Abstract:Abstract: Lung cancer is most deadly cancers in the world. Identification and classification of the causes of understanding lung cancer is essential for developing more effective prevention and treatment strategies. The…
issue is that a lot of individuals are unaware about the characteristics and causes of lung cancer. The purpose of this study is to apply the K-Nearest Neighbor (K-NN) algorithm in the classification of the causes of lung cancer and provide education to the public must be aware of the traits of lung cancer patients and, to stay away from the causes of lung cancer. The dataset used consists of 309 samples with 16 relevant attributes. The K-NN algorithm was trained and tested to assess its ability to classify the factors that cause lung cancer. The results showed an accuracy of 90.32%, with a precision for the "YES" class of 96% and the "NO" class of 67%. The recall value for the "YES" class was 92% and for the "NO" class was 80%. The implementation of this algorithm gives good results in classification and can help in early detection and prevention of lung cancer which can be used in the development of more effective prevention and early diagnosis strategies.
Keywords: lung cancer; k-nearest neighbor; classification; machine learning
Abstrak: Kanker paru-paru tergolong jenis penyakit kanker yang memperoleh angka kematian paling tinggi di dunia. Identifikasi dan klasifikasi penyebab kanker paru-paru sangat penting untuk pengembangan strategi pencegahan dan pengobatan yang lebih efektif. Masalah yang terjadi adalah banyak orang yang belum mengetahui tentang ciri-ciri dan penyebab-penyebab dari kangker paru tersebut. Tujuan penelitian ini adalah mengimplementasikan algoritma K-Nearest Neighbor (K-NN) dalam klasifikasi penyebab kanker paru-paru serta memberikan edukasi kepada masyarakat banyak agar mengetahui ciri-ciri orang yang mengidap kangker paru-paru dan tentunya untuk menghindari penyebab-penyebab dari kangker paru-paru tersebut. Dataset yang digunakan terdiri dari 309 sampel dengan 16 atribut yang relevan. Algoritma K-NN kemudian dilatih dan diuji untuk menilai kemampuannya dalam mengklasifikasikan faktor-faktor penyebab kanker paru-paru. Hasil penelitian menunjukkan akurasi sebesar 90.32%, dengan skor precision untuk kelas "YES" sebesar 96% dan kelas "NO" sebesar 67%. Nilai recall untuk kelas "YES" adalah 92% dan untuk kelas "NO" sebesar 80%. Implementasi algoritma ini memberikan hasil yang baik dalam klasifikasi dan dapat membantu dalam deteksi dini serta pencegahan kanker paru-paru yang dapat digunakan dalam pengembangan strategi pencegahan dan diagnosis dini yang lebih efektif.
Kata kunci: kanker paru-paru; k-nearest neighbor; klasifikasi; machine learning
Abstract:Abstract: Twitter occupies the top position of the most popular social media platform in Indonesia. Police and other related issues were the subject of much discussion. The aim of this research is to analyze public sentiment…
ment towards the National Police Agency using Twitter with the support vector machine method. The research started by crawling Twitter data. The data contains a total of 6,925 entries for three keywords. Next, we move on to the preprocessing stage consisting of (cleaning, case folding, tokenization, and filtering). Next is the tf-idf feature extraction stage, finally the classification and evaluation stage. The results of manual data inspection (73:27) showed accuracy of 70.66%, precision of 70.68%, and recall of 99.76%. Testing the second data (82:18), found accuracy 86%, precision 86.21%, recall 99.71%. The results of manual data checking (82:18) showed accuracy of 70.66%, precision of 70.68%, recall of 99.76%. Testing the second data (82:18), found accuracy 86%, precision 86.21%, recall 99.71%. From the data system testing results (80:20), accuracy was 87.55%, positive precision 87.53%, negative precision 88.24%, positive recall 99.48%, and negative recall. the rate is 99.48.% – The result is 21.43%. Data testing results (60:40) showed accuracy of 86.89%, positive precision of 86.84%, negative precision of 88.46%, positive recall of 99.61%, and negative recall of 16.43%. Single test data validation system (80:20), accuracy 87.55, overall test cross validation system (k fold 5 accuracy) 86.673%.
