Abstract:Abstract: The development of AI assistants such as Gemini and ChatGPT can significantly assist in daily human tasks. In the field of Sentiment Analysis, AI assistants can be utilized as an automated labeling alternative…
to provide positive, negative, or neutral sentiments within a dataset. This research aims to enhance the performance of AI assistants in automated labeling processes by employing the Feature Selection algorithm, specifically Forward Selection. The methodology involves utilizing the Naïve Bayes and K-NN algorithms, and subsequently improving accuracy through the Feature Selection algorithm. The evaluation is conducted using K-Fold Cross Validation. Research findings indicate an improvement in the accuracy of the best model, which is ChatGPT, when using the Naïve Bayes algorithm and Shuffled Sampling technique. The initial accuracy of 79.09% increased to 87.18% after Feature Selection was applied. This demonstrates the effectiveness of Feature Selection, particularly Forward Selection, in enhancing the accuracy performance of the model.
Keywords: ai; assistant; chat gpt; feature selection; gemini.
Abstrak: Pekembangan Asisten AI seperti Gemini dan Chat GPT dapat membantu pekerjaan manusia sehari-hari. Dalam bidang Analisis Sentimen, Asisten AI dapat digunakan sebagai alternatif pelabelan otomatis untuk memberikan sentimen positif, negatif atau netral dalam suatu dataset. Penlitian ini bertujuan untuk meningkatkan performa yang dihasilkan oleh Asisten AI dalam proses pelabelan otomatis menggunakan Algortima Feature Selection yaitu Forward Selection. Metode yang digunakan adalah dengan menggunakan Algoritma Naïve Bayes dan K-NN kemudian hasil akurasi akan ditingkatkan menggunkan Algoritma Feature Selection. Evaluasi yang digunakan adalah K-Fold Cross Validation. Hasil penelitian menunjukkan peningkatan akurasi model terbaik berada pada Chat GPT dengan menggunakan Algoritma Naïve Bayes dan Teknik Shuffled Sampling, dari nilai akurasi awal sebesar 79.09%, setelah ditingkatkan menggunakan Feature Selection, maka nilai akurasinya meningkat menjadi 87.18%. Hal ini membuktikan peran Feature Selection, dimana yang digunakan adalah Forward Selection dalam meningkatkan akurasi ternyata memang efektif dalam meningkatkan performa akurasi model.
Kata kunci: ai; assisten; chat gpt; feature selection; gemini
Abstract:Abstract: The growing business environment causes the business world to create in order to continue to survive, one of which is by increasing sales. One way is to use the data approach. One method of data approach that is…
s widely used is Market Basket Analysis. This study uses the Market Basket Analysis method with the a priori algorithm and FP-Growth. Grocery dataset analysis using two algorithms, Apriori and FP-Growth using a minimum support parameter of 0.45, has results sorted by the top 10 associations with the best confidence value. The association with the highest support value found is "Whole Milk -> Other Vegetables" with a support value of 0.0748347737. The analysis concludes that both algorithms produce the same association "Other Vegetables -> Whole Milk" with a Support value of 0.0748347737.
Keywords: apriori; FP-Growth; market basket analysis.
Abstrak : Lingkungan bisnis yang semakin berkembang menyebabkan dunia bisnis harus berkreasi agar dapat terus bertahan, salah satunya dengan cara meningkatkan penjualan. Salah satu caranya adalah dengan menggunakan pendekatan data. Salah satu metode pendekatan data yang banyak digunakan adalah Market Basket Analysis. Penelitian ini menggunakan metode Market Basket Analysis dengan algoritma apriori dan FP-Growth. Analisis dataset grosir menggunakan dua algoritma, Apriori dan FP-Growth dengan menggunakan parameter support minimum 0,45, memiliki hasil yang diurutkan berdasarkan 10 asosiasi teratas dengan nilai confidence terbaik. Asosiasi dengan nilai support tertinggi yang ditemukan adalah “Whole Milk -> Other Vegetables†dengan nilai support sebesar 0,0748347737. Analisis menyimpulkan bahwa kedua algoritma tersebut menghasilkan asosiasi yang sama “Other Vegetables -> Whole Milk†dengan nilai Support sebesar 0,0748347737.
