101 research outputs found
Aplikasi Wireless Sensor Network untuk Sistem Monitoring dan Klasifikasi Kualitas Udara
Get PDFIndonesia merupakan salah satu negara yang bergerak di sektor industri, hal tersebut memungkinkan lingkungan hidup termasuk kualitas udara. Polusi udara yang dikeluarkan dari cerobong asap kawasan industri tidak dapat dilakukan dengan baik maka akan berdampak buruk pada kesehatan manusia. Pemantauan kualitas udara yang digunakan saat ini yaitu hanya terdapat satu alat saja yang digunakan untuk melakukan monitoring terhadap suatu cakupan lokasi tertentu, sehingga akan kurang sesuai untuk menggambarkan kondisi kualitas udara yang ada pada suatu cakupan lokasi tersebut. Sementara untuk instalasi lebih dari satu alat akan membutuhkan biaya yang besar. Pada penelitian ini diaplikasikan konsep wireless sensor network (WSN) untuk pemantauan kualitas udara dengan pemasangan node sensor lebih dari satu perangkat pada lokasi tertentu dan terdapat satu sink yang bertindak untuk mengumpulkan data dari node sensor dan mengirimkannya ke server. Data kualitas udara yang didapatkan oleh node sensor kemudian diklasifikasikan menggunakan metode klasifikasi pada data mining yaitu k-nearest neighbor (K-NN). Sebelum dilakukan klasifikasi menggunakan K-NN, dilakukan normalisasi data untuk penyamaan skala datanya, didapatkan normalisasi decimal scaling yang memiliki performansi yang baik untuk data kualitas udara. Nilai k yang digunakan untuk klasifikasi K-NN yaitu 5. Didapatkan tingkat akurasi yang dihasilkan oleh sistem sebesar 94,28%, presisi sebesar 85,16% dan recall sebesar 93,35%
Otomatisasi identifikasi akun prostitusi online pada media sosial twitter/ Azhar
No full text18 hal.: tab.; 29 c
Pembuatan website Taman Ria Sengkaling dengan menggunakan tehnik desain responsif / Azhar
No full text29 hal.:bib.,lamp., tab.; 28 c
Klasifikasi fitur dalam dokumen review produk dengan metode local Pointwise Mutual Information / Azhar
No full text27 hal.:bib., ill.,lamp.; 28 c
Otomatisasi Pemberian Rekomendasi Produk Berdasarkan Bobot Fitur Dan Bobot Kalimat Comparative Pada Teks Opini
No full textSeorang calon pembeli cenderung lebih suka membandingkan kelebihan dan kekurangan antara sebuah produk dengan produk yang lain sebelum melakukan pembelian. Biasanya, kegiatan ini dilakukan dengan cara mengamati komentar-komentar yang diberikan oleh pembeli lain yang sudah pernah membeli atau menggunakan produk tersebut. Proses ini dapat memakan waktu yang lama mengingat jumlah komentar yang dimiliki oleh suatu produk sangatlah besar. Proses otomatisasi perbandingan produk berdasarkan teks opini dapat dilakukan dengan cara mengekstrak fitur yang dirniliki oleh produk tersebut. Fitur-fitur inilah yang umumnya menjadi target suatu opini. Akan tetapi, menilai suatu produk lebih baik dari pada produk yang lain hanya dengan melihat fiturfitur yang dimilikinya tidaklah adil. Karena ini merupakan suatu mekanisme penilaian yang independen. Padahal untuk melakukan suatu perbandingan, dua buah entitas tidak boleh dinilai secara terpisah, melainkan harus dinilai secara bersamaan. Oleh karena itu, dalam penelitian ini diusulkan suatu metode pembobotan berbasis kalimat comparative dan fitur untuk menentukan nilai rekomendasi suatu produk. Dengan penggunaan kalimat comparative ini, diharapkan masalah independensi dalam perbandingan produk dapat teratasi. Caranya adalah dengan terlebih dahulu mengekstrak fitur yang dirniliki oleh suatu produk untuk mendapatkan bobotnya. Kemudian cari kalimat comparative yang berisi kedua produk yang ingin dibandingkan untuk mendapatkan bobot comparativenya. Selanjutnya, dua buah bobot yang telah didapatkan tersebut digabungkan untuk mendapatkan nilai rekomendasi suatu produk. Nilai inilah yang digunakan untuk membandingkan suatu produk dengan produk yang lain. Hasil yang didapatkan menunjukkan bahwa penambahan bobot comparative terbukti dapat meningkatkan akurasi dalam pengenalan produk yang lebih unggul hingga 96%
=====================================================================================================================================
