Abstract:Abstract: The JKN Mobile application is a mobile application created to facilitate healthcare administration in Indonesia since 2017. The application has been downloaded by over 10 million users and has received 484,000…
diverse reviews, including positive, negative, and neutral feedback. The average rating given by users is 4.5 out of 5 stars. This research aims to perform sentiment analysis on user reviews found in the Google Play Store review column. The methods used for sentiment analysis are Naive Bayes, K-Nearest Neighbor (K-NN), and Support Vector Machine (SVM). The test results show that with a 10% test data and 90% training data proportion, the SVM method achieves the highest accuracy of 95%. Naive Bayes follows with an accuracy of 87%, and K-NN with an accuracy of 75%.
Keywords: JKN mobile application, sentiment analysis, naive bayes, k-nearest neighbor (K-NN), support vector machine (SVM).
Abstrak: Aplikasi Mobile JKN adalah sebuah aplikasi yang dibuat untuk mempermudah administrasi kesehatan di Indonesia sejak tahun 2017. Aplikasi ini telah diunduh lebih dari 10 juta pengguna dengan 484 ribu ulasan beragam positif, negatif, dan netral. Rata-rata rating yang diberikan pengguna adalah 4,5 bintang dari 5 bintang. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna yang terdapat di kolom review Google Play Store. Metode yang digunakan untuk analisis sentimen adalah Naive Bayes, K-Nearest Neighbor (K-NN), dan Support Vector Machine (SVM). Hasil pengujian menunjukkan bahwa dengan menggunakan proporsi data uji sebesar 10% dan data training sebesar 90%, metode SVM mencapai akurasi tertinggi sebesar 95%. Diikuti oleh Naive Bayes dengan akurasi 87%, dan K-NN dengan akurasi 75%.
Kata kunci: JKN mobile, analisis sentimen, naïve bayes, k-nearest neighbor (K-NN), support vector machine (SVM).
Abstract:Abstract: Paskibra selection is an annual agenda held by schools, district disporas, provincial disporas, and the Ministry of Youth and Youth. This activity aim select the best students who will serve as flag raisers at…
independence commemoration ceremonies and other holidays. Paskibra participants have to choose. This reliable, formidable and attractive students are choosen. So the flag raising can be carried out solemnly and well. This school has a large number of students. Paskibra extracurricular enthusiasts also have many enthusiasts. This school Paskibra is a favourite extracurricular and quite prestigious among students. The selection of Paskibra has been running so well, but the decisions taken are sometimes not by the standards procedures. Therefore, a system that will be a reference for objective decision-making need to created . The decision-making system using the data mining algorithm C4.5. This study aim to create a system that makes it easier for the selection committee to select eligible Paskibra members. The method used is a qualitative method in the form of the results of interviews with data from participants in the last three years of the Pakskibra selection. As a result, there are three main criteria and five rules of the selection system.
Keywords: C4.5 algorithm; data mining; paskibra
Abstrak: Seleksi paskibra merupakan agenda tahunan yang diadakan oleh sekolah, dispora kabupaten, dispora provinsi, dan kemenpora untuk memilih siswa-siswi terbaik yang akan bertugas sebagai pengibar bendera pada upacara peringatan kemerdekaan dan hari-hari besar lainnya. Peserta paskibra perlu diseleksi agar terpilih siswa-siswi yang handal, tangguh dan menarik sehingga pengiabaran bendera dapat dilaksanakan dengan khidmad dan baik. Sekolah ini adalah salah satu sekolah menengah atas yang menjadi favorit para lulusan SMP. Oleh karena itu sekolah ini mempunyai siswa yang sangat banyak. Dengan banyaknya siswa yang masuk, maka peminat ekskul paskibra juga memiliki peminat yang banyak, selain itu di sekolah ini paskibra merupakan ekskul favorit dan cukup bergengsi di kalangan siswa. Seleksi paskibra yang berjalan selama ini sudah dilakukan dengan baik, akan tetapi keputusan yang diambil terkadang tidak sesuai dengan standar yang telah ditetapkan. Oleh karena itu perlu dibuatkan sebuah sistem yang akan menjadi acuan untuk pengambilan keputusan yang objektif. Sistem pengambilan keputusan akan dibuat menggunakan data mining algoritma C4.5. Tujuan dari penelitian ini adalah membuat sebuah sistem yang memudahkan panitia penyeleksi untuk memilih anggota paskibra yang layak. Metode yang digunakan adalah metode kualitatif berupa hasil wawancara data peserta seleksi pakskibra tiga tahun terakhir. Hasilnya berupa tiga kriteria utama dan lima aturan sistem seleksi.
