Jurnal Teknologi dan Sistem Komputer
Not a member yet
364 research outputs found
Sort by
Sistem pengukuran ketinggian air sungai berbasis deteksi tepi Sobel
Full text linkFlood is a natural disaster that often occurs in Indonesia. Therefore, a flood warning system is required to reduce the number of losses due to flooding. In this study, a Sobel edge detection-based framework is proposed to measure the river water level, which is expected to be used as an early flood warning system. Sobel edge detection is used to determine the edge of the water surface, which is then taken by the position of the pixels, and the height is calculated by comparing the image with actual conditions. The test results of the system implemented on the prototype show that this system has an RMSE less than 0.6986 mm and can run at 12 fps which in the future can be implemented directly on rivers.Banjir merupakan bencana alam yang sering terjadi di Indonesia. Oleh sebab itu, diperlukan sebuah peringatan banjir sesegera mungkin untuk menekan angka kerugian akibat terjadinya banjir. Pada penelitian ini diusulkan sebuah framework berbasis pendeteksian tepi Sobel untuk mengukur tingkat ketinggian air sungai yang diharapkan dapat digunakan sebagai peringatan dini banjir. Deteksi tepi Sobel digunakan untuk menentukan tepian dari muka air yang kemudian diambil posisi piksel dan dihitung ketinggiannya dengan melakukan perbandingan citra dengan kondisi nyata. Hasil pengujian sistem yang diimplementasikan pada purwarupa menunjukkan bahwa sistem ini memiliki RMSE kurang dari 0,6986 mm dan dapat berjalan pada 12 fps yang ke depannya dapat diimplementasikan langsung pada sungai
Evaluations of Emotion Analysis of Tweets using Bidirectional Long Short Term Memory and Conventional Machine Learning
Full text linkMany ideas are contained in the social media twitter as a form of expression for an event. This review can be used to determine a person's emotions based on text data so that we can determine the next action in addressing and responding to that opinion. Emotion classification on twitter can be done by recognizing the tweet text pattern of the user. In this study, representing emotions using the BiLSTM model and the Conventional Machine Learning model. The amount of learning rate and the number of layers and the optimizer used and the number of epochs in the BiLSTM model can affect the accuracy results. In the conventional machine learning model, the K value of the KNN, the selection of the naive bayes model on probalistic, and the Decision Tree variation in the values of Max-depth, min-leaves, min-split will affect the results of the accuracy value. So that we get a good model for the classification of emotional sentiments based on text data from an opinion on the tweets page.
Pengelompokan wilayah menurut potensi ekonomi menggunakan modifikasi algoritme fuzzy k-prototypes untuk penentuan target pembangunan desa
Full text linkThe clustering algorithm can group regions based on economic potential with mixed attributes data, consisting of numeric and categorical data. This study aims to group villages according to their economic potential in determining village development targets in Demak Regency using the fuzzy k-prototypes algorithm and modified Eskin distance to measure the distance of categorical attributes. The data used are PODES2018 data and the 2019 Wilkerstat Mapping. Village clustering produces three village clusters according to their economic potential, namely low, medium, and high economic clusters. Clusters of high economic potential are located on the main transportation routes of Semarang–Kudus and Semarang–Grobogan. However, villages on the main transportation route are still included in the low economic cluster. Considering the status of the urban/rural village classification, most of