Library Automation and Digital Archive
LONTAR
Fakultas Ilmu Komputer
Universitas Indonesia

Pencarian Sederhana

Find Similar Add to Favorite

Pengarang Muhamad Mustamiin;
Judul English Multidocument summarization based on clustering of learning object using hierarchical clustering
Pembimbing 2 Indra Budi
Tahun buku 2017
Barcode RFID baru 11842574
Tahun Angkatan 2014
Progam Studi MIK
Lokasi FASILKOM-UI;
Tanggal Datang 04/04/2017
Abstrak Indonesia
ABSTRAK

ABSTRAK Nama : Muhamad Mustamiin Program Studi : Magister Ilmu Komputer Judul : Peringkas Multidokumen berdasarkan Pengelompokan Learning Object menggunakan Hierarchical Clustering Open Educational Resources (OER) merupakan tempat mengajar, belajar, dan sumber-sumber penelitian yang berada dalam domain publik yang memungkinkan diakses secara bebas. Pada OER terdapat konten-konten ilmu pengetahuan, penelitian maupun konten pembelajaran. Konten pembelajaran atau Learning Object (LO) bersifat butiran dan dapat digunakan kembali pada materi pembelajaran lainnya. Teknik penelusuran LO berbasis ontologi dapat digunakan untuk mencari LO dalam OER. Pada penelitian ini dilakukan peringkasan terhadap LO-LO hasil penelusuran mesin pencari berbasis ontologi untuk dijadikan sebagai bahan dalam pembuatan materi pembelajaran baru sesuai dengan topik yang dicari oleh pengguna. Peringkasan berdasarkan pengelompokan LO menggunakan Hierarchical Agglomerative Clustering (HAC) dengan ketergantungan konteks terhadap kueri pengguna memiliki nilai rerata F-Measure 0,487, sementara peringkasan berdasarkan pengelompokan K-Means hanya memiliki nilai rerata F-Measure 0,336. Dalam penelitian ini juga dilakukan eksperimen ekspansi kueri untuk meningkatkan keterkaitan antara kueri dengan keinginan pengguna. Dari hasil eksperimen diketahui bahwa penggunaan ekspansi kueri dalam pencarian dapat meningkatkan nilai rerata mean average precision dari 0,526 menjadi 0,567. Penggunaan ekspansi kueri dalam peringkasan menggunakan HAC dengan ketergantungan konteks meningkatkan nilai rerata F-Measure menjadi 0,490, sementara untuk peringkasan dengan K-Means nilai rerata F-Measure menjadi 0,370. Kata Kunci : Peringkas Multidokumen, Ekspansi Kueri, Open Educational Resources, Learning Object, Hierarchical Clustering

Judul Peringkas multidokumen berdasarkan pengelompokan learning object menggunakan hierachical clustering
Tgl Pemasukan 4 April 2017
Abstrak English
ABSTRAK

ABSTRACT Name : Muhamad Mustamiin Study Program : Master of Computer Science Title : Multidocument Summarization based on Clustering of Learning Object using Hierarchical Clustering Open Educational Resources (OER) is a place of teaching, learning and research resources that are in the public domain that allows a freely accessible. OER contains science, research and also learning content. Learning content or Learning Object (LO) are granular and can be reused in other learning materials. LO ontology-based search techniques can be used to search for LO in OER. In this research, LO from search results are used as an ingredient to create new learning materials according to the topic searched by users. Summarizing based grouping of LO use Hierarchical Agglomerative Clustering (HAC) with the dependency context to the user's query which has an average value F-Measure of 0.487, while summarizing by K-Means F-Measure only has an average value of 0.336. To improve the linkages between queries of user's wishes, query expansion experiments was also conducted in this research, from the experiment results found that the use query expansion in a search could increase the average value of the mean average precision of 0.526 to 0,567. HAC summarizing with dependency context using query expansion increases average value of F-Measure to 0.490, while summarizing by K-Means using query expansion increases average value of F-Measure to 0.370. Keywords : Multidocument Summarization, Query Expantion, Open Educational Resources, Learning Object, Hierarchical Clustering

Penguji 2 Denny
Penguji 3 Kasiyah
Pembimbing 1 Harry Budi Santoso
Fisik xiii, 11 hlm.: ill.; 30 cm.
Bahasa ind
Penerbitan Depok: Fakultas Ilmu Komputer, 2017
No. Panggil T-1185 (Softcopy T-893) Source code T-280
Penguji 1 Widijanto Satyo Nugroho
Lokasi : Perpustakaan Fakultas Ilmu Komputer
Nomor Panggil ID Koleksi Status
T-1185 (Softcopy T-893) Source code T-280 TERSEDIA
Tidak ada review pada koleksi ini: 44778
ABSTRAK

ABSTRAK Nama : Muhamad Mustamiin Program Studi : Magister Ilmu Komputer Judul : Peringkas Multidokumen berdasarkan Pengelompokan Learning Object menggunakan Hierarchical Clustering Open Educational Resources (OER) merupakan tempat mengajar, belajar, dan sumber-sumber penelitian yang berada dalam domain publik yang memungkinkan diakses secara bebas. Pada OER terdapat konten-konten ilmu pengetahuan, penelitian maupun konten pembelajaran. Konten pembelajaran atau Learning Object (LO) bersifat butiran dan dapat digunakan kembali pada materi pembelajaran lainnya. Teknik penelusuran LO berbasis ontologi dapat digunakan untuk mencari LO dalam OER. Pada penelitian ini dilakukan peringkasan terhadap LO-LO hasil penelusuran mesin pencari berbasis ontologi untuk dijadikan sebagai bahan dalam pembuatan materi pembelajaran baru sesuai dengan topik yang dicari oleh pengguna. Peringkasan berdasarkan pengelompokan LO menggunakan Hierarchical Agglomerative Clustering (HAC) dengan ketergantungan konteks terhadap kueri pengguna memiliki nilai rerata F-Measure 0,487, sementara peringkasan berdasarkan pengelompokan K-Means hanya memiliki nilai rerata F-Measure 0,336. Dalam penelitian ini juga dilakukan eksperimen ekspansi kueri untuk meningkatkan keterkaitan antara kueri dengan keinginan pengguna. Dari hasil eksperimen diketahui bahwa penggunaan ekspansi kueri dalam pencarian dapat meningkatkan nilai rerata mean average precision dari 0,526 menjadi 0,567. Penggunaan ekspansi kueri dalam peringkasan menggunakan HAC dengan ketergantungan konteks meningkatkan nilai rerata F-Measure menjadi 0,490, sementara untuk peringkasan dengan K-Means nilai rerata F-Measure menjadi 0,370. Kata Kunci : Peringkas Multidokumen, Ekspansi Kueri, Open Educational Resources, Learning Object, Hierarchical Clustering