Kata Kunci: apriori; FP-Growth; market basket analysis
Abstract:Abstract: Used motorbikes are motorized vehicles that are used by many people in various cicles. For someone who is a prospective buyer of a used motorbike, before coming to the place of puchase they have several choices…
based on several criteria that have been determined according to the used motorbike they want to buy. A problem that often occurs for prospective buyers is the difficulty in determination which used motorbike is superior from several choices based on predetermined criteria. This results in potential buyers feeling confused in making their choice. The difficulty in determining used motorbikes is the reason this research was conducted. In this case, the decision support system will be used as a tool in providing superior used motorbike choices for potential buyers. The method offered in this research is to use a combination of the CoCoSo and SAW algorithms. The criteria for determination a used motorbike consist of 8 criteria namely mileage, price, brand, accessories, tire condition, body condition, engine condition and completeness of documents. In the results of this decision support system research, ranking results using a combination of CoCoSo and SAW methods show that the red Suzuki F1 alternative (A39) is ranked with the highest score.
Keywords: combined compromise solution; decision support system; simple additive weighting
Abstrak: Sepeda motor bekas merupakan kendaraan bermotor yang digunakan oleh sebagian banyak masyarakat dalam berbagai kalangan. Bagi seseorang calon pembeli sepeda motor bekas, sebelum datang ke tempat pembelian mereka memiliki beberapa ketentuan pilihan yang berdasarkan pada beberapa kriteria yang telah ditentukan sesuai dengan sepeda motor bekas yang ingin dibeli. Permasalahan yang sering kali terjadi bagi calon pembeli ialah kesulitan dalam menentukan sepeda motor bekas mana yang unggul dari beberapa alternatif pilihan berdasarkan kriteria yang telah ditentukan sebelumnya. Hal ini mengakibatkan, calon pembeli merasa kebingungan dalam menentukan pilihannya. Kesulitan dalam penentuan sepeda motor bekas tersebut menjadi alasan penelitian ini dilakukan. Dalam hal ini sistem pendukung keputusan akan digunakan sebagai alat bantu dalam memberikan pilihan sepeda motor bekas yang unggul bagi calon pembeli. Metode yang ditawarkan dalam penelitian ini yaitu dengan menggunakan kombinasi algoritma CoCoSo dan SAW. Kriteria-kriteria dalam penentuan sepeda motor bekas terdiri dari 8 kriteria yaitu jarak tempuh, harga, merek, aksesoris, kondisi ban, kondisi body, kondisi mesin dan kelengkapan surat. Dalam hasil penelitian sistem pendukung keputusan ini, memberikan hasil perangkingan dengan kombinasi metode CoCoSo dan SAW menunjukkan bahwa alternatif Suzuki F1 merah (A39) adalah peringkat dengan nilai tertinggi.
Kata kunci : combined compromise solution; simple additive weighting; sistem pendukung keputusan
Abstract:Abstract: The habit of smoking is dangerous because of the addictive substances that make cigarettes addictive. Its addictive nature poses a significant risk, affecting personality with stress, depression and nervous disorders.…
orders. Body factors that indicate smoking include blood sugar levels, dental caries, and hemoglobin. To address this, research has been conducted with focused efforts to understand and address the risks associated with smoking and its impact on overall health. This research aims to choose the best method for predicting smokers by using feature selection techniques. The feature selection algorithms uses for that are Analysis of Variance (ANOVA), Recursive Feature Elimination (RFE), and Genetic Algorithm (GA) to select optimal attributes and uses the k-fold cross validation technique as the validation of the Artificial Neural Network algorithm. The data includes various parameters such as age, height, weight, vision, blood pressure, cholesterol, triglycerides, hemoglobin, AST, ALT, GTP, gender, dental caries and tartar. Hearing ability, urine protein content, and tartar were selected. The results showed that using the Analysis of Variance method showed higher accuracy (77.101%) compared to the Genetic Algorithm method (74.64%) and the Recursive Feature Elimination method (76.08%). Selection of relevant attributes increases the predictions and insights of the Artificial Neural Network model about the effects of smoking on health.
