Techno.Com
Not a member yet
738 research outputs found
Sort by
Sistem Kontrol Tungku Api Otomatis Untuk Proses Pasteurisasi Susu Berbasis Logika Fuzzy Sugeno
Get PDFSalah satu faktor berkurangnya gizi pada susu adalah kesalahan dalam proses pengolahannya, produk susu biasanya akan melalui proses pasteurisasi guna membunuh bakteri didalamnya dan menambah waktu simpan susu. Namun proses pasteurisasi yang salah justru akan mengakibatkan berkurangnya gizi yang terkandung didalam susu dan tak jarang akan membuat susu justru menjadi rusak. Sistem kontrol tungku api otomatis dirancang untuk menangani masalah yang ada dimana dengan menggunakan mekanikal servo, sistem akan secara otomatis mengatur bukaan katup tungku api untuk menjaga suhu pada set-point yang diinginkan, sehingga suhu akan terjaga dan protein pada susu tidak rusak karena suhu pada proses pemasakan yang terlalu tinggi. Berdasarkan hasil pengujian, bahwa sistem tanpa fuzzy membutuhkan waktu selama 1 jam untuk dapat mencapai set-point, sedangkan sistem dengan fuzzy hanya membutuhkan waktu 30 menit saja untuk mencapai set-point
Penerapan Kombinasi Metode MAUT dan ROC Dalam Seleksi Karyawan
Get PDFKaryawan sebagai aset yang sangat berharga karena merupakan salah satu faktor penting berjalannya suatu perusahaan, dengan mempunyai karyawan memiliki keahlian/kompetensi yang sesuai dengan standar kualifikasi serta kriteria -kriteria yang sesuai standar dibutuhkan oleh perusahaan untuk stabilitas perusahaan, proses dalam seleksi yang masih belum objektif sesuai dengan kriteria yang dibutuhkan, sehingga akan berakibat salah dalam mengambil keputusan seleksi karyawan. Dengan adanya sistem pendukung keputusan ini yang menggunakan metode Multi Attribute Utility Theory (MAUT) dan juga untuk pembobotannya menggunakan metode Rank Order Centroid (ROC), sedangkan untuk kriteria dalam proses seleksi karyawan yaitu skill/keahlian, tingkat pendidikan,usia, pengalaman kerja, tes tertulis dan wawancara, maka diharapkan untuk pengambilan keputusan menjadi lebih objektif, cepat, dan tepat sesuai dengan standar kriteria yang telah ditentukan. Dalam proses perhitungan didapatkan hasil bahwa alternatif A2 yaitu atas nama Dodi Pasaribuan mendapatkan nilai tertinggi dengan jumlah nilai 0,732
Estimasi Galat Sebagai Kompensasi Hasil Pembacaan Sensor Suhu Non-Sentuh Menggunakan Regresi Linier
Get PDFAbstrak Penelitian ini bertujuan untuk membuktikan penerapan metode regresi linear untuk mengestimasi galat sebagai kompensasi untuk menurunkan galat pembacaan sensor suhu non-sentuh. Hal ini terlihat pada masa pandemi COVID – 19 melalui penggunaan thermo gun untuk mengukur suhu seseorang membutuhkan jarak yang sangat dekat. Penelitian dilakukan dengan mengukur objek air yang merupakan unsur terbanyak pada tubuh manusia. Suhu pengukuran telah dikondisikan pada 36°C, 37°C, dan 38°C dengan masing-masing variasi jarak 2cm, 4cm, dan 6cm. Hasil dari validasi menunjukkan model dapat menurunkan galat pada suhu 36°C pada masing-masing jarak sebesar 4,43%, 8,00%, dan 8,70% pada jarak 2cm, 4cm, dan 6cm. Validasi berdasarkan MAE sebelum dimodelkan adalah 2,91 dan nilai MAE setelah dimodelkan adalah 0,37. Penurunan nilai galat pada suhu 37°C untuk masing-masing jarak 2cm, 4cm, dan 6cm adalah 5,94%, 8,72%, dan 7,34%. Nilai validasi berdasarkan MAE sebelum dimodelkan adalah 3,02 dan nilai MAE setelah dimodelkan adalah 0,27. Penurunan nilai galat pada suhu 38°C untuk masing-masing jarak 2cm, 4cm, dan 6cm adalah 6,27%, 8,67%, dan 11,03%. Nilai validasi berdasarkan MAE sebelum dilakukan permodelan adalah 3,87 dan nilai MAE setelah dimodelkan adalah 0,57. Berdasarkan data tersebut dapat disimpulkan bahwa estimasi galat sebagai kompensasi hasil pembacaan sensor suhu non-sentuh mampu menurunkan galat hasil pembacaan sensor
