104612 research outputs found
Sort by
Pemodelan dan Peramalan Kedatangan Wisatawan ke Tempat Wisata dengan Google Trends Menggunakan Metode Variasi Kalender ARIMAX
No full textPerkembangan ke arah digital memiliki berbagai jenis data yang beragam, seperti text, photo, video, maupun postingan di social media ataupun web. Semakin bagus/menarik data yang tersebar, semakin besar pula peluang untuk menarik ketertarikan pengguna pada suatu informasi, salah satunya tempat wisata. Dampak yang dihasilkan ialah kenaikan maupun penurunan jumlah wisatawan yang tidak diketahui. Seringkali ketika jumlah wisatawan mengalami kenaikan, sarana/fasilitas yang ada tidak sesuai dengan permintaan wisatawan. Variasi kalender seperti jumlah hari libur/tanggal merah merupakan salah satu faktor kenaikan kedatangan wisatawan yang tidak menentu. Dalam penelitian ini, dilakukan peramalan untuk memprediksi data jumlah wisatawan yang diambil dari Badan Pusat Statistik (BPS). Peramalan dilakukan dengan menambahkan data dari Google Trends sebagai variabel eksternal. Data Google Trends digunakan untuk membantu dalam pembuatan model pada metode ARIMAX. Dalam penelitian ini dilakukan peramalan menggunakan metode ARIMA dan ARIMAX. Peramalan menggunakan metode ARIMA menghasilkan nilai MAPE sebesar 28.03% dan nilai RMSE sebesar 3680.09. Dan peramalan menggunakan metode ARIMAX dengan data Google Trends menghasilkan nilai MAPE sebesar 2.48% dan nilai RMSE sebesar 1100.81. Dari perbandingan nilai error kedua metode tersebut dapat disimpulkan bahwa model ARIMAX adalah model terbaik. Sehingga model ARIMAX dapat digunakan dalam memprediksi jumlah kedatangan wisatawan dalam 1 tahun ke depan
Sentiment Analysis RKUHP Pada Twitter Menggunakan Metode Support Vector Machine
No full textAbstract
RKUHP (Rancangan undang-undang kitab hukum pidana) renewal of criminal law was making a huge controversy because considered to have an over criminalization value. The critics were mostly given in microblog social media. This research will be done by using the data collected from the social media users in Indonesia about the given topics to retrieve an information about the the sentiment of Indonesian people towards RKUHP. The purpose of this research was to make a classification model which will classify the sentiment from the collected data into three classes : positive, neutral, and negative. This research will also aim to evaluate the performance of the model. The data that will be used in this research is a tweet from the period of september to november 2019. The labelling process in this research was done by crowdsourcing method. In which the majority result of the label will be set as the label. All the labelled data will be weighted using TF-IDF and sentiment dictionary and later on the weighted matrix will be used to build a machine learning model. The evaluation result of the machine using cross validation with the value of K equals to 10 using mean approach shows that the model reaches the highest accuracy with 95% using radial basis function kernel, C=1000 and gamma=0.0001.
Keywords: sentiment analysis, support vector machine, prediction, classificatio
SIMULASI MACHINE LEARNING UNTUK QUALITY OF TRANSMISSION PADA KOMUNIKASI OPTIK
No full textKomunikasi optik merupakan salah satu teknologi telekomunikasi yang banyak digunakan karena kecepatan pengiriman datanya tinggi. Dalam perancangan sistem komunikasi fiber optik, banyaknya data yang harus diproses mengakibatkan waktu komputasi yang diperlukan menjadi lebih lama. Seiring dengan munculnya data science, penerapan Machine Learning pada sistem komunikasi fiber optik untuk
memprediksi Quality of Transmission (QoT) dari sebuah jaringan mulai banyak dilakukan. Dengan Machine Learning, waktu komputasi yang diperlukan untuk memprediksi QoT sebuah jaringan dapat dilakukan dengan cepat dengan tingkat akurasi yang tinggi.
Penelitian ini menganalisis dan memprediksi QoT dari sistem komunikasi fiber optik dengan menggunakan Machine Learning. Parameter QoT yang digunakan adalah Q-factor. Data yang digunakan untuk simulasi Machine Learning merupakan data sintetik yang diperoleh menggunakan software simulasi jaringan optik. Terdapat tiga algoritma Machine Learning yang digunakan dalam penelitian ini,
yaitu Linear Regression (LR), Decision Tree (DT) dan Random Forest (RF).
