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: This study examines how promethee can be a suitable method to be used in the decision-making system of prospective student association members as an organization under the auspices of the university. In this study,…
udy, it is explained that the decision-making system for the acceptance of prospective student associations as an organization within the university environment experiences several problems in the process, namely, most of the associations still use the manual method. This of course not only has an impact on the effectiveness of the time and energy used but also affects the decisions taken. Promethee is one of the methods in the decision-making system that can be used by students considering that promethee is more efficient in time, effort, and objectivity in making better decisions. Researchers in this study also analyze and describe the scheme or flow of the promethee method that can be used by students as well as basic criteria such as academic, activeness, nature, and confidence possessed. This basic criterion can be one of the reference guidelines used in the selection and decision-making stages.
Keywords: decision making system; promethee; student association
Abstrak: Penelitian ini mengkaji tentang bagaimana promethee bisa menjadi salah satu metode yang cocok untuk digunakan dalam sistem pengambilan keputusan calon anggota himpunan mahasiswa sebagai organisasi yang berada di naungan universitas. Penelitian ini menjelaskan bahwasanya sistem pengambilan keputusan penerimaan calon himpunan mahasiswa sebagai organisasi yang berada di lingkungan universitas mengalami beberapa masalah dalam prosesnya yakni Sebagian besar himpunan masih menggunakan metode yang manual. Hal ini tentu tidak hanya berdampak pada efektivitas waktu dan tenaga yang digunakan melainkan juga mempengaruhi keputusan yang diambil. Promethee menjadi salah satu metode dalam sistem pengambilan keputusan yang bisa digunakan oleh mahasiswa mengingat promethee lebih efisien dalam waktu, tenaga hingga tingkat objektivitas dalam pengambilan keputusan yang lebih baik. Peneliti dalam kajian ini juga menganalisis dan menjabarkan tentang skema atau alur yang metode promethee yang bisa digunakan oleh mahasiswa serta kriteria dasar seperti akademik, keaktifan, sikap dan kepercayaan diri yang dimiliki. Kriteria dasar ini bisa menjadi salah satu referensi pedoman yang digunakan dalam tahap penyeleksian dan pengambilan keputusan.
Kata kunci: himpunan mahasiswa; promethee; sistem pengambilan keputusan,
Abstract: Abstract – Price forecasting is a part of economic decision making. Forecasting the daily rise and fall of gold prices can help investors decide when to buy or sell the commodity. The price of gold depends on many factors…
many factors such as the price of other precious metals, the price of crude oil, the performance of the stock exchange, and the exchange rate of currencies. This study discusses gold price forecasting using the multiple linear regression method. The results of this study indicate that the best model is in the data distribution of 70%: 30% for training and testing, with a MAPE of 4.7% Based on these results, it can be concluded that the use of multiple linear regression method produces a fairly good model for gold prices forecasting. Besides, the correlation analysis show that the price of other precious metals greatly influences the price of gold where in this case the silver price whose correlation value is 0.87.
Keywords: forecasting, gold investment, multiple linear regression
Abstrak: Peramalan harga merupakan bagian dari pengambilan keputusan ekonomi. Melakukan peramalan terhadap kenaikan dan penurunan harga emas harian dapat membantu investor memutuskan kapan harus membeli atau menjual komoditas. Harga Emas bergantung pada banyak faktor seperti harga logam mulia lainnya, harga minyak mentah, kinerja bursa saham, dan nilai tukar mata uang. Penelitian ini membahas peramalan harga emas dengan menggunakan metode regresi linear ganda. Hasil dari penelitian ini menunjukkan bahwa model terbaik terdapat pada pembagian data pelatihan 70% dan pengujian 30%, dengan MAPE sebesar 4.7%. Berdasarkan hasil tersebut dapat diambil kesimpulan bahwa penggunaan metode regresi linear ganda menghasilkan model yang cukup baik untuk peramalan harga emas. Selain itu, analisis korelasi menunjukkan bahwa harga logam mulia lainnya sangat mempengaruhi harga emas dimana dalam hal ini variabel harga perak yang nilai korelasinya 0.87.