Keywords: data mining;police agencies;support vector machines
Abstrak: Twitter menduduki posisi teratas platform media sosial terpopuler di Indonesia. Polisi dan masalah terkait lainnya menjadi pokok bahasan banyak pembicaraan. Tujuan penelitian ini untuk menganalisis sentimen masyarakat terhadap Badan Kepolisian Nasional menggunakan Twitter dengan metode support vector machine. Penelitian dimulai dengan crawling data Twitter. Data memuat total 6.925 entri dari tiga kata kunci. Selanjutnya beralih ke tahap preprocessing terdiri dari (pembersihan, pelipatan kasus, tokenisasi, dan pemfilteran). Selanjutnya tahap ekstraksi fitur tf-idf, terakhir tahap klasifikasi dan evaluasi. Hasil pemeriksaan data manual (73:27) menunjukkan akurasi 70,66%, presisi 70,68%, dan recall 99,76%. Menguji data kedua (82:18), menemukan akurasi 86%, presisi 86,21%, recall 99,71%. Hasil pemeriksaan data secara manual (82:18) menunjukkan akurasi 70,66%, presisi 70,68%, recall 99,76%. Menguji data kedua (82:18), menemukan akurasi 86%, presisi 86,21%, recall 99,71%. Dari hasil pengujian sistem data (80:20), akurasi 87,55%, presisi positif 87,53%, presisi negatif 88,24%, recall positif 99,48%, dan recall negatif. tarifnya adalah 99,48.% – Hasilnya 21,43%. Hasil pengujian data (60:40) menunjukkan akurasi 86,89%, presisi positif 86,84%, presisi negatif 88,46%, recall positif 99,61%, dan recall negatif 16,43%. Uji tunggal sistem validasi data (80:20), akurasi 87,55, uji keseluruhan sistem validasi silang (akurasi k fold 5) 86,673%.
Kata Kunci: data mining;instansi kepolisian;mesin vektor pendukung
Abstract:Abstract: Today, many users use online platforms rather than offline platforms for ticket bookings, involving a wide range of services such as flights, hotels, trains, buses, and entertainment. PegiPegi.com, as one of the…
e fastest growing online travel agencies in Indonesia, demonstrates success by understanding the value of technology and maintaining strong partnerships. Users of this platform often provide reviews, viewing user reviews can be done manually but this will have a less effective impact, so it needs to be done automatically with sentiment analysis. This research the Naïve Bayes method in sentiment analysis of PegiPegi.com reviews, with a focus on understanding customer satisfaction and service improvement. By combining these approaches, this research contributes to a deeper understanding of user responses to OTA services and presents the evaluation results of the Multinomial Naive Bayes classification model with an accuracy rate of 89.5%. The high precision in the Negative class demonstrates the model's ability to identify negative reviews. However, there are challenges in classifying the Neutral class, indicating the potential for further improvement. Nevertheless, the F1 score of 0.522 reflects a good balance between overall precision, recall so it can be concluded the naïve bayes algorithm is successful for performing sentiment analysis.
Keywords: Sentiment analysis; naïve bayes algorithm; pegipegi.com; playstore
Abstract: Saat ini banyak pengguna platform online dibandingkan offline untuk pemesanan tiket, yang melibatkan berbagai layanan seperti penerbangan, hotel, kereta api, bus, dan hiburan. PegiPegi.com, sebagai salah satu agen perjalanan online yang berkembang pesat di Indonesia, menunjukkan keberhasilan dengan memahami nilai teknologi dan mempertahankan kemitraan yang kuat. Pengguna platform ini sering memberikan ulasan, melihat ulasan pengguna bisa saja dilakukan secara manual tetapi hal ini akan memberikan dampak yang kurang efektif, sehingga perlu dilakukan secara otomatis dengan analisis sentiment. Penelitian ini bertujuan untuk menerapkan metode klasifikasi Naïve Bayes dalam analisis sentimen ulasan PegiPegi.com, dengan fokus pada pemahaman kepuasan pelanggan dan peningkatan layanan. Dengan menggabungkan pendekatan ini, penelitian ini berkontribusi pada pemahaman yang lebih dalam tentang tanggapan pengguna terhadap layanan OTA dan menyajikan hasil evaluasi model klasifikasi Multinomial Naive Bayes dengan tingkat akurasi 89,5%. Presisi tinggi di kelas Negatif menunjukkan kemampuan model untuk mengidentifikasi ulasan negatif. Namun, ada tantangan dalam mengklasifikasikan kelas Netral, menunjukkan potensi untuk perbaikan lebih lanjut. Namun demikian, skor F1 0,522 mencerminkan keseimbangan yang baik antara presisi keseluruhan dan daya ingat sehingga dapat disimpulkan algoritma naïve bayes berhasil untuk melakukan analisis sentimen.