Kata kunci: Algoritma C4.; data mining; paskibra;
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: Superior students represent active and intelligent students who are able to make a direct contribution to the development of the nation. To produce excellent students, one of the efforts that can be made is to…
foster these superior students from the start by forming a superior class. In forming a superior class, an effective selection process is needed to select students who are truly superior. This research was conducted at STMIK Royal Kisaran where the object of research was prospective new students for the superior class and the related party was the Academic and Student Administration Bureau (BAAK) because the party was directly involved in selecting prospective new students for the superior class. But the problem is, BAAK does not yet have an election process based on a method and there is no information system for selecting prospective new students for superior classes. The purpose of this study is to make predictions related to the selection of prospective new students for superior classes in the future with the Naïve Bayes Algorithm and implemented in an information system.The results of this research are that the Naïve Bayes algorithm produces an accuracy rate of 60% in the good classification category which is measured by the level of accuracy using the confusion matrix, so that the information system produced in this study also has efficient prediction results and is expected to help BAAK.
Keywords: data mining; naïve bayes; superior student class.
Abstrak: Mahasiswa unggulan merupakan representasi dari mahasiswa aktif dan cerdas yang mampu memberikan kontribusi langsung terhadap perkembangan bangsa. Untuk menghasilkan mahasiswa yang benar unggul salah satu upaya yang dapat dilakukan adalah dengan membina mahasiswa unggulan tersebut sejak awal dengan membentuk kelas unggulan. Dalam membentuk kelas unggulan dibutuhkan proses seleksi yang benar efektif untuk memilih mahasiswa yang benar unggul. Penelitian ini dilakukan di STMIK Royal Kisaran dimana objek penelitian merupakan calon mahasiswa baru untuk kelas unggulan dan pihak yang terkait adalah Biro Administrasi Akademik dan Kemahasiswaan (BAAK) karena pihak tersebut terlibat langsung dalam pemilihan calon mahasiswa baru untuk kelas unggulan. Namun permasalahannya, pihak BAAK belum memiliki sebuah proses pemilihan berdasarkan metode dan belum adanya sistem informasi pemilihan calon mahasiswa baru kelas unggulan. Tujuan dari penelitian ini adalah melakukan prediksi terkait pemilihan calon mahasiswa baru kelas unggulan di masa mendatang dengan Algoritma Naïve Bayes dan diimplementasikan dalam sebuah sistem informasi. Hasil penelitian ini algoritma Naïve Bayes menghasilkan tingkat akurasi sebesar 60% dengan kategori good classification yang diukur tingkat akurasinya dengan menggunakan confusion matrix, sehingga sistem informasi yang dihasilkan dalam penelitian ini juga memiliki hasil prediksi yang efisien dan diharapkan dapat membantu pihak BAAK.
Kata Kunci: data mining; mahasiswa kelas unggulan; naïve bayes.
Abstract:Abstract: The poor community is a condition in which the community does not have adequate facilities and infrastructure and an adequate environment, with the quality of housing and settlements far below the eligibility standard…
tandard and uncertain livelihoods covering all multidimensional dimensions. The Pasiran Village Office, Sei Dadap District, is one of the agencies located in the Pasiran area, Sei Kamah. Where the Pasiran Village Hall Office carries out activities to distribute assistance to village communities who are declared to be underprivileged or have low incomes below 3.5 million. With such a large number of village people, an in-depth analysis is needed to determine which poor people are entitled to receive Non-Cash Food Assistance from the government. The solution to this problem is to use data mining with the Naïve Bayes algorithm for data classification. Data mining is the science of extracting information by utilizing data sets to obtain valuable information with a large enough data size through the process of extracting data or filtering data. The classification application uses the naïve Bayes algorithm used at the Pasiran Village Office to produce a classification of beneficiaries, namely Worthy and Unworthy based on the attributes of Citizenship, Family Group, ASN Status, and Having a Healthy Family Card.