these villages are included in the urban village category. The results of this clustering can be used to determine village development targets in increasing the Village Developing Index in Demak Regency.Pengelompokan wilayah berdasarkan potensi ekonomi dapat dilakukan dengan klasterisasi data yang beratribut campuran, yaitu terdiri dari data numerik dan kategorik. Penelitian ini bertujuan untuk melakukan pengelompokan desa menurut potensi ekonomi dalam menentukan target pembangunan desa di Kabupaten Demak. Klasterisasi dilakukan dengan algoritme fuzzy k-prototypes dan modifikasi jarak Eskin untuk mengukur jarak atribut kategorik. Data yang digunakan adalah data PODES2018 dan Pemetaan Wilkerstat 2019. Klasterisasi desa menghasilkan tiga klaster desa menurut potensi ekonominya, yaitu klaster ekonomi rendah, sedang, dan tinggi. Klaster potensi ekonomi tinggi berada pada jalur transportasi utama Semarang–Kudus dan Semarang–Grobogan. Namun, desa-desa yang berada pada jalur utama transportasi tersebut masih ada yang masuk dalam klaster ekonomi rendah. Dengan mempertimbangkan status klasifikasi perkotaan/perdesaan desa, sebagian besar desa tersebut termasuk dalam kategori desa perkotaan. Hasil klasterisasi ini dapat dijadikan pedoman dalam menentukan target pembangunan desa dalam meningkatkan Indeks Desa Membangun di Kabupaten Demak
Evaluasi Sistem Informasi Manajemen Puskesmas menggunakan Model HOT-Fit
No full textPenelitian ini mengevaluasi salah satu sistem informasi di bidang kesehatan yaitu sistem informasi manajemen Puskesmas dengan menggunakan model HOT-Fit. Metode HOT-Fit dipilih karena memberikan interpretasi penilaian yang komprehensif melalui pendekatan terhadap komponen inti suatu sistem informasi. Metode HOT-Fit mencakup: Manusia (Pengguna Sistem dan Kepuasan Pengguna), Organisasi (Struktur Organisasi dan Lingkungan Organisasi), Teknologi (Kualitas Sistem, Kualitas Informasi, dan Kualitas Layanan), serta Manfaat. Hasil penelitian menunjukkan bahwa terdapat pengaruh yang signifikan antara faktor Manusia dengan Manfaat (Sig. 0,014; Odds ratio 11,075 yang berarti faktor Manusia akan meningkatkan faktor Manfaat SIMPUS sebanyak 11,075 kali lebih tinggi). Tidak ada pengaruh yang signifikan antara Organisasi dengan Manfaat (Sig. 0,267). Tidak ada pengaruh yang signifikan antara Teknologi dengan Manfaat (Sig. 0,753)
Prediksi interaksi protein-protein berbasis sekuens protein menggunakan fitur autocorrelation dan machine learning
Full text linkProtein-protein interaction (PPI) can define a protein's function by knowing the protein's position in a complex network of protein interactions. The number of PPIs that have been identified is relatively small. Therefore, several studies were conducted to predict PPI using protein sequence information. This research compares the performance of three autocorrelation methods: Moran, Geary, and Moreau-Broto, in extracting protein sequence features to predict PPI. The results of the three extractions are then applied to three machine learning algorithms, namely k-Nearest Neighbor (KNN), Random Forest, and Support Vector Machine (SVM). The prediction models with the three autocorrelation methods can produce predictions with high average accuracy, which is 95.34% for Geary in KNN, 97.43% for Geary in RF, and 97.11% for Geary and Moran in SVM. In addition, the interacting protein pairs tend to have similar autocorrelation characteristics. Thus, the autocorrelation method can be used to predict PPI well.Interaksi protein-protein atau protein-protein interaction (PPI) dapat digunakan untuk mendefinisikan fungsi sebuah protein dengan mengetahui posisi protein tersebut dalam sebuah jaringan kompleks interaksi protein. Jumlah PPI yang berhasil diidentifikasi relatif masih sedikit. Oleh karena itu, beberapa penelitian dilakukan untuk memprediksi