Keywords: Analisis sentimen; naïve bayes; pegipegi.com; playstore
Abstract:Abstract: Facial recognition is widely used in areas such as video surveillance and database management. Facial images have been used as a preferred biometric feature in many identity recognition systems to obtain good image…
mage results in image segmentation. A good image must pay attention to several factors, namely high resolution, good contrast, image sharpness, consistent colors, lack of noise and appropriate lighting conditions. In this face recognition research, using canny edge detection method for 10 original images paired with 10 other images. The original faces taken are male and female. Canny edge detection has a low error rate in image segmentation compared to other edge detections. The purpose of this study is to determine the edge of the image in I-rat and can display the results of a good segmentation of facial images. The results of the test data with data stored in the database in the study is 1 face image produces 67.69% accuracy and 26.92% and 8 other face images produce 100% accuracy. The average success rate of 10 experiments using image segmentation is 89.461%. In conclusion, the canny edge detection method can provide accurate results in the face recognition process.
Keywords: accuracy; canny edge detection; face recognition; image; segmentation
Abstrak : Pengenalan wajah banyak digunakan dalam diberbagai bidang seperti pengawasan video dan manajemen basis data. Gambar wajah telah digunakan sebagai ciri biometrik yang disukai di banyak sistem pengenalan identitas untuk mendapatkan hasil citra yang bagus dalam segmentasi citra. Citra yang baik harus memperhatikan beberapa faktor yaitu resolusi tinggi, kontras yang baik, ketajaman citra, warna yang konsisten, kurangnya noise dan kondisi pencahayaan yang sesuai. Pada penelitian pengenalan wajah ini, menggunakan metode deteksi tepi canny untuk 10 citra asli yang dipasangkan dengan 10 citra lainnya. Wajah asli yang diambil berjenis kelamin laki-laki dan perempuan. Deteksi tepi canny memiliki tingkat kesalahan rendah dalam segmentasi citra dibandingkan dengan deteksi tepi lainnya. Tujuan dari penelitian ini adalah menentukan tepi gambar secara akurat dan dapat menampilkan hasil segmentasi citra wajah yang baik. Hasil dari data uji dengan data yang tersimpan di database dalam penelitian adalah 1 citra wajah menghasilkan akurasi 67,69% dan 26,92% dan 8 citra wajah lainnya menghasilkan akurasi 100%. Rata-rata tingkat keberhasilan dari 10 kali percobaan dengan menggunakan segmentasi citra adalah 89,461%. Kesimpulan, metode deteksi tepi canny dapat memberikan hasil yang akurat dalam proses pengenalan wajah.
Kata Kunci : akurasi; deteksi tepi canny; citra; pengenalan wajah; segmentasi
Abstract:Abstract: This study aims to train computers to recognize Javanese script characters known as Hanacaraka. The evaluation was conducted on the use of Convolutional Neural Network (CNN) with the ResNet-18 architecture in recognizing…
ecognizing these characters. The research objective is to overcome traditional character recognition barriers and improve accuracy. The method employed includes building a CNN model with the ResNet-18 architecture and using diverse datasets. The results show a training accuracy of 100%, validation accuracy of 98.01%, and accuracy, precision, recall, and F1-score each at 100%. This study concludes that the developed model successfully achieves a high level of accuracy and contributes positively to the development of Javanese Hanacaraka character recognition technology.
