Proyek Lab
MULTI-ASPECT POLARITY LEXICON FOR INDONESIAN STUDENT FEEDBACK EXTRACTION
Lexicon ini dirancang untuk mengatasi keterbatasan lexicon umum seperti VADER, SentiWordNet, dan InSet yang tidak mampu menganalisis sentimen secara spesifik pada aspek-aspek pendidikan. Dengan pendekatan yang efisien dan tidak memerlukan pelabelan data yang mahal, model ini mampu mengekstraksi sentimen terhadap enam aspek penting: pedagogik, profesional, kepribadian, sosial, fasilitas, dan lainnya. Lexicon ini disusun berdasarkan data nyata dari umpan balik lebih dari 29 ribu entri mahasiswa dan melewati proses validasi oleh pakar.
Hybrid graph structure learning for improving semantic dependency parsing with robust graph neural networks
HybridGL dirancang untuk meningkatkan akurasi Semantic Dependency Parsing (SDP) – sebuah metode penting dalam pemrosesan bahasa alami yang digunakan untuk memahami hubungan makna antar kata dalam sebuah kalimat. Model ini memadukan kekuatan Graph Neural Network (GNN) dengan teknik pembelajaran struktur graf (Graph Structure Learning/GSL) yang mengadopsi prinsip homophily, sparsity, dan distribusi derajat, sebagaimana diperkenalkan dalam pendekatan DGSLN.
Classification of Batik Motifs Using Multi-Texton Co-Occurrence Descriptor and Binarized Statistical Image Features
Penelitian ini menggabungkan dua pendekatan ekstraksi fitur, yakni Multi-Texton Co-Occurrence Descriptor (MTCD) dan Binarized Statistical Image Features (BSIF), dalam satu model terintegrasi.Pendekatan ini memadukan kekuatan representasi tekstur halus dari MTCD dan fitur statistik dari BSIF, lalu disempurnakan dengan teknik penggabungan fitur dan reduksi dimensi. Penelitian ini menguji tiga teknik kombinasi fitur dengan pendekatan Principal Component Analysis (PCA), dan menunjukkan bahwa kombinasi awal sebelum normalisasi menghasilkan performa terbaik. Proses klasifikasi dilakukan menggunakan Support Vector Machine (SVM) dengan kernel linear dan radial basis function (RBF), menunjukkan ketangguhan metode terhadap berbagai variasi motif.