Level Kualitas Air Nutrisi pada Hidroponik Berdasarkan Sistem Klasifikasi Fuzzy
Get PDFTingginya jumlah penduduk telah menyebabkan perubahan lahan pertanian menjadi lahan non-pertanian. Solusi inovatif untuk mengatasi keterbatasan lahan yaitu urban agriculture, khususnya hidroponik. Namun, kondisi nutrisi pada air hidroponik sering kali dalam kondisi buruk sehingga perlu dimonitoring dan dideteksi tingkat kualitasnya untuk menjaga kondisi air nutrisi dalam bak hidroponik dalam keadaan baik. Kondisi air nutrisi yang baik akan mengoptimalkan proses penyerapan akar dan pertumbuhan tanaman. Parameter kualitas air nutrisi dapat dideteksi melalui suhu air nutrisi, kadar TDS (Total Dissolved Solids) di dalam nutrisi, dan tingkat keasamaan atau pH dari air nutrisi di dalam bak hidroponik. Metode fuzzy logic classification memungkinkan dalam mengolah kondisi aktual nutrisi dari ketiga parameter tersebut menjadi sebuah keputusan level kualitas air nutrisi tanaman dalam kondisi baik, sedang, buruk, ataupun sangat buruk. Penelitian ini menggunakan sensor suhu air, TDS, dan pH dalam pengukuran masing-masing parameter yang kemudian ditampilkan pada website. Hasil pengukuran parameter nutrisi mencapai error rendah yaitu ±5%. Hasil klasifikasi kualitas dari kondisi air nutrisi tanaman yang diputuskan dengan fuzzy logic sudah sesuai dengan yang diinginkan oleh petani dan berhasil 100% ditampilkan pada website pengguna. Sistem ini memudahkan pengguna dalam memantau, mengevaluasi, dan meningkatkan kondisi dan kualitas nutrisi tanaman dari jarak jauh
Perbandingan Performa Algoritma Random Forest dan Gradient Boosting dalam Mengklasifikasi Churn Telco
Get PDFCustomer churn adalah kecenderungan pelanggan berhenti dan berpindah layanan dalam periode tertentu. Ini merupakan masalah utama dalam industri telekomunikasi karena mempengaruhi keuntungan perusahaan. Mempertahankan pelanggan lebih mudah dibandingkan mendapatkan pelanggan baru. Memprediksi churn membantu sektor CRM dalam merancang strategi retensi. Tingkat churn yang tinggi dapat menurunkan pendapatan dan mengganggu stabilitas bisnis. Berdasarkan studi, tingkat churn tahunan di industri telekomunikasi berkisar antara 15% hingga 30%. Data mining, yang memanfaatkan teknik pembelajaran mesin, digunakan untuk menganalisis dan mengekstraksi pengetahuan dari data. Penelitian ini bertujuan untuk membandingkan performa dua algoritma yaitu Random Forest dan Gradient Boosting. Hasil yang didapatkan menggunakan splitting data 80:20 menunjukkan bahwa klasifikasi lebih unggul menggunakan metode Gradient Boosting dibandingkan metode Random Forest dilihat dari tingkat akurasi dan nilai ROC AUC. Metode Gradient Boosting mendapatkan nilai akurasi dan ROC AUC sebesar 83% dan 0.89, Sedangkan metode Random Forest mampu menghasilkan nilai akurasi dan ROC AUC sebesar 81% dan 0.87.
