Jurnal Teknologi dan Sistem Komputer
Not a member yet
364 research outputs found
Sort by
A proposed method for handling an imbalance data in classification of blood type based on Myers-Briggs type indicator
Get PDFBlood type still leads to an assumption about its relation to some personality aspects. This study observes preprocessing methods for improving the classification accuracy of MBTI data to determine blood type. The training and testing data use 250 data from the MBTI questionnaire answers given by 250 respondents. The classification uses the k-Nearest Neighbor (k-NN) algorithm. Without preprocessing, k-NN results in about 32 % accuracy, so it needs some preprocessing to handle data imbalance before the classification. The proposed preprocessing consists of two-stage, the first stage is the unsupervised resample, and the second is the supervised resample. For the validation, it uses ten cross-validations. The result of k-Nearest Neighbor classification after using these proposed preprocessing stages has finally increased the accuracy, F-score, and recall significantly
Recites fidelity detection system of al-Kautsar verse based on words using mel frequency cepstrum coefficients and cosine similarity
Get PDFDalam penelitian ini telah dibuat sistem bantu untuk mendeteksi ketepatan pembacaan Al-Qur’an pada surah Al-Kautsar berdasarkan ketepatan jumlah dan pelafalan kata dalam satu surah lengkap. Sistem ini sangat tergantung dengan ketepatan segmentasi kata yang berdasarkan envelope sinyal. Metode ekstraksi ciri yang digunakan adalah Mel Frequency Cepstrum Coefficients (MFCC), sedangkan metode Cosine Similarity digunakan untuk deteksi ketepatan pembacaannya. Dari 60 data, 30 data digunakan untuk pelatihan, sedangkan sisanya untuk pengujian. Dari masing-masing 30 data latih dan uji, 15 data adalah pembacaan benar dan 15 data lain adalah pembacaan salah. Akurasi sistem diukur atas pengenalan kata demi kata, yaitu menghasilkan recall dan presisi 100 % dan 98,96 % untuk data kata latih serta 100 % dan 99,65 % untuk data kata uji. Dalam hal bacaan keseluruhan surah, ada 15 bacaan benar dan 14 bacaan salah yang dikenali dengan tepat.In this study, a system has been developed to help detect the accuracy of the reading of the Koran in the Surah Al-Kautsar based on the accuracy of the number and pronunciation of words in one complete surah. This system is very dependent on the accuracy of word segmentation based on envelope signals. The feature extraction method used was Mel Frequency Cepstrum Coefficients (MFCC), while the Cosine Similarity method was used to detect the accuracy of the reading. From 60 data, 30 data were used for training, while the rest were for testing. From each of the 30 training and test data, 15 data were correct readings, and 15 other data were incorrect readings. System accuracy was measured by word-for-word recognition, which results in 100 % of recall and 98.96 % of precision for the training word data, and 100 % of recall and 99.65 % of precision for the test word data. For the overall reading of the surah, there were 15 correct readings and 14 incorrect readings that were recognized correctly
Comparison of distance measurement on k-nearest neighbour in textual data classification
Get PDFSalah satu algoritme yang dapat digunakan untuk mengklasifikasikan data tekstual dalam pengelolaan dokumen-dokumen secara otomatis adalah KNN, dengan mengubah representasi kata menjadi vektor. Penghitungan nilai jarak dalam algoritme KNN menjadi esensial dalam menentukan kedekatan antar elemen data. Penelitian ini membandingkan empat perhitungan jarak yang sering digunakan dalam KNN, yaitu Euclidean, Chebyshev, Manhattan, dan Minkowski. Dataset menggunakan data pada komentar Youtube Eminem yang berisi 448 data. Hasil penelitian ini menunjukkan bahwa jarak Euclidean dan Minkowski pada algoritme KNN pada data dengan representasi vektor dari kalimat sebagian besar menghasilkan akurasi terbaik dibandingkan Chebyshev maupun Manhattan. Hasil terbaik pada KNN diperoleh ketika K bernilai 3.One algorithm to classify textual data in automatic organizing of documents application is KNN, by changing word representations into vectors. The distance calculation in the KNN algorithm becomes essential in measuring the closeness between data elements. This study compares four distance calculations commonly used in KNN, namely Euclidean, Chebyshev, Manhattan, and Minkowski. The dataset used data from Youtube Eminem’s comments which contain 448 data. This study showed that Euclidian and Minkowski on the KNN algorithm achieved the best result compared to Chebycev and Manhattan. The best results on KNN are obtained when the K value is 3