PPI menggunakan informasi sekuens protein. Dalam penelitian ini, dilakukan perbandingan kinerja tiga metode autocorrelation, yaitu Moran, Geary, dan Moreau-Broto dalam mengekstraksi fitur sekuens protein untuk memprediksi PPI. Hasil ekstraksi ketiganya diterapkan pada tiga algoritme machine learning, yaitu k-Nearest Neighbor (KNN), Random Forest, dan Support Vector Machine (SVM). Setelah dilakukan prediksi, diketahui bahwa fitur yang dihasilkan oleh ketiga metode autocorrelation tersebut dapat menghasilkan prediksi dengan rerata akurasi yang tinggi, yaitu sebesar 95,34% untuk Geary di KNN, 97,43% untuk Geary di RF, dan 97,11% untuk Geary dan Moran di SVM. Selain itu, dari penelitian ini juga diketahui bahwa pasangan protein yang berinteraksi cenderung memiliki fitur autocorrelation yang mirip. Dengan demikian, metode autocorrelation dapat dipertimbangkan sebagai metode yang dapat memprediksi PPI dengan baik
Klasifikasi penerima bantuan program rehabilitasi rumah tidak layak huni menggunakan algoritme K-Nearest Neighbor
Full text linkThe registrars for rehabilitation programs for uninhabitable settlements are increasing every year. The large data processing of registrants may result in inaccuracies and need a long time to determine livable houses (RTLH) and unfit for habitation (non RTLH). This study aims to apply the K-Nearest Neighbor algorithm in classifying the eligibility of recipients of uninhabitable house rehabilitation assistance. The data used in this study were 1289 data with 13 attributes from the Jepara Regency Public Housing and Settlement Service. Data processing begins with attribute selection, categorization, outlier data cleaning, and data normalization and method application. The proposed system has the best classification at k of 5 with an accuracy of 97.93%, 96.88% precision, 99.53% recall, and an AUC value of 0.964.Jumlah pendaftar bantuan program rehabilitasi rumah tidak layak huni (RTLH) terus meningkat tiap tahun. Pengolahan data yang cukup besar mengakibatkan ketidaktepatan dan lamanya dalam menentukan pendaftar yang RTLH maupun Non RTLH. Kajian ini bertujuan untuk menerapkan algoritme K-Nearest Neighbor dalam klasifikasi kelayakan penerima bantuan rehabilitasi rumah tidak layak huni. Data yang digunakan pada penelitian ini sebanyak 1289 data dengan 13 atribut yang diperoleh dari Dinas Perumahan Rakyat dan Kawasan Pemukiman kabupaten Jepara. Pengolahan data dimulai dari seleksi atribut, pengkategorian data, pembersihan data outlier, normalisasi data dan penerapan metode. Sistem yang diusulkan menghasilkan akurasi sebesar 97,93%, presisi 96,88%, sensitivitas 99,53%, dan AUC sebesar 0,964 pada k bernilai 5
Computer vision for sports
No full textWe explore theories and applications of Computer Vision (CV) in sports. We use the method proposed included: object, research question, search process, inclusion and exclusion, quality assessment, data collection, data analysis, and characteristics of the article. We review it based on problem, methods, interpretation, finding, and future work. We analyze it based on categories: recognition, motion, detection, classification, identification, and automation. Process CV in sports included computing technology, capture motion, multi-scenarios, application of statistical sports, output prediction, object measurement, performance, and object adjudication. We found that Machine Learning (ML) and Deep Learning (DL) were widely used on CV in sports. DL approach has more advantages than the ML approach because the DL approach is supported by high-performance computing and high-quality image datasets. The implication of this research is an artificial feature-based, multi-scenarios, syntaxis method, rapid prototype, indoor localization, and gaze method as big challenge and new potential research for CV in sports.
