Jakarta, NusamandiriNews–Kegiatan diskusi ilmiah yang diselenggarakan secara online oleh Program Studi (prodi) Magister Ilmu Komputer Universitas Nusa Mandiri (UNM) kembali digelar pada Rabu (20/12) malam. Kegiatan yang bertajuk Research Sharing Episode-11 ini menghadirkan dua alumni yaitu Fahmi Ardiansyah dan Fuad Muftie.
Pada kesempatan ini, Dr Agus Subekti selaku ketua prodi Ilmu Komputer (S2) turut hadir dan memberikan sambutan. Ia menyampaikan acara ini merupakan kegiatan bermanfaat sebagai ajang berbagi ilmu dan penelitian.
“Adanya research sharing ini dapat menambah wacana keilmuan dan membuka persepsi baru bidang penelitian mahasiswa/i prodi Magister Ilmu Komputer UNM,” ujarnya dalam rilis yang diterima, Kamis (21/12).
Baca juga: Bangun Gairah Penelitian Ilmiah, Magister Ilmu Komputer UNM Kembali Gelar Research Sharing
Research Sharing UNM
Ia mengungkapkan bahwa salah satu bidang dalam research sharing ini yakni teks mining dimana lingkupnya tidak hanya sentimen analisis saja.
“Dengan research sharing ini membuka persepsi baru contohnya dalam lingkup teks mining dimana yang selama ini dikerjakan oleh mahasiswa hanya seputar sentimen analis saja, namun ada hal-hal lain yang bisa dilakukan seperti augmentasi data,” terangnya.
Sementara itu, Fahmi Ardiansyah sebagai presenter sesi pertama memaparkan penelitiannya berjudul Gradient Boosting untuk Software Effort Estimation Berbasis Use Case Points, dari bidang Software Engineering.
“Software Effort Estimation merupakan aspek penting yang digunakan dalam tahap perencanaan perangkat lunak dan implementasi proyek. Penelitian saya menggunakan Use Case Points (UCP) dimana UCP bekerja dengan baik dalam teknik analisis berdasarkan object-oriented,” paparnya saat presentasi.
Sedangkan pada bidang Data Mining, materi dipaparkan oleh Fuad Muftie dengan judul Augmentasi Data Berbasis IndoBERT untuk Pengklasifikasian Teks Bahasa Indonesia.
Baca juga: Research Sharing Jadi Forum Diskusi Penelitian Alumni dan Mahasiswa S2 Ilmu Komputer UNM
“Berbagai teknik augmentasi mampu membuat data teks imitasi sesuai kebutuhan, namun masih ada tantangan dimana perubahan pada teks dapat mengubah makna dan sentimen kalimat. Penelitian ini bertujuan mencari solusi efektif augmentasi teks bahasa Indonesia yang dapat tetap menjaga makna dan sentiment kalimat,” jelas Fuad.
Fuad memaparkan kontribusi yang diharapkan dari penelitian ini yaitu pada pemilihan metode text preprocessing.
“Penggabungan penggunaan POS Tagging dengan IndoBERT untuk membuat data imitasi dari data teks Bahasa Indonesia dilakukan dengan cara menyisipkan kata secara selektif dalam kalimat (selective insert),” imbuhnya.
Pada akhir sesi Fuad menyampaikan harapan agar penelitiannya dapat dilanjutkan oleh mahasiswa lain.
“Untuk pengembangan metode penyisipan selektif ke depan, dapat dilakukan eksperimen dengan memasukkan lebih banyak kata ke dalam kalimat, terutama untuk data teks panjang yang membutuhkan lebih banyak data untuk digunakan dalam model Deep Learning,” tutupnya. (UMF)