A prospective buyer tends to prefer comparing the advantages and disadvantages of a product with another product before making a purchase. Usually, this activity is done by observing the comments given by other buyers who have bought or used the product. This process can take a long time considering the number of comments a product has is very large. The process of automating product comparisons based on opinion texts can be done by extracting the features of the product. These features are generally the target of an opinion. However, judging a product better than another product just by looking at its features is unfair. Because this is an independent assessment mechanism. In fact, to make a comparison, two entities should not be assessed separately, but must be assessed simultaneously. Therefore, this study proposes a weighting method based on comparative sentences and features to determine the recommendation value of a product. By using this comparative sentence, it is hoped that the problem of independence in product comparisons can be overcome. The method is to first extract the features of a product to get its weight. Then find a comparative sentence that contains the two products you want to compare to get their comparative weight. Next, the two weights that have been obtained are combined to obtain a product recommendation value. This value is used to compare one product with another. The results obtained show that the addition of comparative weights has been proven to increase accuracy in recognizing superior products by up to 96
IBM PENINGKATAN DAYA SAING PENGUSAHA TRAVEL DI MALANG RAYA
No full textTidak dapat dipungkiri bahwa ketersediaan modal menjadi salah satu faktor utamadalam ketahanan suatu usaha, demikian pula usaha travel. Banyak pengusaha traveldengan modal kecil akhirnya harus gulung tikar karena tidak mampu bersaingdengan usaha sejenis yang memiliki modal besar. Perlu ada strategi jitu daripengusaha-pengusaha dengan modal kecil ini agar usahanya tetap eksis meskipundengan dana yang minim. Salah satu cara yang bisa dilakukan adalah denganpenerapan teknologi informasi untuk meningkatkan kualitas pelayanan kepadakonsumen serta alat bantu untuk memasarkan jasanya. Sistem aplikasi mobile yangdapat digunakan oleh konsumen untuk memesan jasa layanan travel dapat menjadijawaban atas permasalahan tersebut. Dengan penggunaan aplikasi ini, diharapkankualitas pelayanan pada konsumen bisa meningkat, sehingga berpengaruh terhadappenambahan kuantitas konsumen yang dapat dilayani. Selain itu, diusulkan pulasuatu konsep pemasaran baru yang terinspirasi dari skema MLM (Multi LevelMarketing) yang banyak digunakan oleh perusahaan-perusahaan kosmetik atau alatkesehatan dalam memasarkan produknya. Sistem pemasaran ini juga akan dibantuoleh aplikasi mobile agar mudah penggunaannya. Diharapkan dengan adanyasistem pemasaran seperti ini, pangsa pasar dari suatu usaha travel akan lebih luassehingga kuantitas konsumen yang menggunakan jasa travel tersebut juga akansemakin bertambah
Implementasi Data Augmentation untuk Klasifikasi Sampah Organik dan Non Organik Menggunakan Inception-V3
Get PDFThe surge in global waste, particularly in Indonesia, with a total of 36.218 million tons per year, has become an urgent issue. Challenges in waste management are increasingly complex due to the lack of public understanding and awareness in classifying types of waste. One systemic approach to address waste classification issues involves the use of machine learning technology to categorize waste into two main types: organic and non-organic. The data used in this study comes from a Kaggle website dataset comprising 25,500 entries. This research employs a transfer learning approach with the Inception-V3 architecture and data augmentation implementation. Transfer learning is chosen for its proven performance in image data classification, while data augmentation is implemented to introduce diversity to the dataset. The research stages include business understanding, data preprocessing, data augmentation, data modelling, and evaluation. The results show that the use of transfer learning with the Inception-V3 approach and data augmentation implementation achieves an accuracy rate of 94%, which falls into the excellent category
Prediksi Harga Minyak Dunia Dengan Metode Deep Learning
Get PDFAbstrakPeramalan seri waktu mendapatkan banyak perhatian dari berbagai penelitian. Salah satu data seri waktu yang barubah setiap periode tertentu adalah minyak bumi. Secara umum harga minyak bumi dipengarui oleh dua hal yaitu permintaan dan pendapatan. Pada penelitian ini menggunakan state-of-the-art model Deep Learning LSTM (Long Short Term Memory) untuk meramalkan harga minyak dalam periode tertentu. Metode ini digunakan karena arsitekturnya dapat beradaptasi dengan belajar non-linear dari data seri waktu yang kompleks. Dataset yang digunakan adalah data Brent Oil Price yang selalu di update setiap minggu. Dataset ini berisi harga minyak brent dari tahun 1987 sampai sekarang. Beberapa model yang dibangun terbukti dapat meramalkan harga minyak dengan baik. Model terbaik yang didapatkan dari penelitian ini memiliki