Techno.Com
Not a member yet
738 research outputs found
Sort by
Analisis Penerapan Algoritma Damerau Levenshtein Distance dengan Ekpansi Sinonim pada Platform PUSDATA
Full text linkPencarian data pada platform PUSDATA masih terkendala kesalahan pengetikan (typo) dan perbedaan istilah yang digunakan pengguna. Hal ini menyebabkan pencarian gagal menemukan data yang relevan jika terjadi kesalahan kecil dalam penulisan kata kunci. Penelitian ini bertujuan menganalisis penerapan algoritma Damerau Levenshtein Distance dengan ekspansi sinonim untuk meningkatkan akurasi pencarian data. Metode yang digunakan meliputi tokenisasi, perhitungan jarak string untuk memperbaiki kesalahan ketik, dan penambahan sinonim guna memperluas pencarian. Dataset diperoleh dari scraping 500 judul dataset UCL Repository dan memperkaya makna kata dengan sinonim dari artikata.com. Pengujian dilakukan menggunakan kata kunci dengan variasi kesalahan penulisan. Hasil pengujian menunjukkan algoritma mampu memberikan rekomendasi kata yang relevan dengan akurasi 85% dari 20 data uji, di mana 17 data berhasil dikenali dengan benar dan 3 data tidak sesuai karena kemiripan karakter rendah. Penerapan algoritma ini efektif dalam meningkatkan kualitas pencarian data dengan mengoreksi berbagai kesalahan pengetikan dan menangani variasi sinonim kata kunci. Hasil ini menunjukkan sistem pencarian menjadi lebih fleksibel dan akurat dalam menemukan data meskipun terdapat kesalahan penulisan.
Kata kunci: Damerau Levenshtein Distance, Ekspansi Sinonim, Pencarian Data, PUSDATA
Implementasi MTCNN dan Transfer Learning Model DeepFace untuk Prediksi Kepribadian Berbasis Video
Full text linkKepribadian adalah aspek penting yang mempengaruhi pilihan hidup, karir, kinerja, kesehatan, dan juga preferensi atau keinginan seseorang. Model Big-Five Personality adalah yang paling umum, namun pengukurannya masih secara konvensional melalui kuesioner, hal ini memiliki beberapa keterbatasan seperti adanya potensi manipulasi jawaban oleh responden sehingga mempengaruhi hasil dari pengukuran kepribadian tersebut. Untuk mengatasi keterbatasan tersebut, penelitian ini bertujuan untuk mengembangkan sistem untuk melakukan pengukuran atau prediksi kepribadian menggunakan Deep Learning untuk mendeteksi kepribadian berdasarkan ekspresi wajah dalam sebuah video perkenalan. Model yang dikembangkan mencapai akurasi 90.04% dengan loss terendah 9.95%, menunjukkan kemampuannya dalam memprediksi kepribadian secara konsisten. Sistem ini dibangun dengan framework Flask dan mampu menghasilkan prediksi kepribadian seseorang. Dengan demikian penggunakan Deep Learning berpotensi menjadi alat yang efektif dalam pengembangan teknologi di bidang psikologi, menjadikannya alat yang transformatif untuk mengukur kepribadian seseorang dengan lebih efektif di masa depan.
Keywords - Big-Five Personality, Deep Learning, MTCNN, DeepFace, deteksi kepribadia
Jaringan FTTH Berbasis GPON Menggunakan Teknologi Mikhmon pada Lingkungan Residensial
Full text linkAbstrak - Tingginya permintaan akan akses internet berkecepatan tinggi di era digital ini mendorong pengembangan infrastruktur jaringan yang andal dan efisien. Teknologi Fiber To The Home (FTTH) berbasis Gigabit Passive Optical Network (GPON) telah menjadi solusi dominan untuk menyediakan layanan triple play langsung ke pelanggan. Penelitian ini bertujuan merancang dan menganalisis jaringan FTTH GPON optimal pada lingkungan residensial, serta mengintegrasikan sistem manajemen Mikrotik dan Mikhmon. Metode penelitian meliputi studi literatur, pengumpulan data topografi, dan simulasi perancangan jaringan dengan OptiSystem. Hasil simulasi OptiSystem menunjukkan desain jaringan mencapai kinerja transmisi sangat baik, dengan total redaman 17,6 dB, nilai yang diperoleh berada di bawah batas 28 dB sesuai dengan standar ITU-T G.984 dan Bit Error Rate (BER) mendekati nol, mengindikasikan kualitas sinyal dan margin daya memadai. Implementasi Mikhmon sebagai antarmuka manajemen hotspot intuitif memungkinkan pengelolaan profil pengguna, voucher internet, alokasi bandwidth, dan pemantauan trafik secara efisien. Kombinasi desain jaringan GPON yang robust dengan sistem manajemen Mikhmon yang praktis menjadikan solusi ini layak dan efektif untuk penyediaan akses internet broadband yang stabil dan terkelola baik bagi komunitas perumahan.