Dari simulasi yang telah dilakukan, dapat dievaluasi bahwa penggunaan algoritma DT dan RF dapat diterapkan untuk memprediksi Q-factor dengan tingkat akurasi mencapai 99% untuk algoritma DT dan RF. Dan waktu komputasi yang diperlukan machine learning untuk memprediksi Q-faktor hanya sekitar 0.079 milisekon
PERANCANGAN SISTEM ELECTRONIC KANBAN PADA ASSEMBLY LINE SUB ASSY MK II UNTUK MENGURANGI KETERLAMBATAN MENGGUNAKAN CONSTANT-QUANTITY WITHDRAWAL SYSTEM
No full textPT. Dirgantara Indonesia merupakan perusahan yang bergerak dalam bidang industri manufaktur pesawat terbang. Saat ini, perusahaan sedang menghadapi permasalahan dalam memenuhi permintaan Tailboom MK-II secara tepat waktu. Masalah ini terjadi diakibatkan kurangnya persediaan part yang diperlukan untuk merakit komponen Sub Assy. Hal ini dikarenakan terdapat keterlambatan dalam memperoleh informasi mengenai part yang dibutuhkan dan tidak ada peringatan mengenai ketersediaan part yang diperlukan. Akibatnya, komponen yang diperlukan tidak mampu terselesaikan tepat waktu dan permintaan setiap tahunnya tidak dapat ter-deliver sesuai target. Agar masalah ini terselesaikan, maka diperlukan suatu sistem yang dapat mengatur ketersediaan part dalam jumlah yang tepat dan pada waktu yang tepat serta mengontrol aliran informasi pada lini perakitan hingga lini produksi Fabrikasi secara terintegrasi dan real-time. Oleh karena itu, penelitian untuk memberikan usulan untuk merancangan sistem e-Kanban atau electronic Kanban dengan metode constant-quantity. Hasil dari penelitian ini adalah sistem e-Kanban yang mampu menampilkan laporan status kerja aktual di jalur perakitan, gudang, dan lantai produksi Fabrikasi, mengklasifikasi informasi yang diperlukan dalam kartu, serta mengecek progress di setiap departemen sehingga tiap departemen dapat melakukan tindakan berdasarkan informasi tersebut. Dari penelitian yang telah dilakukan dengan mengimplementasikan sistem Electronic Kanban tersebut, diperoleh hasil bahwa keterlambatan pada lini perakitan Pylon Sub Assy dapat berkurang hingga 52%
Cognitive Semiotics: Signs, Mind and Meaning
No full textInterrogating the relatively new field of cognitive semiotics, this book explores shared issues in cognitive science and semiotics. Building on research from recent decades, Per Aage Brandt investigates the potential of a cognitive semiotic approach to enhance our understanding of language, thought and semiosis in general.
Introducing a critical, non-standard approach both to cognitive science and to semiotics, this book discusses the understanding of meaning and mind through four major dimensions; mental architecture, mental spaces, discourse coherence, and eco-organization. Encompassing a rich variety of topics and debates, Cognitive Semiotics outlines several bridges between \u27continental\u27 and \u27analytic\u27 thinking in the study of semantics, pragmatics, discourse and the philosophy of language and mind
Klasifikasi Genus Tanaman Sukulen Menggunakan Convolutional Neural Network
No full textTanaman sukulen merupakan jenis tanaman hias yang banyak ditemukan jenisnya di indonesia. Tanaman sukulen mempunyai banyak jenis genus yang dimana setiap genus mempunyai ciri dan karakteristik yang beragam sehingga sulit untuk mengidentifikasi jenis genus pada tanaman sukulen.Oleh karena itu, penulis membuat sebuah sistem yang dapat mengenali jenis genus tanaman sukulen melalui gambar menggunakan metode Convolutional Neural Network (CNN). CNN merupakan salah satu teknik deep learning yang dapat digunakan untuk mengenali objek dua dimensi seperti gambar dan video. CNN memiliki banyak jenis arsitektur jaringan, arsitektur jaringan CNN yang digunakan penulis untuk membangun sistem ini adalah custom arsitektur dan penulis juga menggunakan k fold cross validation yang bertujuan untuk memastikan keakuratan akurasi yang dihasilkan oleh model sistem. Penelitian dilakukan penulis dengan membandingkan antara model yang dilatih menggunakan dataset berwarna (RGB) dan model yang dilatih menggunakan dataset grayscale. Dari hasil penelitian didapatkan bahwa model yang dilatih menggunakan dataset berwarna mempunyai akurasi testing yang lebih tinggi dibandingkan dengan model yang dilatih menggunakan dataset grayscale. Akurasi testing yang dihasilkan model yang dilatih dengan dataset berwarna sebesar 93% sedangkan model yang dilatih menggunakan dataset grayscale sebesar 64%
Unity 2020 Mobile Game Development: Discover practical techniques and examples to create and deliver engaging games for Android and iOS, 2/E
No full textUnity 2020 brings a lot of new features that can be harnessed for building powerful games for popular mobile platforms. This updated second edition delves into Unity development, covering the new features of Unity, modern development practices, and augmented reality (AR) for creating an immersive mobile experience. The book takes a step-by-step approach to building an endless runner game using Unity to help you learn the concepts of mobile game development.