Keywords: convolution neural network (CNN); javanese hanacaraka script; resnet-18
Abstrak: Penelitian ini bertujuan melatih komputer untuk mengenali huruf aksara Jawa Hanacaraka. Evaluasi dilakukan terhadap penggunaan Convolutional Neural Network (CNN) dengan arsitektur ResNet-18 dalam pengenalan karakter tersebut. Tujuan penelitian adalah mengatasi hambatan pengenalan karakter tradisional dan meningkatkan akurasi. Metode yang digunakan mencakup pembuatan model CNN dengan arsitektur ResNet-18 dan penggunaan dataset yang beragam. Hasilnya menunjukkan akurasi pelatihan 100%, validasi 98.01%, dan akurasi, presisi, recall, dan F1-score masing-masing sebesar 100%. Simpulan penelitian ini adalah bahwa model yang dikembangkan berhasil mencapai tingkat akurasi yang tinggi dan memberikan kontribusi positif pada pengembangan teknologi pengenalan karakter Hanacaraka Jawa.
Kata kunci: convolution neural network (CNN); huruf aksara jawa hanacaraka; resnet-18
Abstract:Abstract: Children's nutritional issues are an important concern for parents to pay attention to growth and development, especially health and well-being. According to the results of the Ministry of Health's Indonesian Nutrition…
utrition Status Survey (SSGI), there are 4 nutritional problems for children in Indonesia, namely stunting, wasting, underweight and everweight. In this research, how to predict signs of symptoms of a decline in a child's nutritional status using a machine learning algorithm, a prediction model was designed using logistic regression in Python IDE to predict whether a child is indicated by a decline in nutrition or not. Dataset from Bengkayang Community Health Center data consisting of 657 pediatric patient data. The dataset is divided into 7 features (independent variables) and 1 predictor (dependent variable). Test results show perfect performance with precision, recall, F1-score, accuracy values of 100%. Then the visualization results on the ROC (Receiver Operating Characteristic) curve to depict the TP (True Positive) value on the Y axis against the FP (false Positive) value on the become overfit. It is recommended that in preparing the training dataset, measure the training data and reduce the features, after carrying out feature selection to increase the accuracy of the model.
Keywords: child nutritional status; growth and development logistic regression; machine learning
Abstract: Masalah Gizi anak menjadi perhatian penting bagi orangtua untuk memperhatikan tumbuh kembang, terutama kesehatan dan kejahteraan. Menurut hasil survei status Gizi Indonesia (SSGI) Kemenkes memperlihatkan 4 permasalahan gizi anak di Indonesia yaitu stunting, wasting, underweight, dan everweight. Dalam penelitian ini, bagaimana memprediksi tanda gejala penurunan status gizi anak menggunakan algoritma machine learning dirancang model prediksi menggunakan logistic regression pada Python IDE dengan memprediksi anak terindikasi penurunan gizi atau tidak. Dataset dari data Puskesmas Bengkayang yang terdiri 657 data pasien anak. Dataset dibagi menjadi 7 feature (variabel independen) dan 1 predictor (variabel dependen). Hasil Pengujian memperlihatkan kinerja yang sempurna dengan nilai presisi, recall, F1-score, akurasi, sebesar 100%. Kemudian hasil Visualisasi pada kurva ROC (Receiver Operating Characteristic) untuk menggambarkan nilai TP (True Positif) di sumbu Y terhadap nilai FP (false Positif) di sumbu X juga menunjukkan nilai yang sangat tinggi dan sudah mendekati angka 1 ini pertanda bahwa model ini menjadi overfit. Sebaiknya dalam persiapan training dataset diukur dengan data training dan mengurangi feature, setelah melakukan feature Selection untuk meningkatkan akurasi model.
Keywords: logistic regression; machine learning; status gizi anak; tumbuh kembang
Abstract:Abstract: Since information and communication technology has become ingrained in our daily lives, it has become easier to access information. However, there are some concerns. One of them is about fake news. The aim of this…
his study is to develop an Indonesian system for detecting false news by utilizing news headlines. The methods used are linear kernel support vector ma- chine and n-gram. According to the findings of the performance test that was carried out, the linear kernel support vector machine model employing the term frequency inverse document frequency unigram feature performs better than utilizing bigram. The precision value generated from the model performance test is 1.00. This means that the degree of accuracy in matching the requested information regarding fake news detection with the answers provided by the system is very good. Then the recall value generated is 0.99. This means the linear kernel support vector machine model using unigram news features is very effective for detecting fake news according to the text classification approach.