Keywords: data mining; naïve bayes; classification, beneficiary
Abstrak: Masyarakat miskin merupakan suatu kondisi dimana keadaan masyarakat yang tidak memiliki sarana dan prasarana serta lingkungan yang memadai, dengan kualitas perumahan dan pemukiman yang jauh dibawah standar kelayakan serta mata pencaharian yang tidak menentu yang mencakup seluruh multidimensi. Kantor Balai Desa Pasiran Kecamatan Sei Dadap merupakan salah satu instansi yang berada di daerah Pasiran, Sei Kamah. Dimana Kantor Balai Desa Pasiran melakukan kegiatan pembagian bantuan terhadap masyarakat desa yang dinyatakan kurang mampu atau memiliki penghasilan rendah dibawah 3,5 juta. Dengan jumlah masyarakat desa yang begitu banyak, diperlukan analisis yang mendalam untuk menentukan masyarakat tidak mampu yang berhak untuk mendapatkan Bantuan Pangan Non Tunai dari pemerintah. Solusi dari permasalahan tersebut adalah menggunakan data mining dengan algoritma naïve bayes untuk klasifikasi data. Data mining merupakan suatu ilmu untuk menggali informasi dengan memanfaatkan kumpulan data untuk mendapatkan berbagai informasi yang berharga dengan ukuran data yang cukup besar melalui proses penggalian data atau penyaringan data. Aplikasi klasifikasi menggunakan algoritma naïve bayes yang terapkan pada Kantor Balai Desa Pasiran menghasilkan klasifikasi warga penerima bantuan yaitu Layak dan Tidak Layak berdasarkan atribut Kewarganegaraan, Golongan Keluarga, Status ASN dan Memiliki Kartu Keluarga Sehat.
Kata kunci: data mining; naïve bayes; klasifikasi, penerima bantuan
Abstract:Abstract: Gender classification is one of the most important tasks of video analysis. A machine learning-based approach was presented to identify male and female facial images with a data set of 2000 images taken from kaggles. …
ggles. This method plays a role in finding the weight value that gives the best output value. This study uses the most appropriate learning rate of each optimization method as a criterion for stopping training. The results showed that the Artificial Neural Network with Adam optimization produced the highest accuracy, which was 91.5% compared to the SGD and ADADELTA optimization methods. Deep Learning techniques that are applied extensively to image recognition used utilize Adam's optimizer method.
Keywords: artificial neural networks; adadelta; adam; gender; sgm;
Abstrak: Klasifikasi gender adalah salah satu tugas analisis video yang paling penting. Pendekatan berbasis machine learning disajikan untuk mengidentifikasi gambar wajah Pria dan Wanita dengan kumpulan data sebanyak 2000 gambar yang diambil dari kaggle. Metode ini berperan dalam menemukan nilai bobot yang memberikan nilai keluaran terbaik. Penelitian ini menggunakan learning rate yang paling sesuai dari masing-masing metode optimasi sebagai kriteria pemberhentian pelatihan. Hasil penelitian menunjukkan Jaringan Saraf Tiruan dengan optimasi Adam menghasilkan akurasi tertinggi yaitu 91,5 % dibandingkan dengan dengan metode optimasi SGD dan ADADELTA. Teknik Deep Learning yang diterapkan secara ekstensif pada pengenalan gambar yang digunakan memanfaatkan metode optimizer Adam.