Keywords: artificial neural network; analysis of variance; genetic algorithm; recursive feature elimination; smoker prediction
Abstrak: Kebiasaan merokok berbahaya karena adanya zat adiktif yang membuat rokok menjadi ketagihan. Sifatnya yang membuat ketagihan menimbulkan risiko yang signifikan, mempengaruhi kepribadian dengan stres, depresi, dan gangguan saraf. Faktor tubuh yang mengindikasikan kebiasaan merokok antara lain kadar gula darah, karies gigi, dan hemoglobin. Untuk mengatasi hal ini, penelitian telah dilakukan dengan upaya terfokus untuk memahami dan mengatasi risiko yang terkait dengan merokok dan dampaknya terhadap kesehatan secara keseluruhan. Penelitian ini bertujuan untuk memilih metode terbaik dalam memprediksi perokok dengan menggunakan teknik seleksi fitur. Metode seleksi fitur yang digunakan adalah Analysis of Variance (ANOVA), Recursive Feature Elimination (RFE), dan Genetic Algorithm (GA) untuk memilih atribut yang optimal dan menggunakan teknik k-fold cross validation sebagai validasi algoritma Artificial Neural Network. Data tersebut mencakup berbagai parameter seperti umur, tinggi badan, berat badan, penglihatan, tekanan darah, kolesterol, trigliserida, hemoglobin, AST, ALT, GTP, jenis kelamin, karies gigi dan karang gigi. Kemampuan pendengaran, kandungan protein urin, dan karang gigi dipilih. Hasil penelitian menunjukkan bahwa penggunaan metode Analysis of Variance menunjukkan akurasi yang lebih tinggi (77,101%) dibandingkan dengan metode Genetic Algorithm (74,64%) dan metode Recursive Feature Elimination (76,08%). Pemilihan atribut yang relevan meningkatkan prediksi dan wawasan model Jaringan Syaraf Tiruan tentang dampak merokok terhadap kesehatan.
Kata kunci: artificial neural network; analysis of variance; genetic algorithm; prediksi perokok; recursive feature elimination
Abstract:Abstract: The service dramatically affects the number of guests staying at the hotel. Bali is the most visited tourist area by foreign tourists. Therefore, improved service is crucial for determining the rating level of…
a hotel. This research aims to combine two data mining algorithms: clustering and classification. This research is expected to contribute to hospitality in improving the best services for tourists, especially in the City of Bali. Clustering algorithms are used to group the best number of hotels based on the four clusters selected from the k-means clustering algorithm. The classification algorithm using C4.5 determines the factors most dominant in determining the hotel rating level based on the gain ratio. The data used in this study results from observations on the website agoda.com in Bali of 51 data. The results of this study explained that cluster_0 is the highest-rated cluster, with a total number of 19 hotels found in claster_0. Data cluster0 is used for classification analysis using a decision tree, and the most dominant factor is the service factor, with an accuracy of 80%.
Keywords: data mining; kmeans; decision tree; hotel; bali;
Abstrak: Pelayanan sangat mempengaruhi jumlah pengunjung yang menginap dihotel. Bali merupakan daerah wisata paling banyak dikunjungi oleh wisatawan mancanegara. Oleh karena itu, peningkatan pelayanan sangat penting untuk penentuan level rating dari hotel. Tujuan dari penelitian ini untuk menggabungkan dua algoritma data mining yaitu clustering dan klasifikasi. Dengan penelitian ini diharapkan dapat memberikan kontribusi bagi perhotelan dalam meningkatkan pelayanan yang terbaik bagi wisatawan khususnya di Kota Bali. Algoritma Clustering digunakan untuk mengelompokkan dari jumlah hotel yang terbaik berdasarkan empat cluster yang dipilih dari algoritma clustering berupa k-means. Algoritma klasifikasi menggunakan C4.5 digunakan untuk mengetahui faktor apa yang paling dominan dalam menentukan level rating hotel berdasarkan gain ratio. Data yang digunakan dalam penelitian ini hasil observasi di website agoda.com di bali sebanyak 51 data. Hasil dari penelitian ini menjelaskan dataset cluster_0 merupakan cluster rating tertinggi dengan jumlah 19 hotel yang terdapat di cluster_0. Data cluster_0 digunakan untuk analisis klasifikasi menggunakan decesion tree, didapat faktor yang paling dominan adalah faktor layanan dengan nilai akurasi sebesar 80%.