Kata Kunci: FTTH, GPON, OptiSystem, Mikrotik, Mikhmon
Implementasi Real Time Operating System (RTOS) Pada Sistem Pemantauan Kadar Alkohol Dan Suhu Dalam Proses Fermentasi Tape Ketan
Full text linkTape ketan merupakan makanan tradisional Indonesia yang umumnya diproduksi secara manual dengan pengawasan berkelanjutan, sehingga memerlukan waktu lama dan tenaga kerja intensif. Proses manual yang mengharuskan membuka dan menutup wadah fermentasi secara berkala, berisiko menyebabkan kontaminasi dan menurunkan kualitas produk. Penelitian ini bertujuan mengimplementasikan Real Time Operating System (RTOS) pada sistem produksi tape ketan untuk merespons perubahan kondisi secara cepat dan memastikan parameter fermentasi tetap optimal. Perangkat keras yang digunakan terdiri dari sensor uap alkohol, sensor suhu, dan mikrokontroler ESP32, sedangkan perangkat lunak menggunakan firebase real time database dan antarmuka website. Pengujian dilakukan dengan membandingkan proses fermentasi tanpa RTOS dan dengan RTOS menggunakan waktu deadline 1000 ms dan interval pengambilan data setiap 1 jam. Komposisi tape ketan terdiri dari 100 gram beras ketan putih dan 1 gram ragi. Hasil pengujian menunjukkan persentase performa eksekusi dengan RTOS sebesar 98,53%, sedangkan tanpa RTOS sebesar 79,02%. Penerapan RTOS berhasil mempercepat proses fermentasi tape ketan hingga 12 jam lebih cepat. Implementasi RTOS terbukti efektif meningkatkan efisiensi produksi dan kualitas tape ketan.
Kata Kunci - Real Time Operating System (RTOS), Fermentasi, Tape Ketan, Persentase Performa Eksekus
Perancangan Sistem Monitoring Android-IoT yang Efisien untuk Solar Charge Controller MPPT Epever berbasis Modbus RTU
Full text linkPermintaan terhadap energi terbarukan terus meningkat, sehingga diperlukan sistem monitoring yang efisien dan dapat diakses secara real-time untuk memastikan kinerja yang optimal. Penelitian ini mengimplementasikan sistem monitoring berbasis Internet of Things (IoT) dengan antarmuka Android pada solar charge controller MPPT merek Epever. Alasan utama pemilihan topik ini adalah keterbatasan aksesibilitas dan minimnya tampilan antarmuka pengguna pada sistem monitoring konvensional. Sistem ini menggunakan NodeMCU ESP8266 sebagai penghubung komunikasi antara solar charge controller dan aplikasi Android melalui jaringan Wi-Fi. Parameter yang dimonitor meliputi tegangan baterai, tegangan panel surya, arus, dan status pengisian daya, yang ditampilkan secara real-time pada perangkat Android. Metode yang digunakan mencakup perancangan sistem, integrasi perangkat keras dan perangkat lunak, serta pengujian performa di berbagai kondisi intensitas cahaya matahari. Hasil pengujian menunjukkan bahwa sistem mampu menampilkan data secara akurat dengan jeda waktu yang rendah, serta meningkatkan kemudahan pengguna dalam memantau kinerja sistem. Kesimpulannya, sistem ini memberikan solusi monitoring yang murah, portabel, dan mudah dikembangkan untuk sistem energi surya, serta berkontribusi dalam pengelolaan energi yang cerdas dan berkelanjutan. Kontribusi utama penelitian ini adalah pengembangan sistem monitoring yang efisien dan portabel berbasis Android-IoT menggunakan komunikasi Modbus RTU, yang belum banyak digunakan pada sistem serupa. Dibandingkan dengan sistem monitoring konvensional, sistem ini menunjukkan peningkatan efisiensi dalam hal latensi, konsumsi daya, dan aksesibilitas pengguna.