Kata kunci: Churn, Gradient Boosting, Klasifikasi, Random Forest, Telco
Evaluasi Performa Aplikasi Gojek Melalui Klasifikasi Kata Ulasan Pengguna Dengan Metode SVM
Get PDFAplikasi Gojek, sebagai salah satu aplikasi ride-hailing terkemuka di Indonesia, menghadapi tantangan berkelanjutan dalam mempertahankan dan meningkatkan kualitas layanan serta kepuasan pengguna. Penelitian ini bertujuan mengevaluasi performa aplikasi Gojek melalui analisis sentimen dari 200.000 ulasan pengguna yang dikumpulkan dari platform aplikasi selama periode 2021-2024, menggunakan metode Support Vector Machine (SVM). Fokus penelitian meliputi aspek layanan, keamanan, promosi, dan masalah teknis. Metode SVM dipilih karena kemampuannya dalam menangani klasifikasi dengan dataset kompleks. Data ulasan pengguna, yang ditulis dalam bahasa Indonesia, diolah dengan teknik pemrosesan teks dan fitur ekstraksi FastText, yang dikenal cepat dan akurat. Praproses data melibatkan tokenisasi, penghapusan stopword, dan teknik preprocessing lainnya. Kinerja model diukur dengan akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa FastText menawarkan waktu pelatihan cepat dengan akurasi kompetitif, sementara SVM unggul dalam presisi dan recall. Penerapan SVM dengan pembagian data 80:20 mencapai akurasi 91% dalam mengklasifikasikan sentimen pengguna. Temuan ini memberikan wawasan penting untuk pengembangan dan evaluasi aplikasi berbasis ulasan pengguna
Perbandingan Algoritma Klasterisasi dengan Principal Component Analysis pada Indikator Sosial Ekonomi Kesehatan Jawa Timur
Get PDFK-Means dan K-Medoids digunakan untuk menilai indikator sosial ekonomi dan kesehatan di Provinsi Jawa Timur tahun 2023 melalui metode klasterisasi. Dengan menggunakan Principal Component Analysis (PCA) untuk mereduksi dimensi variabel, penelitian ini mengelompokkan wilayah berdasarkan karakteristik sosial ekonomi dan kesehatan. Data yang dianalisis termasuk angka harapan hidup, tingkat kemiskinan, pengangguran, dan akses ke layanan kesehatan. Kebaruan penelitian ini terletak pada kombinasi unik antara PCA dan K-Medoids untuk menghasilkan klaster yang lebih akurat dan robust terhadap outlier, dibandingkan metode yang biasanya hanya menggunakan satu teknik klasterisasi atau tidak melibatkan reduksi dimensi. Hasil penelitian menunjukkan bahwa K-Medoids dengan PCA menghasilkan klaster yang lebih koheren dan terpisah daripada K-Means, terutama dalam menangani outlier. Menurut metode Elbow dan Silhouette, empat hingga lima klaster adalah pilihan terbaik. PCA meningkatkan akurasi dan efisiensi klasterisasi dengan mengurangi kompleksitas data, yang menghasilkan klaster yang lebih baik Diharapkan temuan ini akan membantu pemerintah membuat kebijakan yang lebih baik untuk mengatasi ketimpangan kesehatan dan sosial ekonomi di Jawa Timur.
