No abstract

Intisari-Badan Penelitian dan Pengembangan Hukum dan Hak Asasi Manusia dalam melaksanakan tugas dan fungsinya memberikan pelayanan berupa layanan Penyediaan Narasumber. Pengelolaan surat secara manual membutuhkan waktu yang lama dan memungkinkan terjadinya kehilangan dokumen. Penelitian ini bertujuan untuk dapat mengurangi penggunaan waktu, membantu memperkecil terjadinya kehilangan surat, serta mengurangi kesalahan dalam pencatatan surat dengan menyimpannya pada basis data sesuai format yang ditentukan. Dalam rancang bangun sistem akan melakukan pengecekan input pemohon dan melakukan validasi sebelum data disimpan ke dalam basis data menggunakan Finite State Automata (FSA) agar data yang tersimpan sesuai dengan format yang ditentukan. Dengan diterapkannya penelitian ini diharapkan dapat membantu Badan Penelitian dan Pengembangan Hukum dan Hak Asasi Manusia untuk mengurangi penggunaan waktu, membantu memperkecil terjadinya kehilangan surat, serta mengurangi kesalahan dalam pencatatan surat sesuai dengan format yang ditentukan.

Teori bahasa dan automata merupakan teori yang berkaitan dengan mesin-mesin abstrak yang di dalamnya terdapat sebuah kajian tentang Finite State Automata (FSA) yang dapat diimplementasikan dalam rancangan sebuah Vending Machine (VM). VM di Indonesia banyak beroperasi dengan produk seperti minuman kaleng, minuman botol plastik, kopi, makanan ringan, dan tiket. Dalam penelitian ini, akan diuraikan mengenai aplikasi simulasi VM masakan padang sebuah produk makanan daerah yang terkenal di seluruh dunia dengan citarasa masakan yang beraneka ragam dan bumbu khas daerah sehingga memiliki kenikmatan luar biasa, berdasarkan implementasi FSA. Kesimpulan yang didapat dalam penelitian ini yaitu bahwa FSA dapat dijadikan sebagai logika dasar untuk membuat simulasi VM. Penelitian ini juga mengusulkan penggunaan state yang lebih sedikit, penggunaan uang kertas sebagai input untuk meningkatkan efisiensi dan biaya desain Vending Machine.

Pemilihan presiden tahun 2019 merupakan pemilihan presiden yang menjadi perbincangan hangat selama beberapa waktu bahkan orang membicarakan topik ini sejak tahun 2018 di internet. Dalam memprediksi pemenang pemilihan presiden penelitian sebelumnya telah melakukan penelitian terhadap dataset Analisis sentimen berbasis aspek (ABSA) pemilihan presiden tahun 2019 menggunakan algoritma pembelajaran mesin seperti Support Vector Machine (SVM), Naive Bayes (NB), dan K-Nearest Neighbors (KNN) dan menghasilkan akurasi yang cukup baik. Penelitian ini mengusulkan metode deep learning dengan menggunakan model BERT (Bidirectional Encoder Representation form Transformers) dan RoBERTa (A Robustly Optimized BERT Pretraining Approach). Hasil penelitian ini menunjukkan bahwa model BERT indobenchmark dan RoBERTa base-indonesian single label classification pada fitur target dengan preprocessing menghasilkan akurasi yang terbaik yaitu sebesar 98.02%. Model BERT indolem dan indobenchmark single label classification pada fitur target tanpa preprocessing menghasilkan akurasi yang terbaik yaitu sebesar 98.02%. Model BERT indobenchmark single label classification pada fitur aspek dengan preprocessing menghasilkan akurasi yang terbaik yaitu sebesar 74.26%. Model BERT indolem single label classification pada fitur aspek tanpa preprocessing menghasilkan akurasi yang terbaik yaitu sebesar 74.26%. Model BERT indolem single label classification pada fitur sentiment dengan preprocessing menghasilkan akurasi yang terbaik yaitu sebesar 93.07%. Model BERT indolem single label classification pada fitur sentiment tanpa preprocessing menghasilkan akurasi yang terbaik yaitu sebesar 94.06%. Model BERT indobenchmark multi label classification dengan preprocessing menghasilkan akurasi yang terbaik yaitu sebesar 98.66%. Model BERT indobenchmark multi label classification tanpa preprocessing menghasilkan akurasi yang terbaik yaitu sebesar 98.66%.

No abstract