This new edition also covers AR features and explains how to implement them using ARCore and ARKit with Unity. The book explores the new mobile notification package and helps you add notifications for your games. You\u27ll learn how to add touch gestures and design UI elements that can be used in both landscape and portrait modes at different resolutions. The book then covers the best ways to monetize your games using Unity Ads and in-app purchases before you learn how to integrate your game with various social networks. Next, using Unity\u27s analytics tools, you\u27ll enhance your game by gaining insights into how players like and use your game. Finally, you\u27ll take your games into the real world by implementing AR capabilities and publishing them on both Android and iOS app stores.
By the end of this book, you will have learned Unity tools and techniques and be able to use them to build robust cross-platform mobile games
Entrepreneuship and Family Business Vitality
No full textIn order to respond to economic globalization and increased competitive pressures, companies need innovative, efficient and effective management strategies. Accordingly, this book explores various scenarios faced by entrepreneurs and family businesses, and proposes strategies to tackle the challenges and seize opportunities to grow in a highly competitive environment. It underscores the importance of deploying vital strategies to survive and flourish in the long term, overcoming challenges, and capitalizing on opportunities in order to attain / maintain a competitive position. By presenting and integrating the latest insights and case studies on entrepreneurship, family businesses, and strategy research, the book provides concrete recommendations for effective business survival and growth
Security and Privacy in Communication Networks 14th International Conference, SecureComm 2018, Singapore, Singapore, August 8-10, 2018, Proceedings, Part I
No full textThis two-volume set LNICST 254-255 constitutes the post-conference proceedings of the 14thInternational Conference on Security and Privacy in Communication Networks, SecureComm 2018, held in Singapore in August 2018.
The 33 full and 18 short papers were carefully reviewed and selected from 108 submissions. The papers are organized in topical sections on IoT security, user and data privacy, mobile security, wireless security, software security, cloud security, social network and enterprise security, network security, applied cryptography, and web security
Implementasi Sistem Monitoring CPU Usage dan Temperature pada Processor berbasis Internet of Things menggunakan Windows Management Instrumentation
No full textPenggunaan komputer yang terlalu berlebihan merupakan hal yang tidak asing lagi untuk pengguna komputer, akibat penggunaan yang berlebihan dapat menyebabkan kenaikan temperature dan juga CPU Usage pada processor. Kebiasaan menggunakan komputer pada temperature yang tinggi dapat menyebabkan permasalahan seperti respon komputer semakin lambat, hingga permasalahan hardware. Untuk dapat mengantisipasi kemungkinan tersebut, diperlukan sistem monitoring yang dapat memberikan notifikasi, dan dapat mengkontrol komputer dari jarak jauh. Pembuatan sistem monitoring dibuat dengan memanfaatkan sistem dari Windows Management Instrumentation untuk mendapatkan temperature dan CPU Usage dari komputer, dimana data nantinya akan diberikan ke aplikasi Blynk melalui NodeMCU ESP8266. Pada aplikasi Blynk terdapat sistem yang dapat memberikan notifikasi kepada pengguna bila temperature atau CPU Usage melebihi batas normal dan secara otomatis dapat menyalakan kipas tambahan, dan juga dapat mengkontrol komputer untuk melakukan sleep, shutdown, atau restart melalui smartphone. Berdasarkan hasil pengujian diperoleh nilai error rate terkecil 1,56 % pada temperature dan 4,35 % pada CPU Usage saat dibandingkan dengan software monitoring lainnya, untuk delay mendapatkan nilai 0,50 ms pada kecepatan internet 9,8Mbps dan 0,28 ms pada kecepatan internet 20Mbps