Abstrak-Cerita rakyat adalah kebudayaan tradisional di lingkungan masyarakat, dan diwariskan kepada generasi selanjutnya. Media game dengan genre visual novel merupakan salah satu alternatif untuk melestarikan kearifankearifan tradisional karena unsur utama didalam game visual novel adalah karakter atau tokoh dalam membawa jalan cerita dan pesan yang disampaikan. Perancangan visual karakter dan visual latar dalam game ini berdasarkan cerita rakyat yang beredar di tengah-tengah masyarakat. Penelitian ini bertujuan untuk membuat karakter dan latar dalam game visual novel cerita asal usul Kota Surabaya untuk menjaga kearifan tradisional yang ada didalam cerita tersebut rakyat tersebut. Target pengguna game ini berusia 18-23 tahun. Data primer konsep cerita berasal dari buku Antologi Cerita Rakyat Jawa Timur yang diterbitkan oleh Balai Bahasa Surabaya, serta studi literatur dan teori-teori terkait. Metode penelitian yang digunakan dalam penelitian ini adalah metode penelitian kualitatif dengan teknik analisis deskriptif. Terdapat 114 responden yang terlibat memberikan penilaian hasil desain visual karakter dan visual latar. Total skor yang diberikan responden terbesar pada elemen visual latar bangunan yakni sebesar 87,37%, sedangkan total skor terendah diberikan oleh responden pada elemen visual ekspresi karakter sebesar 79,47%.

Media sosial memberikan bonus berupa data yang dapat dikelola menjadi informasiyang bermanfaat. Dalam penelitian ini, kami mengembangkan mesin crawler untukmedia sosial Instagram dan Pinterest. Mesin crawler ini digunakan sebagaiinfrastruktur pendukung untuk mengambil data di media sosial. Data yang dihasilkanoleh mesin crawler selanjutnya digunakan sebagai bahan riset visual untukmerancang kemasan produk bagi konsumen menengah ke atas. Hasil uji cobamenunjukkan bahwa penggunaan Apache MesOS dapat mempercepat prosescrawling dari 30 jam menjadi 1 jam. Dalam hal seleksi data, pada Pinterest, mesincrawler ini dapat mencapai akurasi hingga 100%. Sementara itu, pada Instagram,nilai Presisi tidak stabil dan berada pada rentang 34.8% hingga 90.0%. Sedangkannilai recall dan akurasinya konsisten di bawah 70%. Hal ini menunjukkan bahwaarsitekturr mesin crawler sudah sesuai untuk menyelesaikan permasalahan. Namun,perbaikan masih dibutuhkan dari sisi algoritma seleksi agar nilai Presisi, Recall danAkurasi pada Instagram dapat ditingkatkan lagi

Bertumbuhnya bisnis e-commerce di internet membuka ranah penelitian baru di bidang sistem temu kembali citra khusus untuk produk-produk yang sedang diperjual belikan secata online. Pada makalah ini, diusulkan sistem temu kembali citra untuk e-commerce dengan prosedur pencarian dua fase menggunakan fitur histogram multi tekston (MTH-2). Pada proses uji coba, sistem ini dibandingkan dengan sistem pencarian satu fase dengan fitur yang sama (MTH-1) dan sistem temu kembali citra yang menggunakan algoritma SIFT. Hasil uji coba menunjukkan bahwa algoritma SIFT menghasilkan presisi rata-rata dan recall rata-rata sebesar 100% dan 42%, MTH-1 menghasilkan presisi rata-rata sebesar 32% dan 63%. Sedangkan sistem MTH-2 menghasilkan nilai presisi dan recall rata-rata 60% dan 63%. Berdasarkan hasil uji coba ini dapat disimpulkan bahwa sistem MTH2 cocok digunakan untuk dataset produk-produk yang dijual secara online.

No abstract

Bertumbuhnya jumlah artikel ilmiah membuka ranah penelitian baru di bidang optimasi klasifikasi dokumen berbasis metadata. Dalam ranah ini, persoalan pokok yang harus dijawab adalah bagaimana cara memanfaatkan fitur metadata yang terbatas untuk menghasilkan nilai presisi dan recall yang tinggi dalam proses klasifikasi artikel ilmiah. Dalam makalah ini diusulkan sebuah metode klasifikasi artikel ilmiah dengan menggunakan atribut abstraksi dan catatan publikasi penulis pada metada data sebagai fitur. Hasil uji coba menunjukkan bahwa sistem klasifikasi yang menggunakan abstraksi dan catatan publikasi penulis sebagai fitur menghasilkan nilai presisi tertinggi sebesar 0.87 dan recall 0.59 sedangkan sistem klasifikasi yang menggunakan abstraksi sebagai fitur menghasilkan nilai presisi 0.75 dan recall 0.51. Hasil uji coba juga menunjukkan bahwa nilai presisi dan recall dari sistem klasifikasi stabil ketika nilai _1/ _2 = 1. Berdasarkan hasil uji coba ini, dapat disimpulkan bahwa sistem klasifikasi yang diusulkan lebih baik dalam hal presisi dan recall jika dibandingkan dengan sistem klasifikasi yang menggunakan abstraksi saja. Selain itu, juga dapat disimpulkan bahwa abstraksi dan catatan publikasi artikel ilmiah memiliki nilai signifikansi yang sama.