah dapat menentukan hasil identifikasi sidik jaridengan menghasilkan tiga ciri fraktal yaitu kode fraktal, dimensi fraktal dan derajat kekosongan.