Kata kunci: Klasterisasi, Outlier, Principal Component Analysis (PCA
Klasifikasi Tulisan Tangan Pada Resep Obat Menggunakan Convolutional Neural Network
Get PDFObat merupakan bahan kimia yang dapat merepresentasikan tubuh secara fisiologi dan psikologi ketika dikonsumsi. Obat sebagai alat bantu untuk menyembuhkan dari berbagai macam penyakit. Dengan berkembangnya zaman dan bertambahnya wawasan, menyebabkan bertambah juga jenis obat-obatan yang memiliki banyak manfaat dan kegunaanya. Penelitian ini bertujuan untuk mendeteksi nama obat dalam resep dokter menggunakan Convolutional Neural Network (CNN) dengan transfer learning. Metode transfer learning merupakan metode yang popular dalam mengklasifikasi gambar digital yang berguna untuk mempercepat proses klasifikasi. Penelitian ini membandingkan lima artistektur transfer learning yaitu VGG16, Resnet, Xception, LeNet, dan GoogleNet. Penelitian ini juga menggunakan grayscaling, resizing, dan median filter pada tahap preprocessing. Preprocessing digunakan untuk meningkatkan kualitas citra pada citra resep obat dan menghilangkan noise pada citra. ResNet-50 merupakan arsitektur terbaik untuk mengklasifikasi nama obat. Pada percobaan menggunakan ResNet-50, mendapatkan F1 score tertinggi yaitu sebesar 97,56% dan waktu training rata-rata 0,25 detik setiap epoch. Dapat disimpulkan Resnet merupakan arsitektur terbaik untuk mengklasifikasikan nama obat dalam citra resep dokter serta dapat mendeteksi nama obat secara akurat
Penerapan Metode Weighted Product pada Aplikasi Pemilihan Smartphone Berdasarkan Budget dan Kebutuhan
Get PDFPerkembangan teknologi di bidang smartphone meningkat setiap tahun. Berbagai smartphone dengan spesifikasi yang lebih canggih selalu bermunculan. Banyaknya produk smartphone yang ada di pasaran, dengan spesifikasi yang bervariasi, membuat masyarakat menjadi kesulitan dalam memilih. Survei awal dilakukan dengan 33 responden dan 25 di antaranya menjawab bahwa mereka bingung ketika mencari smartphone yang sesuai dengan kebutuhan dan budget. Pencarian smartphone masih terbilang sulit karena membutuhkan waktu dalam menggali informasi melalui review dari YouTube dan informasi di internet, demi mendapatkan smartphone yang sesuai. Berdasarkan masalah ini, solusi yang ditawarkan berupa sebuah aplikasi Sistem Pendukung Keputusan menggunakan metode Weighted Product, dengan menggunakan kriteria seperti RAM, prosesor, internal, layar, kamera utama, dan kapasitas baterai untuk membantu dalam memilih smartphone yang sesuai dengan pengguna. Semua rekomendasi smartphone yang dihasilkan oleh aplikasi telah sesuai dengan hasil perhitungan metode Weighted Product. Survei juga dilakukan kembali kepada responden yang sama, dan 31 dari 33 responden menjawab bahwa aplikasi yang dihasilkan penelitian ini membantu mereka memilih smartphone lebih cepat karena tidak perlu menghabiskan waktu untuk mencari informasi di YouTube dan internet
Sistem Monitoring Kondisi Infus Otomatis Berbasis Notifikasi Telegram
Get PDFInfus merupakan proses memasukan cairan ke dalam pembuluh darah pasien untuk menggantikan cairan dalam tubuh. Kelemahan proses infus saat ini adalah tidak ada pemantauan kondii infua. Apabila infus habis kemudian diabaikan dapat menyebabkan darah pasien justru masuk ke dalam selang infus yang dapat mengakibatkan kekurangan darah. Maka dari itu sebuah sistem pemantauan infus diperlukan untuk menghindari kejadian tersebut. Parameter kecepatan tetesan infus dan kondisi cairan infus telah habis dapat dikenali secara otomatis menggunakan sensor. Cairan infus yang masih penuh lebih berat dibandingkan cairan infus yang telah habis. Kondisi ini dapat dideteksi menggunakan sensor berat. Kecepatan tetesan infus dapat dideteksi melalui interval waktu halangan yang terjadi saat cairan menetes. Informasi kondisi kecepatan tetesan dan berat cairan infus akan dikirimkan secara otomatis melalui telegram perawat. Hasil penelitian menunjukkan bahwa sensor berat mampu mengukur berat dengan rata-rata akurasi sebesar 97,80% dibandingkan dengan timbangan pembanding. Sedangkan akurasi pengukuran interval waktu untuk mendeteksi kecepatan tetesan infus memiliki rata-rata akurasi sebesar 99,77% dibandingkan dengan etimasi seharusnya dalam orde mili detik. Pengujian kualitas jaringan untuk mengirimkan data menunjukkan bahwa rata-rata waktu tunda yang diberikan adalah 95.664ms dengan nilai jitter sebesar 0,153ms, dan nilai rata-rata troughput sebesar 5,510kbps. Data-data tersebut menunjukkan bahwa sistem mampu bekerja dengan baik untuk mengirimkan kondisi infus melalui notifikasi Telegram Perawat