Kata kunci: peramalan; investasi emas, regresi linear ganda
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: The government continues to adopt various technologies to ensure effective and efficient public services in the new normal era. This study discusses the use of the TELOS method in measuring the feasibility level…
l of e-government services through a review of five main feasibility dimensions, including technical feasibility, economic feasibility, legal feasibility, operational feasibility and schedule feasibility. This study identifies opportunities for developing village information system projects. The data collection process involved 15 users of e-government services. The results of this study indicate that based on the number of feasibility factors generated by the information system, it is 7.20 and is within the feasible threshold for development. The value of the system development risk obtained is quite low. It is necessary to add interactive features so that it can increase community participation in community services in the future.
Keywords: e-Government; feasibility Analysis; TELOS method;
Abstrak: Berbagai adopsi teknologi terus dilakukan pemerintah untuk menjamin pelayanan publik yang efektif dan efisien di era normal baru. studi ini membahas tentang Penggunaan Metode TELOS dalam pengukuran tingkat Kelayakan layanan e-government melalui peninjauan lima dimensi kelayakan utama antara lain kelayakan teknis, kelayakan ekonomis, kelayakan hukum, kelayakan operasional dan kelayakan jadwal. Studi ini mengidentifikasi peluang pengembangan proyek sistem informasi desa. Proses Pengumpulan data melibatkan 15 pengguna layanan e-government. Hasil penelitian ini menunjukan bahwa berdasarkan jumlah factor kelayakan yang dihasilkan sistem informasi tersebut sebesar 7,20 dan berada dalam ambang batas layak untuk dikembangkan. Nilai resiko pengembangan sistem yang diperoleh cukup rendah sehingga perlu adanya penambahan fitur-fitur yang bersifat interaktif untuk dapat meningkatkan partisipasi masyarakat terhadap layanan kemasyarakatan dimasa mendatang.
Kata kunci: Analisis Kelayakan; e-Government; Metode TELOS
Abstract:Abstract: Glaucoma is the second leading eye disease of blindness after cataracts. An ophthalmologist does a glaucoma examination with an eye screening that will produce a retinal image. The diagnosis's result of the retinal…
inal image is subjective because each doctor has dissent and a condition experienced. This research builds a system to identify retinal images in the category of glaucoma or normal patients. The purpose of this system as a tool is to help ophthalmologists diagnose glaucoma. This process begins by changing the colour of an image to validity. The image is extracted using the Gray Level Co-occurrence Matrix (GLCM) and produces five features than the result of the five features used as input to neural network Learning Vector Quantization (LVQ). The amount of retinal image data used 60 data for learning and 20 for testing. And the number of neurons used is 12, and the epoch of as many as 1000 was obtained based on the results comparison of variations against 8, 10, 12, 18, and 20 neurons with 500, 900, 1000, and 1100 epochs. The learning process results from the value of weights that will be used in the testing process. The results of this study obtained an accuracy rate of 85%, a precision of 89%, and a recall of 80%.
Keywords: glaucoma; LVQ; GLCM
Abstrak: Glaukoma merupakan penyakit mata penyebab kebutaan nomor dua setelah katarak. Pemeriksaan penyakit glaukoma dilakukan oleh dokter spesialis mata dengan cara skrining mata yang akan menghasilkan citra retina. Hasil diagnosa citra retina oleh dokter bersifat subjektif karena setiap dokter memiliki pendapat yang berbeda serta kondisi yang dialami. Penelitian ini membangun sistem untuk mengidentifikasi citra retina mata kedalam kategori penderita glaukoma atau normal. Tujuan pembuatan sistem ini sebagai alat bantu bagi dokter mata dalam mendiagnosa glukoma. Proses ini diawali dengan mengubah warna citra menjadi keabuan, kemudian citra tersebut diekstraksi menggunakan Gray Level Co-occurrence Matrix (GLCM) dan menghasilkan lima nilai fitur yang kemudian hasil dari kelima fitur tersebut digunakan sebagai masukan jaringan syaraf tiruan Learning Vector Quantization (LVQ). Jumlah data citra retina yang digunakan sebanyak 60 data untuk learning dan 20 data untuk testing. Dan untuk jumlah neuron yang digunakan yaitu 12 dan epoch sebanyak 1000 yang didapat berdasarkan hasil perbandingan variasi terhadap neuron sejumlah 8, 10, 12, 18, 20 dengan jumlah epoch sejumlah 500, 900, 1000 dan 1100. Hasil dari proses learning yaitu nilai bobot yang akan digunakan sebagai bobot di proses testing. Hasil penelitian ini diperoleh tingkat akurasi sebesar 85%, presisi sebesar 89% dan recall sebesar 80%.
