4 research outputs found
Smart Contract Penyimpanan Data Genetika Manusia Berbiaya Murah pada Blockchain Ethereum
No full textGenetika manusia merujuk pada informasi yang dikumpulkan tentang genom atau warisan genetik individu manusia. Data ini mencakup sekuens DNA, variasi genetik, mutasi, dan informasi lain yang terkait dengan sifat dan karakteristik genetik individu manusia. Data genetika manusia diperoleh melalui serangkaian proses, meliputi penguntaian genetik, pengujian genetik, analisis DNA, dan pemetaan genetik. Data genetika terutama pada manusia merupakan data yang bersifat privat yang harus dilindungi keamanan dan kerahasiaanya. Beberapa penelitian telah menggunakan teknologi Blockchain untuk menyimpan data yang memerlukan keamanan ekstra. Blockchain memberikan solusi untuk perlindungan dan pengelolaan data dengan fitur teknologinya yang terdesentralisasi, terenkripsi, setiap transaksi bisa ditelusuri, dan antitampering atau sulit dimodifikasi. Penelitian menerapkan teknologi Blockchain untuk menyimpan dan mengelola data genetik. Sebagai bahan penelitian data genetika manusia diakusisi dari NCBI repository. Data genetik tersebut disimpan dalam Smart contract pada blockchain Ethereum yang ditulis menggunakan bahasa pemrograman Solidity. Setiap transaksi dan penyimpanan data pada Ethereum dibebankan biaya yang cukup mahal atau yang dikenal dengan biaya gas maka penelitian ini menawarkan solusi hanya menyimpan signature saja dari data genetik itu dalam blockchain. Data genetik yang riil dan berukuran besar disimpan dalam InterPlanetary File System (IPFS). Hasil pengujian menjalankan smart contract pada blockchain Ethereum yang hanya menyimpan signature data genetik ini menunjukkan biaya gas yang sangat efisien karena hanya menyimpan 256 bit saja dari data genetik riilnya yang dapat mencapai giga byte.Genetika manusia merujuk pada informasi yang dikumpulkan tentang genom atau warisan genetik individu manusia. Data ini mencakup sekuens DNA, variasi genetik, mutasi, dan informasi lain yang terkait dengan sifat dan karakteristik genetik individu manusia. Data genetika manusia diperoleh melalui serangkaian proses, meliputi penguntaian genetik, pengujian genetik, analisis DNA, dan pemetaan genetik. Data genetika terutama pada manusia merupakan data yang bersifat privat yang harus dilindungi keamanan dan kerahasiaanya. Beberapa penelitian telah menggunakan teknologi Blockchain untuk menyimpan data yang memerlukan keamanan ekstra. Blockchain memberikan solusi untuk perlindungan dan pengelolaan data dengan fitur teknologinya yang terdesentralisasi, terenkripsi, setiap transaksi bisa ditelusuri, dan antitampering atau sulit dimodifikasi. Penelitian menerapkan teknologi Blockchain untuk menyimpan dan mengelola data genetik. Sebagai bahan penelitian data genetika manusia diakusisi dari NCBI repository. Data genetik tersebut disimpan dalam Smart contract pada blockchain Ethereum yang ditulis menggunakan bahasa pemrograman Solidity. Setiap transaksi dan penyimpanan data pada Ethereum dibebankan biaya yang cukup mahal atau yang dikenal dengan biaya gas maka penelitian ini menawarkan solusi hanya menyimpan signature saja dari data genetik itu dalam blockchain. Data genetik yang riil dan berukuran besar disimpan dalam InterPlanetary File System (IPFS). Hasil pengujian menjalankan smart contract pada blockchain Ethereum yang hanya menyimpan signature data genetik ini menunjukkan biaya gas yang sangat efisien karena hanya menyimpan 256 bit saja dari data genetik riilnya yang dapat mencapai giga byte.
Abstract
Human genetics refers to information gathered about the genome or genetic heritage of human individuals. This data includes DNA sequences, genetic variations, mutations, and other information related to individual human genetic traits and characteristics. Human genetic data is obtained through a series of processes, including genetic sequencing, genetic testing, DNA analysis, and genetic mapping. Genetic data, especially in humans, is private data that must be protected by security and confidentiality. Several studies have used Blockchain technology to store data that requires extra security. Blockchain provides solutions for data protection and management with its technological features that are decentralized, encrypted, every transaction can be traced, and anti-tampering or difficult to modify. Research uses Blockchain technology to store and manage genetic data. As research material, human genetic data was acquired from the NCBI repository. The genetic data is stored in Smart contracts on the Ethereum blockchain written using the Solidity programming language. Every transaction and data storage on Ethereum is charged with a fairly expensive fee, known as a gas fee, so this research offers a solution by only storing the signature of the genetic data in the blockchain. The real and large-scale genetic data is stored in the InterPlanetary File System (IPFS). The test results of running a smart contract on the Ethereum blockchain that only stores genetic data signatures show a very efficient gas cost because it only stores 256 bits of real genetic data, which can reach gigabytes.