Kata kunci: data mining; kmeans; decision tree; hotel; bali;
Abstract:Abstract: Generating caption image automatically is one of the challenges in computer vision. This field can be very helpful in many ways, for example search engines. Currently there are many image classification algorithms…
hms that we can use to create a caption image model. In this article, we will compare performance between the Resnet50 and InceptionV3 models for text images. We will use 2000 (1800 train & 200 validation) image data and each image has 5 example captions to train the model. After the model is successfully created, we evaluate the model using 100 images and each image has 5 examples of additional captions that are not used in the training and validation process. The result of this research is that the InceptionV3 model is better than Resnet50. BLEU-1 is 0.53, BLEU-2 is 0.35, BLEU-3 is 0.18, BLEU-4 is 0.09, and METEOR is 0.35 for InceptionV3 model. While Resnet50 model has a value of BLEU-1 is 0.51, BLEU-2 is 0.31, BLEU-3 is 0.16, BLEU-4 is 0.06, and METEOR is 0.33.
Keywords: caption image; inceptionv3; LSTM; resnet50
Abstrak: Membuat gambar teks secara otomatis adalah salah satu tantangan dalam computer vision. Bidang ini bisa sangat membantu dalam banyak hal, misalnya mesin pencari. Saat ini banyak sekali algoritma klasifikasi citra yang dapat kita gunakan untuk membuat model teks citra. Pada artikel ini, kami akan membandingkan performa antara model Resnet50 dan InceptionV3 untuk gambar teks. Kami akan menggunakan 2000 (1800 train & 200 validation) data gambar dan setiap gambar memiliki 5 contoh caption untuk melatih model. Setelah model berhasil dibuat, kami mengevaluasi model menggunakan 100 gambar dan setiap gambar memiliki 5 contoh caption tambahan yang tidak digunakan dalam proses training dan validation. Hasil dari penelitian ini adalah model InceptionV3 lebih baik dibandingkan dengan Resnet50. BLEU-1 0.53, BLEU-2 0.35, BLEU-3 0.18, BLEU-4 0.09, dan METEOR 0.35 untuk model InceptionV3. Sedangkan model Resnet50 memiliki nilai BLEU-1 0.51, BLEU-2 0.31, BLEU-3 0.16, BLEU-4 0.06, dan METEOR 0.33.
Kata kunci: caption image; inceptionv3; LSTM; resnet50
Abstract:Abstract: A research institute explains that with 83.7 million people using the Internet, Indonesia is among the top 20 internet users globally. Various individual or group activities require an internet network, one of…
which is playing games, for developments in the gaming sector, especially the MOBA (Massive Online Battle Arena) genre game, is being hotly discussed. There are various kinds of MOBA genre games, one of which is the Mobile Legends game. Many E-Sport Mobile Legends teams, especially in Asia, make this phenomenon a business space to generate large profits. In this study, the researcher recommends a good machine learning algorithm to predict the outcome of Mobile Legends matches. Of the 600 match history data analyzed, this study recommends the Artificial Neural Network (ANN) and Random Forest (RF) algorithms as the right algorithms to predict the outcome of the match. Prediction results from each algorithm can reach 82% and 80% accuracy. These findings can help the E-sports analysis team build their match strategy.