Kata kunci: glaukoma; LVQ; GLCM
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
Abstract:Abstract:†Cryptography is one of the important subjects to learn because the content of the discussion discusses data security. Data security has a very important role considering that most transaction activities are…
are carried out on the internet. Many platforms offer virtual transactions, such as motorcycle taxis, online marketplaces, and banking. For transacting on the internet, reliable data security is needed to maintain the security of user data from internet crimes (cybercrime). For cryptography learning to produce students who understand cryptography in-depth, this learning is carried out independently. One of the lessons to improve independent skills is a project approach. With project-based learning, students will be actively involved in completing projects given by the lecturer. To facilitate interaction and monitor projects completed by students, an LMS (Learning Management System) was created. The lecturer will later upload the student projects through the LMS, and if the student wants to work on the project, they can download it from the LMS.
Keywords: Cryptography; LMS; Online transactions
Abstrak:†Kriptografi merupakan salah satu mata pelajaran yang penting untuk dipelajari karena isi bahasannya membahas tentang pengamanan data. Saat ini, keamanan data memiliki peran yang sangat penting, mengingat sebagian besar aktivitas transaksi dilakukan di internet. Banyak platform yang menawarkan transaksi virtual, seperti ojek online, pasar online dan perbankan. Dalam bertransaksi di internet dibutuhkan keamanan data yang handal untuk menjaga keamanan data pengguna dari kejahatan internet (cyber crime). Agar pembelajaran kriptografi menghasilkan mahasiswa yang memahami kriptografi secara mendalam, maka pembelajaran ini dilakukan secara mandiri. Salah satu pembelajaran untuk meningkatkan kemampuan mandiri adalah dengan pendekatan project. Dengan pembelajaran berbasis project, mahasiswa akan terlibat aktif menyelesaikan project yang diberikan dosen. Untuk memudahkan interaksi dan monitor project yang diselesaikan mahasiswa, maka dibuat LMS (Learning Manajement System). Setiap project mahasiswa nantinya akan di unggah oleh dosen melalui LMS dan mahasiswa bisa mengunguh project di LMS
Dengan menambahkan LMS dan pembelajaran yang berbasis project pada pembelajaran kriptografi menunjukkan hasil belajar yang lebih baik. Hal ini dapat dilihat pada hasil tinjauan dilangan dengan penyelesaian sebuah soal dan hasil ujian akhir mahasiswa.
Kata kunci: Kriptografi; LMS; Transaksi Online,
Abstract:Abstract: The technique of multiclass classification based on SVMs has been widely used. SVM optimization will be accomplished by examining the extraction features of Principal Component Analysis (PCA), Box-Cox Transformation,…
ation, and Recursive Feature Elimination (RFE). The dataset contains 13,611 rows and 17 variables, generated from the UCI repository's multiclass dry bean data. Barbunya, Bombay, Cal, Dermas, Horoz, Seker, and Sira are just a few of the dry bean kinds available. The dataset was tested using SVM Linear kernel and SVM Radial Basis.According to the results, the combination of scale-center-BoxCox-SVM Radial extraction achieves the maximum accuracy of 93.16 percent and the shortest processing time of 6.10 minutes. 96.00 percent, 100 percent, 96.71 percent, 95.16 percent, 97.60 percent, 97.74 percent, and 91.95 percent, according to bean class.RFE-SVM Radial has a 91.18 percent accuracy and a processing time of 6.55 minutes. BoxCox outperforms conventional techniques in terms of prediction accuracy while requiring less training time.