Kata kunci: Adadelta; Adam; Jaringan Syaraf; Gender; Tiruan; SGM;
Abstract:• Abstract: The skin is an elastic wrapping that protects the body from environmental influences, the skin is the organ that is located on the outside and limits it from the human environment. Skin diseases can be caused…
ed by fungi, viruses, germs, animal parasites, bacterial infections and others. To identify skin diseases, we usually have to see a doctor, but we still experience problems in dealing with disease identification. This is sometimes influenced by the community, sometimes they feel embarrassed to consult their skin disease to a doctor because the signs of skin disease have started to appear, consultation fees and drugs are relatively expensive. Current technological developments are able to process knowledge with artificial intelligence techniques. Due to the many symptoms of disease nowadays, it is necessary to make a system application with artificial intelligence that can diagnose skin diseases and provide solutions for skin diseases using one of the methods, namely the Naïve Bayes Classifier. Naïve Bayes is a simple classification algorithm where each attribute is independent and may contribute to the final decision. The goal is to produce an expert system website that helps the general public in diagnosing skin diseases and providing solutions for detected skin diseases. The results of this study concluded that based on the application of skin cancer diagnosis can display the results of skin cancer diagnosis decisions.
Keywords: expert system; naïve bayes; skin disease
Abstrak: Kulit merupakan pembungkus yang elastis yang melindungi tubuh dari pengaruh lingkungan, kulit merupakan organ tubuh yang terletak paling luar dan membatasinya dari lingkungan hidup manusia. Penyakit kulit dapat disebabkan oleh jamur, virus, kuman, parasit hewani, infeksi bakteri dan lain-lain. Mengidentifikasi penyakit kulit biasanya kita harus ke dokter, namun masih mengalami kendala dalam menangani pengidentifikasi penyakit hal itu terkadang dipengarui oleh masyarakat terkadang merasa malu untuk mengkonsultasikan penyakit kulitnya ke dokter karena tanda-tanda penyakit kulit sudah mulai tampak, biaya konsultasi dan obat yang tergolong mahal. Perkembangan teknologi saat ini mampu mengolah pengetahuan dengan teknik kecerdasan buatan. Karena banyaknya gejala penyakit pada masa sekarang ini perlu dibuat aplikasi sistem dengan kecerdasan buatan yang dapat mendiagnosa penyakit kulit dan memberikan solusi dari penyakit kulit dengan salah satu metode yaitu Naïve Bayes Classifier. Naïve bayes merupakan algoritma klasifikasi yang sederhana dimana setiap atribut bersifat berdiri sendiri dan memungkinkan berkontribusi terhadap keputusan akhir. Tujuannya adalah menghasilkan website sistem pakar yang dan membantu masyarakat luas dalam mendiagnosa penyakit kulit dan memberikan solusi dari penyakit kulit yang terdeteksi. Hasil dari penelitian ini menyimpulkan bahwa berdasarkan aplikasi diagnosa penyakit kanker kulit dapat menampilkan hasil keputusan diagnosa penyakit kanker kulit.
Kata kunci: Naïve Bayes; Penyakit Kulit; sistem pakar
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: An application can assist organizations in achieving the goals to be achieved by facilitating ongoing work processes. This happened in the Information Systems Study Program at one of the best private universities,…
es, namely Telkom University, where the SI Study Program has a website called PIPE and has one feature to be able to predict student graduation. However, this feature is currently being developed with an easy flow, so it requires development in the implementation of graduation achievements. Researchers solve these problems by building an assessment model based on academic data on the effect of choosing a specialization. Data mining is needed in this study to form predictive patterns, then one of the data mining groups is based on classification and using machine learning to perform automated assessments so that they can be sustainably performed. In determining the time and delay, using the decision tree method based on the C4.5 algorithm. The accuracy results obtained using the C4.5 algorithm are 94.11%, then the factor that becomes the root node is Jumlah SKS Lulus and the results have an influence on the selection of specialization. So that the results of this graduation model can be applied to the PIPE application.