Pengaruh Berat Pengguna Terhadap Kontrol Kecepatan Motor DC Menggunakan Kontroler PID Untuk Pergerakan Kursi Roda Pintar
No full textKesulitan mobilitas dialami oleh sebagian populasi. Berbagai kursi roda elektrik telah dikembangkan untuk membantu mobilitas yang dilengkapi dengan motor penggerak. Terdapat banyak faktor yang mempengaruhi kecepatan kursi roda, salah satunya berat badan pengguna. Penelitian ini bertujuan mengembangkan sistem kontrol kecepatan kursi roda dengan memperhitungkan berat badan pengguna. Penelitian ini menggunakan kontroler PID (proportional-integral-derivative) dengan metode tuning Ziegler Nichols I. Parameter optimum diperoleh Kp 7,8 Ki 9,75 dan Kd 0,78, kemudian digunakan untuk kondisi tanpa bebean, dengan beban 42,6 kg , 58,7 kg, dan 65 kg. Hasil pengujian menunjukkan bahwa sistem mampu menanggung beban 65 kg dengan overshoot maksimum 25,80%, rise time 1,2 detik, dan settling time 4,90 detik. Respon transien sistem bertambah secara linear terhadap kenaikan berat beban pengguna
Edge Detection Analysis using Roberts, Sobel, Prewitt and Canny Methods
No full textEdge identification in a digital image is overgrowing in line with advances in computer technology for image processing. Edge detection becomes vital in recognizing the object of an image because the edge of the object in the image contains critical information. The information obtained can be either the size or shape of the object in the image, so the edge quality must be good so that the information contained in it is not lost. This study uses edge detection with the Roberts, Sobel, Prewitt, and Canny methods. The assessment method uses visual analysis, PSNR, Histogram, and Contrast. The study shows that the calculation of PSNR on the Roberts method has the highest value, with an average of 44.19 dB. Sobel, Prewitt, and Canny operators have PSNR values above 30 dB to classify it as a good image. The histogram value with the highest value is the Sobel operator, with an average histogram value of 22.06. In contrast, the highest contrast value is the Canny operator has an average contrast value of 5.08. The Roberts and Canny operators have the best image quality.Border identification in a digital image is overgrowing in line with advances in computer technology for image processing. Edge detection becomes vital in recognizing the object of an image because the edge of the object in the image contains critical information, the information obtained can be either the size or shape of the object in the image so the edge quality must be good so that the information contained in it is not lost. This study uses edge detection with the Roberts, Sobel, Prewitt, and Canny method. The analysis shows that the calculation of PSNR on the Robetrs method has the highest value with an average of 44.19 dB, Sobel, Prewitt and Canny operators have PSNR values above 30 dB so that it is classified as a good image. The histogram value with the highest value is the Sobel operator with an average histogram value of 22.06, while the highest contrast value is the Canny operator has an average contrast value of 5.08. Based on testing, it can be concluded that the Roberts and Canny operators have the best image quality
Sistem pemantauan suhu dan kelembapan pasir sarang penyu menggunakan Arduino Uno
Full text linkThis study aims to develop a turtle nests real-time monitoring system using the Arduino Uno to measure the temperature and moisture of sand used conveniently for certain applications. Sand temperature measurement uses a DS18B20 waterproof sensor, sand moisture uses SKU:SEN0193, and air temperature and humidity using DHT22. The micro SD card module is used to store data from sensor calculations in real-time and continuously. The measuring instrument was designed to be portable and easy to use. The material used is polypropylene that has dimensions of 11x6x18 cm3. Using the regression linear analysis, there was no significant difference in temperature measurements using the DS18B20 sensor and analog thermometer and sand humidity using an SKU:SEN0193 sensor and analog humidity measuring instrument.Penelitian ini mengembangkan sistem pemantauan sarang penyu secara real-time menggunakan mikrokontroler Arduino Uno untuk memudahkan peneliti atau masyarakat dalam mengukur kelembapan dan suhu pasir yang dimanfaatkan untuk bidang tertentu. Pengukuran suhu pasir menggunakan sensor DS18B20 yang tahan air, kelembapan pasir menggunakan sensor SKU:SEN0193, serta suhu dan kelembapan udara menggunakan DHT22. Modul kartu mikroSD berfungsi untuk menyimpan data hasil perhitungan sensor secara real-time dan terus-menerus. Desain alat ukur dirancang untuk mudah dibawa dan digunakan. Bahan yang digunakan adalah plastik polypropylene yang mempunyai dimensi 11x6x18 cm3. Berdasarkan analisis menggunakan uji regresi linier, diperoleh hasil bahwa tidak ada perbedaan yang signifikan dalam pengukuran suhu menggunakan sensor DS18B20 dan termometer air raksa serta kelembapan pasir menggunakan sensor SKU:SEN0193 dan alat ukur kelembapan analog