Analisis Perancangan Sistem Informasi Pendukung Keputusan untuk Mitigasi Bencana Alam Berbasis Data Real-Time
No full textSistem informasi pendukung keputusan (SPK) berbasis data real-time memiliki peran krusial dalam mitigasi bencana alam, terutama di kawasan rawan seperti Indonesia. Penelitian ini bertujuan untuk menganalisis perancangan SPK yang mampu memproses data real-time dari berbagai sumber, seperti sensor lingkungan, satelit, dan media sosial, guna mendukung pengambilan keputusan yang cepat dan akurat oleh pihak berwenang. Metode penelitian meliputi analisis kebutuhan, desain sistem menggunakan pendekatan berbasis cloud, dan pengujian prototipe dengan skenario simulasi bencana. Hasil penelitian menunjukkan bahwa sistem yang dirancang dapat mengurangi waktu respons hingga 40% dan meningkatkan akurasi prediksi risiko bencana sebesar 75%. Pembahasan menyoroti pentingnya integrasi teknologi big data dan machine learning dalam meningkatkan efektivitas mitigasi. Kesimpulannya, SPK berbasis data real-time menawarkan solusi inovatif untuk mengatasi tantangan mitigasi bencana alam di era digital
Pengenalan Citra Batik Tradisional Menggunakan Deep Learning untuk Klasifikasi Motif Daerah
No full textBatik merupakan warisan budaya Indonesia yang kaya akan nilai estetika dan keragaman motif berdasarkan asal daerahnya. Namun, upaya digitalisasi dan klasifikasi motif batik secara otomatis masih menghadapi tantangan, terutama dalam hal ketersediaan dataset representatif dan pendekatan pemodelan yang optimal. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi motif batik berdasarkan daerah asal menggunakan metode deep learning berbasis Convolutional Neural Network (CNN). Dataset citra batik yang digunakan terdiri dari 1.200 gambar, mewakili empat daerah utama yaitu Solo, Pekalongan, Cirebon, dan Madura. Model CNN dirancang dengan empat blok konvolusi dan dua fully connected layer, serta dilatih menggunakan optimizer Adam dan teknik early stopping. Hasil eksperimen menunjukkan bahwa model mencapai akurasi klasifikasi yang tinggi dan mampu membedakan motif berdasarkan karakteristik visual khas masing-masing daerah. Meskipun terdapat sedikit kesalahan klasifikasi antara motif yang memiliki kemiripan visual, secara keseluruhan model menunjukkan kinerja yang baik dan stabil. Penelitian ini menyimpulkan bahwa pendekatan deep learning efektif dalam mengenali motif batik secara otomatis dan berpotensi diimplementasikan dalam aplikasi edukasi budaya maupun promosi digital batik berbasis kecerdasan buatan
Evaluasi Sentimen Pengguna ChatGPT Menggunakan Naive Bayes: Tinjauan dari Confusion Matrix dan Classification Report
No full textThe development of artificial intelligence (AI) technology, particularly in natural language processing (NLP), has led to various innovations, including ChatGPT. Its growing popularity highlights the need for user sentiment analysis. This study evaluates user sentiment toward ChatGPT using the Naive Bayes algorithm. The dataset, obtained from Kaggle, consists of 500 labeled English tweets categorized as positive, neutral, or negative. The process involved text preprocessing, TF-IDF feature extraction, data splitting (80% training, 20% testing), and model training. The results show an accuracy of 56%, with the highest f1-score in the negative class (0.67) and the lowest in the neutral class (0.38). The model exhibits classification imbalance, with high precision but low recall in the neutral class, and high recall but low precision in the positive class. The confusion matrix further confirms frequent misclassifications between classes. These findings reflect the limitations of Naive Bayes in handling contextual relationships in text data. Improvements can be achieved through data balancing, enhanced NLP-based feature representation, and the application of more complex classification algorithms.Perkembangan teknologi kecerdasan buatan (AI), khususnya pada pemrosesan bahasa alami (NLP), telah menghasilkan berbagai inovasi, salah satunya adalah ChatGPT. Popularitas yang tinggi mendorong perlunya analisis terhadap sentimen pengguna. Penelitian ini bertujuan mengevaluasi sentimen pengguna terhadap ChatGPT menggunakan algoritma Naive Bayes. Data diperoleh dari platform Kaggle, terdiri dari 500 tweet berbahasa Inggris yang telah diberi label: positif, netral, dan negatif. Tahapan penelitian meliputi preprocessing teks, ekstraksi fitur menggunakan TF-IDF, pembagian data menjadi 80% data latih dan 20% data uji, serta pelatihan model Naive Bayes. Hasil evaluasi menunjukkan akurasi model sebesar 56%, dengan f1-score tertinggi pada kelas negatif (0.67) dan terendah pada kelas netral (0.38). Confusion matrix menunjukkan kesalahan klasifikasi terbanyak terjadi pada kelas netral dan positif. Hal ini mengindikasikan keterbatasan Naive Bayes dalam menangani konteks kata dalam data teks. Untuk peningkatan performa, disarankan penggunaan teknik balancing data, penguatan fitur, serta eksplorasi algoritma klasifikasi lain yang lebih komplek