Keywords: artificial neural networ; machine learning; mobile legend; prediction; random forest
Abstrak: Sebuah lembaga penelitian menjelaskan bahwa dengan 83,7 juta penduduk yang menggunakan Internet, Indonesia termasuk di dalam 20 besar pengguna internet secara global. Berbagai aktivitas individu atau kelompok membutuhkan jaringan internet, salah satunya adalah bermain game, untuk perkembangan pada sektor game khususnya game bergenre MOBA (Massive Online Battle Arena) sedang hangat diperbincangkan. Ada berbagai macam game bergenre MOBA, salah satunya game Mobile Legends. Banyak tim E-Sport Mobile Legends khususnya di asia menjadikan fenomena ini sebagai ruang bisnis untuk menghasilkan keuntungnya yang besar. Dalam penelitian ini, peneliti merekomendasikan algoritma pembelajaran mesin yang baik untuk memprediksi hasil pertandingan Mobile Legends. Dari 600 data riwayat pertandingan yang dianalisis, penelitian ini merekomendasikan algoritma Artificial Neural Network (ANN) dan Random Forest (RF) sebagai algoritma yang tepat untuk memprediksi hasil pertandingan. Hasil prediksi dari masing-masing algoritma dapat mencapai 82% dan akurasi 80%. Temuan ini dapat membantu tim analisis E-sports membangun strategi pertandingan mereka.
Kata kunci: artificial neural network; machine learning; mobile legend; prediksi; random forest
Abstract:Abstract: l -The field of computer vision is research in development technology to obtain information from images and replicate or imitate human visual processes, so that they can understand the objects around them. Deep…
learning is a term used to describe a new era in learning that supports computer learning from big data machines. Convolutional Neural Networks (CNN) algorithms have made significant progress in the fields of object detection, image classification, and semantic segmentation. ;Object detection is a technique used to identify the type of object in a given image and the location of the object in the image. The field of computer vision is research in development technology to obtain information from images and replicate or imitate human visual processes, so that computers can know objects around them. Deep learning is the buzzword as a new era in machine learning that trains computers to find patterns from large amounts of data. Convolutional Neural Networks (CNN) algorithms have made significant progress in the fields of object detection, image classification, and semantic segmentation. Object detection is a technique used to identify the type of object in a particular image as well as the location of the object in the image.
Keywords: CNN, Computer Vision, Deep Learning, Face Detection;
Abstrak: 1 Bidang computer vision merupakan penelitian dalam teknologi pembangunan untuk memperoleh informasi dari citra dan mereplikasi atau meniru proses visual manusia, sehingga dapat memahami objek - objek disekelilingnya. Pembelajaran mendalam adalah istilah yang digunakan untuk menggambarkan era baru dalam pembelajaran mesin yang memungkinkan komputer belajar dari sejumlah besar data. [Algoritma Convolutional Neural Networks (CNN) telah membuat kemajuan yang signifikan di bidang deteksi objek, klasifikasi gambar, dan segmentasi semantik. Deteksi objek adalah teknik yang digunakan untuk mengidentifikasi jenis objek dalam citra yang diberikan serta lokasi objek di dalam citra. Bidang computer vision merupakan penelitian dalam teknologi pembangunan untuk memperoleh informasi dari citra dan mereplikasi atau meniru proses visual manusia, sehingga komputer dapat mengetahui objek - objek disekelilingnya. Deep learning adalah kata kunci sebagai era baru dalam machine learning yang melatih komputer dalam menemukan pola dari jumlah besar data. Algoritma Convolutional Neural Networks (CNN) telah membuat kemajuan yang signifikan di bidang deteksi objek, klasifikasi gambar, dan segmentasi semantik. /Deteksi objek adalah teknik yang digunakan untuk mengidentifikasi jenis objek dalam citra tertentu serta lokasi objek di dalam citra.
Kata kunci: CNN, Computer Vision, Deep Learning, Deteksi Wajah
Abstract:Abstract: Clustering data has always been a fascinating subject to research numerous perspectives. A variety of knowledge is produced by the calculating process utilizing various algorithms. The genesis of cluster optimization…
ization is based on differences of opinion about the cluster's results. In general, cluster and optimization findings are generated using software such as Matlab, RapidMiner, and programming languages like Python. Users, however, have not been satisfied with the results so far. The various outcomes are the primary motivations for continuing to create and develop applications. The goal of this research is to create an application that can evaluate cluster data using the K-Medoids method, which can then be further optimized using the Davies Bouldin Index (DBI). Because the target application is students and lecturers who use it in learning and observers of the cluster field, the application can indeed be accessible through a browser to make it easier to use. For ease of using it, the program is available on both desktop and mobile platforms. Through separately created applications, it is intended that this research will give an alternative to clustering and optimization.