Keywords: Bean, PCA, BoxCox, SVM, RFE
Abstrak: Klasifikasi Multikelas menggunakan SVM telah banyak digunakan. Pada penelitian ini akan diuji fitur ekstraksi Principal Component Analysis, Box Cox Transformation dan fitur eliminisi Recursive Feature Elimination untuk mendapatkan optimasi SVM. Dataset berasal dari data multikelas kacang kering UCI repository dengan jumlah 13.611 baris dan 17 variabel. Kelas kacang kering yakni : Barbunya, Bombay, Cal, Dermas, Horoz, Seker dan Sira. Dataset diuji menggunakan kernel SVM Linier dan SVM Radial Basis. Didapatkan hasil, bahwa kombinasi fitur ekstraksi : scale-center-BoxCox-SVM Radial memiliki akurasi terbaik yakni 93,16% dan waktu proses 6,10 menit. Klasifikasi berdasarkan kelas kacang berturut-turut 96,00%,100%, 96,71%, 95,16%, 97,60%, 97,74% dan 91,95%. RFE- SVM Radial hanya memberikan akurasi sebesar 91,18 % dengan waktu proses sebesar 6.55 menit. Penggunaan BoxCox dibandingkan dengan lainnya, memberikan hasil prediksi lebih baik dan namun tidak mempercepat waktu pelatihan.
Kata kunci: BoxCox; Kacang; PCA; RFE; SVM
Abstract:Abstract: Along with the development of information technology, the way people listen to music also changed with the emergence of many music streaming applications. The user experience of an application plays an important…
t role in attracting and retaining application users. Therefore, this study has goal to compare the music steaming applications’ user experience of the Joox and Spotify by using User Experience Questionnaire (UEQ) method. There are 6 scales assessed by UEQ, including attractiveness, perspicuity, efficiency, dependability, stimulation, and novelty. Data was collected by distributing online questionnaires and obtained as many as 104 responses that could be processed. The results show that both applications have positive impressions which are indicated by the average value of each scale greater than 0.8. This indicates that these two applications are considered quite fun, effective, easy to understand, and innovative. However, the comparison’ results show that between Spotify and Joox is not significantly different, with Spotify scores slightly better than Joox.
Keywords: music streaming application; user experience; user experience questionnaire
Abstrak: Seiring dengan perkembangan teknologi informasi, cara masyarakat mendengarkan musik juga mengalami perubahan dengan munculnya banyak aplikasi streaming musik. User experience suatu aplikasi berperan penting untuk menarik dan mempertahankan pengguna aplikasi. Oleh karena itu, penelitian ini memiliki tujuan untuk membandingkan user experience dari aplikasi streaming musik Joox dan Spotify dengan metode User Experience Questionnaire (UEQ). Terdapat 6 skala yang dinilai oleh UEQ yaitu daya tarik, kejelasan, efisiensi, ketepatan, stimulasi, dan kebaruan. Data dikumpulkan melalui penyebaran kuesioner secara daring dan diperoleh sebanyak 104 jawaban yang bisa diolah. Hasil penelitian menunjukkan bahwa kedua aplikasi memiliki impresi positif yang ditandai dengan nilai rata-rata setiap skala lebih besar dari 0.8. Artinya kedua aplikasi ini dinilai cukup menyenangkan, efektif, mudah dipahami, dan inovatif. Meskipun demikian, hasil perbandingan menunjukkan bahwa perbedaan antara Spotify dan Joox tidak terlalu signifikan, dengan nilai Spotify sedikit lebih unggul daripada Joox.
Kata kunci: aplikasi streaming musik; pengalaman pengguna; user experience questionnaire