Kata kunci: Internet of Things, Solar Charge Controller, MPPT Epever, Monitoring Real-Time
A Comparative Analysis of Deep Learning Models for Knee Osteoarthritis Severity Grading
Full text linkThe Kellgren-Lawrence (KL) grading system is commonly used to evaluate knee osteoarthritis (OA), but it can be subjective and subject to variation among assessors. Our study looked at three Convolutional Neural Network (CNN) methods for OA severity classification from a dataset of 15,770 X-ray images to overcome this difficulty and create a more objective technique. Under the same preprocessing conditions, we contrasted a baseline custom CNN, DenseNet201, and a hybrid model with a CBAM attention mechanism. With an overall accuracy of 65%, a weighted precision and recall of 65%, and an F1-score of 64%, the hybrid model, which uses DenseNet201 as a fixed feature extractor, performed the best. This was better than both the baseline model (59% accuracy) and the standalone DenseNet201 (59% accuracy). Although the hybrid architecture has a lot of promise, we also had to deal with issues like overfitting. Our thorough comparison demonstrates how this hybrid strategy can successfully combine strong pre-trained features with the flexibility required for particular tasks. Although more clinical validation is necessary, this shows that automated systems like ours could improve diagnostic consistency in OA grading.
Keywords - Knee Osteoarthritis, Kellgren-Lawrence Grading, Deep Learning, Attention Mechanism, CBA
Analisis Performa Deep Embedded Clustering untuk Pendeteksian Topik
Full text linkPendeteksian topik adalah solusi untuk mengungkap struktur laten dalam sebuah dokumen. Kerangka umum pendeteksian topik berbasis clustering terdiri dari dua langkah: pembelajaran representasi dan pendeteksian topik melalui clustering. Dalam penelitian ini, Bidirectional Encoder Representations from Transformers (BERT) digunakan untuk pembelajaran representasi karena BERT mampu menangkap konteks setiap kata berdasarkan kata-kata di sekitarnya. Representasi teks yang diperoleh dari BERT digunakan untuk pendeteksian topik dengan clustering. Deep Embedded Clustering (DEC) dan Improved DEC (IDEC) adalah model clustering berbasis deep learning yang digunakan dalam penelitian ini untuk pendeteksian topik. DEC dan IDEC mampu mengubah data ke dalam ruang dimensi yang lebih rendah serta mengoptimalkan cluster secara simultan. Output dari teknik clustering berupa kata-kata kunci yang menggambarkan setiap topik cluster. Setelah mendapat kata kunci yang mewakili topik, evaluasi model dilakukan dengan melakukan perbandingan nilai topic coherence menggunakan Topic Coherence - Word2Vec (TC-W2V) sebagai analisis kuantitatif. Penelitian ini merupakan perluasan dari penerapan DEC dan IDEC pada pendeteksian topik dengan menambahkan analisis visualisasi dan kata kunci. Simulasi menunjukkan bahwa DEC dan IDEC mengungguli Uniform Manifold Approximation and Projection (UMAP)-based k-means (UKM) dan Eigenspace-Based Fuzzy C-Means (EFCM) dari segi nilai TC-W2V, hasil visualisasi, dan kata kunci.
Kata kunci: analisis teks, deep clustering, pemrosesan tek
Evaluation of Machine Learning Models in Classifying Women's Labor Force Participation in West Java
Full text linkThis study compares four classification models—Logistic Regression, Random Forest (RF), Extreme Gradient Boosting (XGBoost), and Adaptive Boosting (AdaBoost)—to predict women's labor force participation in West Java, using a dataset of 62 features. After feature selection, the dataset was reduced to 31 features, followed by modeling with the top 10 most important features from each model. Model performance, evaluated using Balanced Accuracy, F1-Score, and Cohen’s Kappa, showed similar results, with RF and XGBoost slightly outperforming the others. However, the differences were not significant, indicating comparable predictive ability across models. The top 10 features from each model were averaged, and the five most influential features were selected. Key factors influencing women's employment status include household responsibilities, age, education, district minimum wage, and the age of the youngest child. The analysis found that 79.6% of unemployed women manage household duties, while employed women are less involved (18.9%). Age was significant, with employed women mostly in the 35-55 age range, correlating with older children and greater workforce participation. Additionally, employed women are more likely to come from regions with lower minimum wages, suggesting that economic necessity drives their labor market participation.