Identification of fat-soluble vitamins deficiency using artificial neural network
Get PDFThe fat-soluble vitamins (A, D, E, K) deficiency remain frequent universally and may have consequential adverse resultants and causing slow appearance symptoms gradually and intensify over time. The vitamin deficiency detection requires an experienced physician to notice the symptoms and to review a blood test’s result (high-priced). This research aims to create an early detection system of fat-soluble vitamin deficiency using artificial neural network Back-propagation. The method was implemented by converting deficiency symptoms data into training data to be used to produce a weight of ANN and testing data. We employed Gradient Descent and Logsig as an activation function. The distribution of training data and test data was 71 and 30, respectively. The best architecture generated an accuracy of 95 % in a combination of parameters using 150 hidden layers, 10000 epoch, error target 0.0001, learning rate 0.25
Mobile robot navigation based on line landmarks using the Braitenberg controller and image processing
Get PDFPengikut garis dan pelacakan jalur adalah teknik navigasi robot yang menggunakan garis sebagai pemandunya. Teknik tersebut dapat diterapkan pada robot bergerak di industri. Penelitian ini bertujuan menerapkan kontroler Braitenberg dan pengolahan citra untuk mengendalikan dan mendapatkan informasi garis di sekitar robot. Implementasi robot menggunakan Arduino Uno sebagai kontroler. Sebuah webcam disambungkan ke komputer yang melakukan proses pengolahan citra menggunakan deteksi tepi canny dan mengirimkan datanya ke kontroler melalui komunikasi serial. Hasil yang diperoleh adalah robot mampu bernavigasi di samping garis, dan tingkat keberhasilan pengujian 100 % pada belokan 135 ° dan 80 % pada belokan 90 °.Line following and lane tracking are robotic navigation techniques that use lines as a guide. The techniques can be applied to mobile robots in the industry. This research applied the Braitenberg controller and image processing to control and obtain line information around the mobile robot. The robot was implemented using Arduino Uno as a controller. A webcam was connected to a computer that performs image processing using canny edge detection and sends the data to the robot controller via serial communication. The robot can navigate on the side of the line, and the success rate of the system is 100 % at a turn of 135 ° and 80 % at a turn of 90 °
Optimalisasi model prediksi kesesuaian lahan kelapa sawit menggunakan algoritme pohon keputusan spasial
Get PDFLand suitability evaluation has a vital role in land use planning aimed to increase food production effectiveness. Palm oil is a leading and strategic commodity for Indonesian people, which is predicted consumption will exceed production in the future. This study aims to evaluate palm oil land suitability using a spatial decision tree algorithm that is conventional decision tree modification for spatial data classification with adding spatial join relation. The spatial dataset consists of eight explanatory layers (soil nature and characteristics), and a target layer (palm oil land suitability) in Bogor District, Indonesia. This study produced three models, where the best model was obtained based on optimizing accuracy (98.18 %) and modeling time (1.291 seconds). The best model has 23 rules, soil texture as the root node, two variables (drainage and cation exchange capacity) are uninvolved, with land suitability visualization obtains percentage S2 (29.94 %), S3 (53.16 %), N (16.57 %), and water body (0.33 %).Evaluasi kesesuaian lahan memiliki peran penting dalam perencanaan penggunaan lahan yang bertujuan meningkatkan efektifitas produksi pangan. Komoditas kelapa sawit merupakan komoditas unggulan dan strategis bagi masyarakat Indonesia yang di masa depan diprediksi jumlah