74 research outputs found
Apriandy Angdresey's Quick Files
No full textThe Quick Files feature was discontinued and it’s files were migrated into this Project on March 11, 2022. The file URL’s will still resolve properly, and the Quick Files logs are available in the Project’s Recent Activity
Identification of The Reproductive Apparatus of Tarantula Genus Brachypelma Using Linear Discriminant Analysis Method
No full textUsing TECHNOLOGY Acceptance Model to Evaluate the Utilization of Kolintang Instruments Application
Get PDFTo preserve traditional Kolintang musical instruments, originating from Minahasa (North Sulawesi, Indonesia), Aplikasi Musik Kolintang was developed and can be run on web browsers and Android-based smartphones with several controllers to attract users' attention. This study aims to explore the acceptability and utilization of this application, especially the use of a webcam as a sensor for motion detections, and identify the modifications to make for better user experiences. Technology Acceptance Model (TAM) was adopted to determine user acceptance and behavioral intentions toward the application. The TAM variables used in this study were perceived usefulness, perceived ease of use, attitude towards usage, and behavioral intentions. External variables were also included, namely application design, application design, and expectancy. An online questionnaires-based survey was conducted to collect data from 177 people randomly selected at Universitas Katolik De La Salle Manado. The results suggested that all variables in the proposed framework either directly or indirectly have effects on the overall behavioral intention to use the application as they have statistically significant positive correlations. The respondent propensity to embrace and use the application was high leading to an increase in positive attitude toward usage, which consequently influenced the behavioral intention to use. Several modifications were indeed required to improve the quality of the application and enrich the user experience
The Decision Tree Algorithm on Sentiment Analysis: Russia and Ukraine War
No full textSentiment analysis is a method to automaticallyunderstand, extract, and process a text data to obtain aninformation or an opinion contained in said data. This is donein order to determine whether an opinion is positive, negativeor neutral in relevance to a object, product or topic. Thisresearch is aimed to implement the decision tree algorithm intoour sentiment analysis application regarding the Russian andUkraine war. This issue has been a trending topic on twitterand is attracting many attention from the public. Therefore,we gathered their opinions and analyze them using the decisiontree algorithm. We managed to gather 1.069 data and obtainthe results along with their average scores by conducting 15tests using three different data partitions. Based on the resultsobtained we concluded that the data partition of 80% trainingdata and 20% testing data gained the highest average score. Theresult was 85.61% for accuracy, 86.27% for the precision, and86.01% for the recall
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SEKOLAH DASAR MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING
Get PDFPendidikan dasar merupakan suatu pondasi utama untuk tumbuh kembang seorang anak. Maka, sangat diperlukan adanya proses pembentukkan karakter dan pengembangan diri sejak usia dini. Pemilihan sekolah akan mempunyai dampak jangka panjang sehingga orang tua harus berhati - hati untuk memilih sekolah yang tepat bagi anak – anaknya, terutama sekolah dasar yang menjadi landasan untuk sekolah lanjutan. Banyaknya pilihan sekolah dasar di Kota Manado dan kriteria - kriteria yang dijadikan sebagai pertimbangan membuat orang tua bingung dalam memilih sekolah dasar yang baik dan tepat untuk anak – anaknya.
Solusi yang diberikan yaitu membangun sebuah sistem pendukung keputusan pemilihan sekolah dasar di Kota Manado, khususnya pada 3 Kecamatan yaitu Kecamatan Sario, Wenang, dan Malalayang. Metode yang digunakan dalam penelitian ini yaitu metode simple additive weighting (SAW). Metode SAW merupakan penjumlahan berbobot dari rating kinerja setiap alternatif pada semua kriteria yang ada. Metode ini banyak digunakan karena memiliki algoritma yang tidak terlalu rumit. Hasil akhir penelitian ini yaitu orang tua dapat memilih Sekolah Dasar untuk anaknya sesuai dengan perhitungan metode SAW yang memberikan alternatif pilihan sekolah terbaik dari kriteria yang diberikan.
Kata Kunci : Sistem Pendukung Keputusan, Kriteria, SAW, Sekolah Dasa
ANALISIS SENTIMEN TERHADAP DIREKTORAT JENDERAL PAJAK MENGGUNAKAN ALGORITMA NAIVE BAYES DENGAN HYBRID ADAPTIVE BOOSTING
Get PDFDirektorat Jenderal Pajak atau DJP merupakan unit kerja di bawah Kementrian Keuangan yang bertanggung jawab dalam pemungutan dan pengelolaan pajak di Indonesia. Selama periode tahun 2022 hingga 2023, DJP menjadi topik yang ramai diperbincangkan di platform Twitter. Berbagai opini muncul mengenai DJP, termasuk opini positif dan negatif, yang bahkan mencapai trending topic. Kondisi ini mendorong DJP untuk melakukan evaluasi terhadap berbagai aspek yang penting, seperti keluhan umum masyarakat, tingkat kepuasan pelayanan, efektivitas program penyuluhan, dan efektivitas upaya dalam bidang kehumasan.
Naive Bayes merupakan metode klasifikasi dalam machine learning untuk menyelesaikan masalah pengambilan keputusan dengan tingkat akurasi dan kecepatan yang tinggi sehingga dapat digunakan dalam menganalisis opini dari masyarakat. Adaptive boosting (AdaBoost) adalah metode boosting untuk mengoptimalkan model klasifikasi yang digunakan dengan memberikan bobot pada data latih yang salah diklasifikasikan oleh model sebelumnya.