Keyword: C4.5 algorithm; classification; decision tree; graduation prediction
Abstrak: Sebuah aplikasi dapat membantu organisasi dalam mencapai tujuan yang ingin dicapai dengan memudahkan proses kerja yang sedang berlangsung. Seperti yang terjadi pada Prodi Sistem Informasi yang ada pada salah satu Perguruan Tinggi Swasta terbaik yaitu Universitas Telkom, dimana pada Prodi SI memiliki website bernama PIPE dan memiliki salah satu fitur untuk dapat melakukan prediksi kelulusan mahasiswa. Namun fitur tersebut saat ini dikembangkan dengan alur penentuan sederhana, sehingga memerlukan pengembangan dalam hal implementasi algoritma prediksi kelulusan. Peneliti melakukan penyelesaian masalah tersebut dengan membangun model prediksi kelulusan berdasarkan rekam data akademik terhadap pengaruh pemilihan peminatan. Data mining dibutuhkan dalam penelitian ini untuk membentuk pola penyelesaian prediksi, kemudian salah satu pengelompokan data mining berdasarkan tugasnya adalah klasifikasi dan menggunakan machine learning untuk melakukan prediksi kelulusan secara otomatis terhadap data baru agar dapat dilakukan secara berkelanjutan. Dalam melakukan klasifikasi prediksi kelulusan tepat waktu dan terlambat, menggunakan metode decision tree berdasarkan algoritma C4.5. Hasil akurasi yang didapat dengan menggunakan algoritma C4.5 adalah sebesar 94,11%, kemudian faktor yang menjadi root node adalah Jumlah SKS Lulus dan hasil memiliki pengaruh terhadap pemilihan peminatan. Sehingga hasil model prediksi kelulusan ini dapat diterapkan pada aplikasi PIPE.
Kata kunci: algoritma C4.5; decision tree; klasifikasi; prediksi kelulusan.
Abstract:Abstract: Student graduation is one thing that needs to be considered because it is included in the College's Internal Quality Assurance Standards (SPMI). STMIK Royal is one of the universities experiencing problems with…
student graduation. To achieve the quality of these graduates, a graduation diagnosis with the standards that have been set for students who are still carrying out studies is very necessary so that anticipatory steps can be taken from the beginning to overcome the occurrence of graduation problems in the academic field. This research aims to diagnose fast-track student graduation by using a data mining model with a classification function. The technique used for the classification data mining model is the Naïve Bayes Algorithm. The dataset used as training and testing data is data from the 2021 STMIK Royal fast track students. The criteria used to determine student graduation are Gender, class, credits, GPA, Tuition Fee, Guidance Process, and the KKL Report. The results of the classification modeling with the Naïve Bayes Algorithm produce an accuracy value of 83%.
Keywords: data mining; graduation; naïve Bayes
Abstrak: Kelulusan mahasiswa adalah salah satu hal yang harus diperhatikan karena termasuk ke dalam Standar Penjaminan Mutu Internal (SPMI) perguruan tinggi. STMIK Royal adalah salah satu perguruan tinggi yang mengalami masalah kelulusan mahasiswa. Untuk mencapai kualitas lulusan tersebut, diagnosis kelulusan dengan standar yang telah ditetapkan untuk mahasiswa yang masih menjalankan studi sangat diperlukan sehingga dapat dilakukan langkah antisipasi dari awal untuk menanggulangi terjadinya permasalahan kelulusan dalam bidang akademik. Tujuan diadakannya penelitian ini untuk untuk mendiagnosis kelulusan mahasiswa fast track dengan menggunakan model data mining dengan fungsi klasifikasi. Teknik yang digunakan untuk model data mining klasifikasi adalah Algoritma Naïve Bayes. Dataset yang akan digunakan untuk menjadi data latih dan data uji adalah data mahasiswa fast track STMIK Royal tahun 2021. Kriteria yang digunakan untuk diganosis kelulusan mahasiswa, diantaranya Jenis Kelamin, Kelas, SKS, IPK, Uang Kuliah, Proses Bimbingan, dan Pengumpulan Laporan KKL. Hasil pemodelan klasifikasi dengan Algoritma Naïve Bayes menghasilkan nilai akurasi sebesar 83%.
Kata kunci: data mining; kelulusan; naïve bayes