Keywords: female labor force, machine learning, classification, West Jav
Penerapan Algoritma Linear Regression dan Support Vector Regression dalam Prediksi Temperatur Udara di Malang
Full text linkPerubahan iklim global dan peningkatan variabilitas cuaca membuat prediksi temperatur udara menjadi salah satu kebutuhan penting di berbagai sektor. Temperatur udara merupakan parameter penting dalam meteorologi yang mempengaruhi berbagai aspek kehidupan manusia. Predisi temperatur udara saat ini banyak memanfaatkan algoritma machine learning, namum nilai akurasi masih belum optimal. Tujuan dari penelitian ini untuk meningkatkan akurasi prediksi temperatur udara rata-rata dengan menggunakan pendekatan berbasis machine learning. Metode dalam penelitian ini menggunakan algoritma Linear Regression dan Support Vector Regression (linier dan gaussian non linear) karena memiliki akurasi prediksi data yang cukup baik di berbagai bidang termasuk bidang hidrologi. Penelitian ini menggunakan data dari Badan Meteorologi Klimatologi dan Geofisika (BMKG) lokasi Stasiun Klimatologi Jawa Timur periode data tahun 2019-2023 dengan parameter cuaca temperatur rata-rata (TAV), kelembaban udara (HAV), kecepatan angin (WAV), curah hujan (RR), tekanan udara (PPP), Penyinaran matahari (SUN) dan titik embun (DEW_POINT). Kinerja model dievaluasi menggunakan pengukuran metrik MSE, RMSE, MAE, MAPE dan R². Hasil pengukuran kinerja model algoritma Gaussian support vector Regression (non linier SVR) lebih baik dibanding dengan linear support vector Regression (linear SVR) dan algoritma linear regression dengan nilai yang lebih tinggi R² sebesar 0,9891 ± 0,0011 dan nilai error yang lebih rendah pada semua metrik pengukuran.
Kata kunci: Prediksi temperatur udara, machine learning, Linear Regression, Suport Vektor Regressio
Implementasi Generator Set pada Gedung Main Powerhouse 1 untuk Daya Listrik Cadangan di Bandara SAMS Sepinggan Balikpapan
Full text linkPenggunaan generator set sebagai sumber daya listrik cadangan di Bandara SAMS Sepinggan Balikpapan merupakan langkah krusial dalam menjamin kontinuitas operasional dan keselamatan penerbangan. Penelitian ini bertujuan untuk mengevaluasi implementasi generator set di Gedung Main Powerhouse 1, termasuk analisis teknis, operasional, dan efisiensi energi. Metodologi yang digunakan mencakup pengumpulan data primer melalui observasi lapangan dan wawancara dengan teknisi, serta data sekunder dari dokumen teknis dan laporan operasional bandara. Hasil penelitian menunjukkan bahwa pemasangan generator set mampu menyediakan daya listrik cadangan yang andal selama terjadi gangguan pada pasokan utama, dengan waktu respon yang cepat dan kapasitas yang mencukupi untuk memenuhi kebutuhan kritis bandara. Selain itu, sistem pemeliharaan berkala yang diterapkan berhasil menjaga performa optimal generator set, mengurangi risiko kegagalan operasional. Studi ini juga menemukan bahwa efisiensi energi generator set dapat ditingkatkan melalui pengoptimalan beban dan penggunaan teknologi terkini. Implementasi ini tidak hanya meningkatkan keandalan pasokan listrik tetapi juga mendukung operasional bandara yang lebih aman dan efisien. Rekomendasi dari penelitian ini meliputi peningkatan pelatihan teknisi, pembaruan perangkat keras, dan pengembangan prosedur mitigasi risiko untuk memastikan keberlanjutan pasokan listrik cadangan di masa mendatang.
Kata kunci: Generator Set; Daya Listrik Cadangan; Bandara SAMS Sepinggan; Main Powerhouse