Keywords: classification; fake news; n-gram; support vector machine
Abstrak: Dengan adanya integrasi teknologi informasi dan komunikasi dalam kehidupan mem- buat kemudahan dalam mengakses informasi. Walaupun demikian, terdapat kekhawatiran akan beberapa hal. Salah satu di antaranya adalah berita palsu. Tujuan penelitian ini adalah merancang sistem deteksi berita palsu berbahasa Indonesia berdasarkan judul berita. Metode yang digunakan adalah Support Vector Machine kernel linier dan n-gram. Berdasarkan hasil uji performa, model Support Vector Machine kernel linier yang menggunakan fitur term frequency inverse document frequency unigram menunjukkan kinerja yang lebih baik dibandingkan bi- gram. Nilai precision yang dihasilkan dari uji performa model sebesar 1,00. Ini berarti derajat akurasi dalam mencocokkan informasi yang diminta mengenai deteksi berita palsu dengan ja- waban yang diberikan oleh sistem sangat baik. Kemudian nilai recall yang dihasilkan sebesar 0,99. Ini berarti model Support Vector Machine kernel linier dengan menggunakan fitur berita unigram sangat efektif untuk mendeteksi berita palsu menurut pendekatan teks klasifikasi.
Kata kunci: klasifikasi; berita palsu; n-gram; support vector machine
Abstract:Abstract: Twitter, as a social media platform, has rapidly grown as a means for people to express their opinions and thoughts on various topics, including education. The number of Twitter users surged to 10.645.000 in 2020,…
20, with a significant increase during the pandemic. Telkom University, as a private institution of higher education in Indonesia, has become one of the topics of discussion on Twitter. Users’ opinions about Telkom University vary, ranging from positive to negative. To gain deeper insights into public view, sentiment analysis is essential. The analysis follows the Knowledge Discovery in Databases (KDD) process, utilizing the Naive Bayes classification algorithm. The evaluation results indicate the best accuracy achieved with an 80:20 data split, resulting in an accuracy rate of 82.05%, precision of 82.3%, recall of 82.05%, and F1-Score of 82.08%. The Naïve Bayes model demonstrates good performance for sentiment analysis of public views regarding Telkom University on Twitter.
Keywords: naïve bayes; sentiment analysis; twitter; telkom university.
Abstrak: Media sosial Twitter berkembang pesat sebagai sarana masyarakat berekspresi untuk menuangkan opini dan pikiran mereka mengenai topik apapun, termasuk pendidikan. Pengguna Twitter meningkat tajam hingga 10.645.00 pengguna pada tahun 2020 dan terus meningkat selama pandemi. Telkom University sebagai perguruan tinggi menjadi salah satu topik yang dibicarakan yang berkaitan dengan pendidikan. Pendapat mengenai Telkom University yang diungkapkan oleh pengguna Twitter beragam, baik positif maupun negatif. Analisis sentimen diperlukan untuk memahami pandangan publik lebih mendalam. Digunakan tahapan Knowledge Discovery in Databases dan algoritma klasifikasi Naïve Bayes dalam analisis ini. Hasil evaluasi menunjukkan akurasi paling baik dicapai dengan rasio data 80:20, dengan nilai akurasi sebesar 82.05%, nilai presisi sebesar 82.3%, nilai recall sebesar 82.05%, dan nilai F1-Score sebesar 82.08%. Model klasifikasi Naïve Bayes memiliki performa baik untuk analisis sentimen pandangan publik di Twitter mengenai Telkom University.
Kata kunci: analisis sentimen; naïve bayes; twitter; telkom university.