RMSE 0,0186 dan MAE 0,013.Kata kunci: LSTM, deep learning, peramalan, harga minyak Abstract[Forecasting World Oil Price with Deep Learning Method] Time series forecasting gets a lot of attention from various studies. One of the time-series data that changes every certain period is petroleum. In general, the price of petroleum is affected by two things, namely demand and income. This research uses a state-of-the-art Deep Learning LSTM (Long Short-Term Memory) model to predict the oil price in a certain period. This method is used because the architecture can adapt to non-linear learning from complex time series data. The dataset used is the Brent Oil Price data, which is always updated every week. This dataset contains the price of Brent oil from 1987 to the present. The models that were built proved to be able to predict oil prices well. The best models obtained from this study have RMSE 0.0186 and MAE 0.013.Keywords: LSTM, deep learning, forecasting, oil pric
Malaria Blood Cell Image Classification using Transfer Learning with Fine-Tune ResNet50 and Data Augmentation
No full textBased on the WHO Report related to malaria, it is estimated that there will be 241 million malaria cases and 627,000 deaths from this disease globally in 2020 with the number of deaths increasing yearly. Preventing malaria disease conditions is through early detection. A more quick and precise malaria diagnosis method was required to simplify and reduce the detection process. Medical image classification could be carried out rapidly and precisely using machine learning or deep learning techniques. This research aims to diagnose malaria by classifying images of malaria blood cells using Deep Learning with a Transfer Learning approach. By utilizing various fine-tuning procedures and implementing data augmentation proposed method develops the method from previous studies. Two types of models Frozen ResNet50 and Fine-Tune ResNet50 are being tested. The dataset utilized will be augmented to improve model performance. This study makes use of the "NIH Malaria Cell Images Dataset" a dataset that contains a total of 27,660 image data. It is divided into two classes: parasitized and uninfected. The results are improved from previous research using the fine-tuned VGG16 model with an accuracy of 96% compared to this study using the fine-tuned ResNet50 model which achieved an accuracy score of 98%.Based on the WHO Report related to malaria, it is estimated that there will be 241 million malaria cases and 627,000 deaths from this disease globally in 2020 with the number of deaths increasing yearly. Preventing malaria disease conditions is through early detection. A more quick and precise malaria diagnosis method was required to simplify and reduce the detection process. Medical image classification could be carried out rapidly and precisely using machine learning or deep learning techniques. This research aims to diagnose malaria by classifying images of malaria blood cells using Deep Learning with a Transfer Learning approach. By utilizing various fine-tuning procedures and implementing data augmentation proposed method develops the method from previous studies. Two types of models Frozen ResNet50 and Fine-Tune ResNet50 are being tested. The dataset utilized will be augmented to improve model performance. This study makes use of the "NIH Malaria Cell Images Dataset" a dataset that contains a total of 27,660 image data. It is divided into two classes: parasitized and uninfected. The results are improved from previous research using the fine-tuned VGG16 model with an accuracy of 96% compared to this study using the fine-tuned ResNet50 model which achieved an accuracy score of 98%
Metode Lexicon-learning Based Untuk Identifikasi Tweet Opini Berbahasa Indonesia
Get PDFMedia sosial telah lama digunakan masyarakat untuk menyampaikan opini maupun fakta terhadap suatu kejadian, khusunya twitter. Banyak metode yang diusulkan untuk mengekstrak tweet yang berisi opini. Diantaranya mengunakan pendekatan identifikasi kata kunci dalam suatu tweet yang lebih dikenal dengan istilah lexicon based. Meskipun metode ini memiliki nilai presisi yang cukup tinggi dalam mengidentifikasi suatu tweet opini, akan tetapi nilai recall yang dihasilkan cukup rendah. Hal ini karena keterbatasan lexicon yang digunkan sebagai identifier. Dalam penelitian ini, diusulkan kombinasi metode lexicon based dan machine learning dalam mengoptimalkan hasil identifikasi tweet opini. Hasil pengujian menunjukkan peningkatan nilai recall yang cukup signifikan jika dibandingkan dengan metode lexicon based dengan tetap menjaga nilai precision
- …
