📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 3 dokumenINKLUSIVITAS TRANSPORTASI UMUM BAGI TEMAN TULI PADA ERA DIGITALISASI DI DKI JAKARTA
Transportasi umum seharusnya dapat diakses secara setara oleh seluruh lapisan masyarakat, termasuk Teman Tuli yang menghadapi hambatan informasional dan komunikasional dalam sistem yang dirancang dengan asumsi seluruh penggunanya dapat mendengar. Di tengah pesatnya digitalisasi layanan transportasi di DKI Jakarta, sejauh mana transformasi digital tersebut berpihak pada kebutuhan Teman Tuli masih belum terjawab. Penelitian ini menganalisis karakteristik mobilitas, persepsi aksesibilitas, dan preferensi pemilihan moda transportasi umum oleh Teman Tuli pada era digitalisasi di DKI Jakarta, melibatkan 31 responden dari komunitas Gerkatin dan Sunyi Cafe melalui pendekatan kuantitatif yang didukung Focus Group Discussion dan observasi terarah. Temuan menunjukkan Teman Tuli adalah pengguna transportasi umum yang aktif namun menanggung biaya adaptasi tinggi karena sistem tidak dirancang untuk mereka: seluruh responden mengandalkan smartphone dan mayoritas menggunakan aplikasi navigasi sebagai pengganti informasi audio yang tidak dapat mereka akses. Persepsi aksesibilitas terbentuk dari empat dimensi utama yang seluruhnya mencerminkan ketidakpuasan konsisten terhadap informasi visual dinamis. Secara substantif, preferensi pemilihan moda Teman Tuli ditentukan bukan oleh efisiensi waktu atau tarif, melainkan oleh ketersediaan informasi keselamatan visual, kemampuan komunikasi petugas, dan aksesibilitas informasi visual selama perjalanan, menegaskan bahwa inklusivitas transportasi bagi Teman Tuli adalah soal kesetaraan akses informasi, bukan infrastruktur fisik. Penelitian ini berkontribusi pada kajian aksesibilitas transportasi inklusif di Indonesia dengan menghadirkan perspektif Teman Tuli yang selama ini tidak terwakili dalam literatur transportasi perkotaan Indonesia.
ANALISIS KINERJA SISTEM TRANSKRIPSI OTOMATIS PADA APLIKASI BERBASIS WEB UNTUK REKAMAN PERTEMUAN
Perkembangan sistem Speech-to-Text (STT) telah membuka peluang pencatatan otomatis dalam rekaman pertemuan, namun tantangan utama masih ditemukan pada faktor lingkungan seperti tingkat kebisingan dan jenis mikrofon. Penelitian ini bertujuan mengevaluasi performa sistem STT berbasis Azure Speech dalam aplikasi web, dengan fokus pada analisis pengaruh variasi noise dan tipe mikrofon terhadap akurasi transkripsi. Pengujian dilakukan menggunakan empat jenis mikrofon (built-in laptop, meeting, podcast, dan TWS) pada berbagai tingkat kebisingan buatan. Data sinyal suara diukur menggunakan Sound Level Meter untuk memperoleh parameter amplitudo, dB, dan Signal-to-Noise Ratio (SNR), sementara akurasi transkripsi dievaluasi menggunakan Word Error Rate (WER). Hasil eksperimen menunjukkan penurunan performa STT seiring peningkatan kebisingan, terutama pada mikrofon internal, sedangkan mikrofon eksternal menunjukkan hasil yang lebih stabil. Aplikasi web yang dikembangkan mendukung transkripsi real-time dan ekspor hasil ke format PDF. Berdasarkan feedback dari beberapa pengguna di perusahaan mitra yang sudah pernah menjalin kerjasama, fitur export transcript ke dalam bentuk PDF sangat membantu dalam dokumentasi rapat. Temuan ini menegaskan pentingnya pemilihan perangkat keras serta pengelolaan lingkungan audio, dan memberikan rekomendasi untuk pengembangan sistem STT yang lebih adaptif di masa depan. Penelitian ini memberikan kontribusi pada pemahaman keterbatasan sistem STT dalam kondisi noise tinggi serta menawarkan rekomendasi untuk perbaikan di masa mendatang, baik dari sisi perangkat keras maupun penerapan algoritma pengurangan noise.
PENINGKATAN KINERJA HATE SPEECH DETECTION UNTUK STATEMENT BERMAKNA HATEFUL MENGGUNAKAN STRATEGI CONTEXTUAL PREPROCESSING DAN FINE-TUNING PADA PRE-TRAINED LANGUAGE MODEL (BERT)
Peningkatan jumlah konten sosial media memiliki relevansi terhadap peningkatan prevalensi ujaran kebencian. Hal ini memberi tantangan berupa kompleksitas dalam membedakan antara kebebasan berpendapat yang diakui dan ekspresi yang mendorong kebencian. Sehingga diperlukan sistem identifikasi konten ujaran kebencian yang akurat. Namun, keberadaan bias dalam proses pengembangan sistem menyebabkan ketidakakuratan dalam mengidentifikasi konten yang seharusnya dianggap sebagai ujaran kebencian. Untuk mengatasi hal tersebut, penting untuk menetapkan standar-standar yang jelas terhadap kriteria sebuah ujaran kebencian, sehingga mengurangi risiko bias dalam proses deteksi. Penelitian ini bertujuan untuk merumuskan kriteria- kriteria ujaran kebencian berdasarkan konsep-konsep speech, kebencian, dan ujaran kebencian itu sendiri. Dalam tahap awal, kriteria-kriteria yang terbentuk diterjemahkan ke dalam konteks linguistik untuk kemudian diimplementasikan dalam algoritma pemrograman pada pra-proses natural language processing yang bertujuan untuk memberikan label otomatis berdasarkan kriteria-kriteria yang telah dirumuskan. Tahap selanjutnya melibatkan proses training menggunakan pendekatan pre-training language model berbasis BERT dan proses fine-tuning untuk mengadaptasi model pada domain yang relevan dengan ujaran kebencian. Evaluasi dilakukan dengan memperhatikan akurasi, precision, recall, dan f1-score dari model yang dikembangkan, sambil menganalisis pengurangan bias yang mungkin dihasilkan oleh model tersebut. Penelitian ini menghasilkan model dengan akurasi, precision, dan recall yang lebih unggul dibandingkan penelitian sebelumnya. Keberhasilan model ini disebabkan oleh penetapan kriteria-kriteria ujaran kebencian yang lebih tegas dan spesifik secara linguistik, sehingga memungkinkan model untuk lebih tepat dalam mengidentifikasi konten yang mengandung makna kebencian dan meningkatkan kinerja deteksi secara signifikan.