Keywords: application, cluster, dbi, k-medoids, optimization
Abstrak: Clusterisasi data selalu menjadi topik yang menarik untuk dikembangkan dari berbagai sisi. Proses perhitungannya yang menggunakan berbagai algoritma menghasilkan knowledge yang beragam. Perbedaan pendapat terhasil hasil cluster menjadi dasar munculnya optimalisasi cluster. Umumnya hasil cluster dan optimalisasi diperoleh dari pengolahan menggunakan aplikasi yakni Matlab, RapidMiner, dan bahasa pemrograman seperti Pyhton. Namun demikian hasil yang muncul belum mampu memuaskan pengguna. Hasil yang berbeda menjadi alasan utama pembuatan maupun pengembangan aplikasi masih terus dilakukan. Penelitian ini bertujuan untuk membangun sebuah aplikasi yang dapat memproses data cluster menggunakan algoritma K-Medoids untuk selanjutnya dioptimalisasi dengan Davies Bouldin Index (DBI). Untuk memudahkan penggunaan, aplikasi dapat diakses pada browser karena target aplikasi adalah mahasiswa dan dosen yang menggunakan pada pembelajaran serta pemerhati bidang cluster. Aplikasi dirancang pada platform desktop dan mobile demi memudahkan pengaksesan. Diharapkan, penelitian ini memberikan alternatif dalam proses clusterisasi dan optimalisasi melalui aplikasi yang dirancang mandiri.
Kata kunci: aplikasi; cluster; dbi; k-medoids; optimalisasi
Abstract:Abstract: Problems that often occur in people with the growth and development of urban areas that change very quickly cause the movement of people or road users to become chaotic as in the Municipality of Medan. People in…
n carrying out their daily activities are directly influenced by irregular patterns of human movement, in this case what is meant is an increase in congestion, delays, and others. Therefore we need a system that can make it easier for humans to use road facilities, namely a geographic information system to determine the shortest path using the djikstra method and spanning cycle using graphs as a branch of mathematics and computer science. This research activity plan is carried out in the Medan city area using spatial image data from the Medan city map, spatial data based on google maps, and attribute data. a branch of mathematics and computer science. This research activity plan is carried out in the Medan city area using spatial image data from the Medan city map and spatial data based on google maps. The final result of the research that is expected is that the results of the comparison of the two algorithms are obtained according to the spatial data used, and the results of the research will be published in an accredited national journal article with sinta 4 or better.
Keywords: comparative of djikstra and spanning cycle method; shortest path; spatial data
Abstrak: Permasalahan yang sering terjadi pada masyarakat dengan pertumbuhan dan perkembangan kawasan perkotaan yang berubah sangat cepat menyebabkan pergerakan masyarakat atau pengguna jalan menjadi semrawut seperti di Kotamadya Medan. Masyarakat dalam melakukan aktivitasnya sehari-hari secara langsung dipengaruhi oleh pola pergerakan manusia yang tidak teratur, dalam hal ini yang dimaksud adalah peningkatan kemacetan, keterlambatan, dan lain-lain. Oleh karena itu diperlukan suatu sistem yang dapat mempermudah manusia dalam menggunakan fasilitas jalan yaitu sistem informasi geografis untuk menentukan jalur terpendek dengan menggunakan metode djikstra dan spanning cycle menggunakan graf sebagai cabang dari matematika dan ilmu komputer. Rencana kegiatan penelitian ini dilakukan di wilayah kota Medan dengan menggunakan data citra spasial dari peta kota Medan, data spasial berbasis google maps, dan data atttributnya. Hasil akhir dari penelitian yang diharapkan adalah diperoleh hasil perbandingan kedua algoritma sesuai dengan data spasial yang digunakan, dan luaran hasil penelitian akan dipublish pada artikel jurnal nasional terakreditasi sinta 4 atau yang lebih baik.
Kata kunci: data spasial ; jalur terpendek;perbandingan metode djikstra dan spanning cycle