Implementasi Naive Bayes dengan Hybrid AdaBoost tidak konsisten dalam meningkatkan akurasi analisis sentimen terhadap DJP. Terdapat variasi dalam hasil yang diperoleh, dengan beberapa kategori mencapai akurasi, presisi, dan recall tertinggi, tetapi tidak secara merata di semua kategori. Hasil yang diperoleh dari pengujian terhadap aplikasi analisis sentimen terhadap DJP, diperoleh akurasi terbaik diperoleh pada partisi data 60:40, 70:30 dan 80:20 pada kategori Penyuluhan dan Pelayanan yaitu sebesar 100%, presisi tertinggi pada partisi 60:40 dan 80:20 pada kategori Pelayanan dan Penyuluhan sebesar 100%, dan recall pada partisi 70:30 kategori Penyuluhan sebesar 100% dengan total keseluruhan 3.512 data.
Kata kunci: Klasifikasi, Analisis Sentimen, Naive Bayes, Hybrid AdaBoost, DJP
IMPLEMENTASI METODE SINGLE SHOT MULTIBOX DETECTOR UNTUK MENGENALI KUE TRADISIONAL BERBASIS ANDROID
Get PDFKekayaan budaya kuliner Indonesia, khususnya kue tradisional, memiliki potensi besar untuk dipromosikan dan diperkenalkan secara luas kepada masyarakat. Penelitian ini menerapkan metode Single Shot Multibox Detector (SSD) pada aplikasi berbasis Android untuk mengenali kue tradisional secara efektif. Dataset yang digunakan terdiri dari 1600 gambar yang mencakup 8 jenis kue tradisional yang berbeda, yaitu lalampa, nasi jaha, panada, koyabu, apang bakar, apang kukus, dodol, dan cucur.
Penerapan teknologi deteksi objek pada aplikasi Android ini menawarkan peluang besar dalam mempromosikan keanekaragaman kuliner Indonesia kepada masyarakat global. Aplikasi ini memiliki akurasi yang tinggi dan menjadi alat efektif untuk memperkenalkan serta mempopulerkan kue-kue tradisional Indonesia, sekaligus berkontribusi pada pelestarian dan peningkatan kesadaran akan warisan budaya kuliner yang berharga. Teknologi ini memiliki peran penting dalam menjaga dan memperkenalkan kekayaan kuliner tradisional Indonesia kepada dunia.
Pada tugas akhir ini menggunakan metrik evaluasi Mean Average Precision (mAP), Average Precision (AP) dan Average Recall (AR) untuk mengukur hasil kinerja dari model deteksi objek. Evaluasi hasil menunjukkan model deteksi mencapai performa dengan nilai mAP sebesar 97.9%, AP sebesar 98%, dan AR sebesar 98.4%. Selain itu, jarak deteksi terbaik diperoleh pada jarak 15 cm dari objek. Keberhasilan ini menunjukkan kemampuan model yang baik dalam mengidentifikasi kue tradisional dan aplikasi memiliki potensi menarik dalam mempromosikan serta memperkenalkan kekayaan kuliner tradisional Indonesia.
Kata kunci: Kue tradisional, deteksi objek, Single Shot Multibox Detector (SSD), Android, kuliner Indonesia
Detection of the Types of Consumable Saltwater Fish in the Coastal Area of Likupang: Uses the Convolutional Neural Network Method
Get PDFIn the coastal area of Likupang, many types of saltwater fish can be consumed, such as tuna and skipjack. Yet, there are also types of saltwater fish that cannot be consumed or protected by the government, such as Napoleon fish and sea kingfish. Thus, this research aimed to build a desktop application that can automatically classify consumable and non-consumable saltwater fish species more accurately and promptly using a suitable image recognition method like the Convolutional Neural Network (CNN). CNN has abilities to distinguish images by recognizing several pixels in a two-dimensional image and RGB (Red, Green, Blue) colors which are then converted into a matrix with various values, making it easier for the system to recognize the two-dimensional image. By using 40% test data (143 images) and 60% training data (213 images), test accuracy in identifying and classifying images of consumable fish, non-consumable fish, and non-fish images with each percentage of 94%, 98%, and 95% respectively.
Di perairan Likupang terdapat banyak jenis ikan air asin yang bisa dikonsumsi, seperti tuna dan cakalang. Namun, ada juga jenis ikan air asin yang tidak boleh dikonsumsi atau dilindungi oleh pemerintah, seperti ikan napoleon dan kingfish laut. Oleh karena itu, pengklasifikasian jenis ikan air asin yang boleh dikonsumsi, ikan tidak boleh dikonsumsi, atau ikan dilindungi di perairan Likupang merupakan pekerjaan yang membutuhkan pengetahuan dan waktu yang lama. Mengetahui banyaknya jenis ikan air asin yang tidak dapat dengan cepat dibedakan antara ikan yang dapat dimakan dan tidak dapat dikonsumsi, maka perlu adanya pendekatan digital untuk mengidentifikasi jenis ikan air asin dengan cepat dan mudah. Metode Convolutional Neural Network (CNN) dapat digunakan untuk membedakan citra dengan mengenali beberapa piksel pada citra dua dimensi dan warna RGB (Merah, Hijau, Biru) yang kemudian diubah menjadi matriks dengan berbagai nilai sehingga menjadikannya memudahkan sistem untuk mengenali gambar dua dimensi. Dengan menggunakan data uji 40% (143 citra) dan 60% data latih (213 citra), penelitian ini memperoleh uji akurasi dalam mengidentifikasi dan mengklasifikasi citra ikan yang dapat dikonsumsi, ikan yang tidak bisa dikonsumsi, dan gambar bukan fish dengan persentase masing-masing sebesar 94%, 98%, dan 95%. 
- …