Abstract:Abstract: Traffic accidents are one of the biggest contributors to injuries and fatalities worldwide. Victims of traffic accidents range from minor injuries to severe injuries and even death. The severity of many accidents…
ts is often due to a lack of discipline and public awareness of traffic rules and safety measures. Car manufacturers have attempted to mitigate the effects of accidents by providing seat belts. However, many people neglect to use them, thinking that nothing will happen while driving. Even with fines imposed by authorities, people can outsmart them by removing their seat belts when officers are not around. To address this issue, a model has been developed to monitor drivers using artificial intelligence and computer vision. The camera captures images, which are then processed by a neural network trained with the YOLOv5 algorithm. The model has an average precision of 89% and a recall of 81%, and can accurately detect whether drivers are wearing seat belts or not. This model is expected to aid in improving driver and passenger safety on the roads. By paying attention to the use of seat belts, the severity of injuries sustained in accidents can be reduced.
Keywords: computer vision; neural network; seatbelt detection; yolo
Abstrak: Kecelakaan lalu lintas merupakan salah satu penyumbang terbesar cedera dan kematian di seluruh dunia. Korban kecelakaan lalu lintas tidak hanya mengalami cedera ringan, tetapi juga cedera berat bahkan kematian. Parahnya banyak kecelakaan yang terjadi dapat disebabkan oleh kurangnya disiplin dan kesadaran masyarakat akan aturan lalu lintas serta tindakan keselamatan. Produsen mobil telah berusaha untuk mengurangi efek kecelakaan dengan menyediakan sabuk pengaman. Sayangnya, masih banyak orang yang mengabaikan penggunaannya, dengan menganggap bahwa tidak akan terjadi apa-apa saat mengemudi. Meskipun ada denda yang diberlakukan oleh pihak berwenang, orang masih dapat melepaskan sabuk pengaman ketika tidak ada petugas di sekitar. Untuk mengatasi masalah ini, sebuah model telah dikembangkan untuk memantau pengemudi menggunakan kecerdasan buatan dan visi komputer. Kamera mengambil gambar yang kemudian diproses oleh jaringan saraf yang dilatih dengan algoritma YOLOv5. Model ini memiliki presisi rata-rata sebesar 89% dan recall sebesar 81%, dan dapat dengan akurat mendeteksi apakah pengemudi menggunakan sabuk pengaman atau tidak. Model ini diharapkan dapat membantu dalam menangani masalah keselamatan pengemudi dan penumpang di jalan raya. Dengan memperhatikan penggunaan sabuk pengaman, dapat mengurangi tingkat keparahan cedera yang terjadi dalam kecelakaan.
Kata kunci: computer vision; deteksi sabuk pengaman; neural network; yolo
Abstract:Abstract: THT-KL Specialist Practice Dr. Julius Dariar is a practice that provides medical services and sells medicines for ear, nose, throat and head and neck surgery. The problem experienced is that drug preparation is…
still done manually, so it requires time, effort and a high level of accuracy and precision. This study aims to design an information system that can process incoming and outgoing drug supply data at the THT Specialist Practice-KL Dr. Julius Dariar by implementing Supply Chain Management. The result of his research is the design of a website-based Supply Chain Management application that can be used by users in managing drug stocks in the practice of THT-KL specialist Dr. Julius Dariar.
Keywords: Practice; SCM; Specialist; THT-KL
Abstrak: Praktek Spesialis THT-KL Dr. Julius Dariar merupakan salah satu praktek yang melayani jasa pengobatan dan penjualan obat mengenai telinga, hidung, tenggorokan, dan bedah kepala leher. Adapun masalah yang dialami ialah penyiapan obat masih dilakukan dengan manual, sehingga memerlukan waktu, tenaga serta tingkat ketelitian dan kecermatan yang tinggi. Penelitian ini bertujuan untuk merancang sistem informasi yang dapat mengolah data persediaan obat masuk dan keluar di Praktek Spesialis THT-KL Dr. Julius Dariar dengan menerapkan Supply Chain Management. Hasil penelitiannya adalah rancangan aplikasi Supply Chain Management berbasis website yang dapat digunakan oleh user dalam pengelolaan stok obat-obatan pada praktik spesialis THT-KL dr.Julius Dariar.
Kata kunci: Praktik; SCM; Spesialis; THT-KL