konsumsinya akan melebihi jumlah produksi. Penelitian ini bertujuan untuk mengevaluasi kesesuaian lahan kelapa sawit menggunakan algoritme pohon keputusan spasial yang merupakan modifikasi algoritme pohon keputusan konvensional untuk klasifikasi data spasial dengan penambahan berupa spatial join relation. Dataset spasial terdiri dari lapis penjelas (sifat dan karakteristik tanah) dan lapis target (kesesuaian lahan kelapa sawit) pada wilayah studi Kabupaten Bogor, Indonesia. Penelitian ini menghasilkan tiga model, dimana model terbaik diperoleh berdasarkan hasil optimalisasi akurasi (98,18 %) dan waktu pembuatan model (1,291 detik). Pohon keputusan terbaik memiliki 23 aturan, tekstur tanah sebagai node akar, dua variabel (drainase dan kapasitas tukar kation) tidak terlibat, dan pemetaan kesesuaian lahan memperoleh persentase S2 (29,94 %), S3 (53,16 %), N (16,57 %), dan tubuh air (0,33 %)
Tea clone classification using deep CNN with residual and densely connections
Get PDFKlon-klon teh seri Gambung hasil pengembangan merupakan bahan tanaman unggul yang memiliki produksi dan kualitas tinggi untuk meningkatkan produk teh di Indonesia. Perkebunan rakyat biasanya menanam klon-klon tersebut dalam satu area kebun yang sama sehingga sulit memprediksi kualitas produk teh yang dihasilkan. Akan sangat membantu apabila area pada kebun tersebut diidentifikasi berdasarkan jenis klon yang ditanam. Namun, klon teh tersebut memiliki banyak kemiripan sehingga sulit bagi non pakar melakukan identifikasi untuk penyediaan dan penanaman bahan tanam pada perkebunan yang memiliki area sangat luas. Kajian ini mengusulkan sistem identifikasi klon teh berbasis deep CNN dengan menerapkan metode skip connection, yaitu residual connections dan densely connections. Studi menunjukkan bahwa kinerja sistem dipengaruhi oleh pengaturan hyperparameter dan metode penggabungan peta fitur yang diperkenalkan kembali ke lapisan berikutnya melalui koneksi, dimana metode concatenation pada densely connected network dapat mencapai performa yang lebih baik dibandingkan metode penjumlahan pada residual connected networks.Tea clone of Gambung series is a superior variety of tea that has high productivity and quality. Smallholder farmers usually plant these clones in the same areas. However, each clone has different productivity or quality, so it is difficult to predict the production quality in the same area. To uniform the variety of clones in an area, smallholder farmers still need experts to identify each plant because one and other clones share the same visual characteristics. We propose a tea clone identification system using deep CNN with skip connection methods, i.e., residual connections and densely connections, to tackle this problem. Our study shows that the proposed method is affected by the hyperparameter setting and the combining feature maps method. For the combining method, the concatenation method on a densely connected network shows better performance than the summation method on a residual connected network
Rekonstruksi citra kendaraan menggunakan SRCNN untuk peningkatan akurasi pengenalan pelat nomor kendaraan
Get PDFLow-resolution images can be reconstructed into high-resolution images using the Super-resolution Convolution Neural Network (SRCNN) algorithm. This study aims to improve the vehicle license plate number's recognition accuracy by generating a high-resolution vehicle image using the SRCNN. The recognition is carried out by two types of character recognition methods: Tesseract OCR and SPNet. The training data for SRCNN uses the DIV2K dataset consisting of 900 images, while the training data for character recognition uses the Chars74 dataset. The high-resolution images constructed using SRCNN can increase the average accuracy of vehicle license plate number recognition by 16.9 % using Tesseract and 13.8 % with SPNet.Citra resolusi rendah dapat direkonstruksi menjadi citra resolusi tinggi dengan menggunakan algoritma Super-resolution Convolution Neural Network (SRCNN). Penelitian ini bertujuan untuk menjawab pertanyaan apakah citra resolusi tinggi yang dihasilkan melalui algoritme SRCNN dapat meningkatkan akurasi pengenalan pelat nomor kendaraan. Pengenalan pelat nomor kendaraan dilakukan dengan 2 jenis metode pengenalan karakter yaitu Tesseract OCR dan SPNet. Data latih untuk SRCNN menggunakan dataset DIV2K yang terdiri dari 900 citra, sedangkan data latih untuk pengenalan karakter menggunakan dataset Chars74. Hasil yang didapatkan adalah bahwa peningkatan resolusi citra menggunakan SRCNN dapat meningkatkan rata-rata akurasi pengenalan pelat nomor kendaraan peningkatan akurasi sebesar 16,9 % dengan Tesseract dan 13,8 % dengan SPNet
Klasifikasi pendonor darah potensial menggunakan pendekatan algoritme pembelajaran mesin
Get PDFBlood donation is the process of taking blood from someone used for blood transfusions. Blood type, sex, age, blood pressure, and hemoglobin are blood donor criteria that must be met and processed manually to classify blood donor eligibility. The manual process resulted in an irregular blood supply because blood donor candidates did not meet the criteria. This study implements machine learning algorithms includes kNN, naïve Bayes, and neural network methods to determine the eligibility of blood donors. This study used 600 training data divided into two classes, namely potential and non-potential donors. The test results show that the accuracy of the neural network is 84.3 %, higher than kNN and naïve Bayes, respectively of 75 % and 84.17 %. It indicates that the neural network method outperforms comparing with kNN and naïve Bayes.Donor darah merupakan proses pengambilan darah dari seseorang dan digunakan untuk transfusi darah. Golongan darah, jenis kelamin, usia, tekanan darah, dan hemoglobin merupakan kriteria pendonor darah yang harus dipenuhi dan diproses secara manual untuk menentukan kelayakan pendonor darah. Proses manual tersebut mengakibatkan persediaan darah yang bersifat tidak tetap karena kandidat pendonor darah yang tidak sesuai dengan kriteria. Penelitian ini menggunakan metode kNN, naïve Bayes dan neural network untuk menentukan kelayakan pendonor darah. Data latih yang digunakan pada penelitian ini sejumlah 600 dataset yang dibagi menjadi dua kategori, yaitu potensial dan non potensial. Nilai akurasi neural network, yaitu sebesar 84,3 %, lebih tinggi dibandingkan kNN dan naïve Bayes, yaitu sebesar 75 % dan 84,17 %. Hasil ini menunjukkan bahwa metode neural network terbukti mengungguli jika dibandingkan kNN dan naïve Bayes
Pengenalan sketsa wajah menggunakan principle component analysis sebagai aplikasi forensik
Get PDFRecognition of human faces in forensics applications can be identified through the Sketch recognition method by matching sketches and photos. The system gives five criminal candidates who have similarities to the sketch given. This study aims to perform facial recognition on photographs and sketches using Principal Component Analysis (PCA) as feature extraction and Euclidean distance as a calculation of the distance of test images to training images. The PCA method was used to recognize facial images from pencil sketch drawings. The system dataset is in the form of photos and sketches in the CUHK Face Sketch database consists of 93 photos and 93 sketches, and personal documentation consists of five photos and five sketches. The sketch matching application to training data produces an accuracy of 76.14 %, precision of 91.04 %, and recall of 80.26 %, while testing with sketch modifications produces accuracy and recall of 95 % and precision of 100 %.Pengenalan wajah manusia dalam aplikasi forensik dapat dikenali melalui metode Sketch recognition dengan memadankan antara sketsa dan foto. Sistem tersebut memberikan lima kandidat pelaku kejahatan yang memiliki kemiripan dengan sketsa yang diberikan. Penelitian ini mengkaji pengenalan wajah dengan membandingkan sketsa dengan foto wajah mengunakan Principle Component Analysis (PCA) sebagai ekstraksi ciri dan jarak Euclidean sebagai perhitungan jarak citra uji dengan citra latih. Metode PCA digunakan untuk mengenali citra wajah dari gambar sketsa pensil. Dataset sistem ini berupa foto dan sketsa pada basis data CUHK Face Sketch sebanyak 93 foto dan 93 sketsa, dan dokumentasi pribadi sebanyak lima foto dan lima sketsa. Aplikasi pencocokan sketsa dengan data latih menghasilkan akurasi sebesar 76,14 %, presisi sebesar 91,04 %, recall sebesar 80,26 %, sedangkan pengujian dengan modifikasi sketsa menghasilkan akurasi dan recall sebesar 95 %, dan presisi sebesar 100 %