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: 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: Stunting is one of the nutritional problems that the world pays the most attention to and a major nutritional problem in Indonesia. Stunting is a problem in toddler growth which is characterized by a toddler's…
height that is too short compared to toddlers of his age. In the research location, namely Asahan Regency, the mapping of areas prone to increased stunting rates has not been carried out optimally. The process of exploring the stunting data warehouse is useful for adding information that can assist the government in making policies. Therefore, the aim of this research is to map stunting-prone areas in Asahan district based on the number of stunting cases in Asahan district using the machine learning-based K-Means clustering model. Based on previous research reviews, the k-means clustering method used has not used the normalization process. In addition, distance measurement only uses Euclidean Distance. Meanwhile, in this research, clustering performance analysis was carried out using a more in-depth process, namely by applying data normalization at the beginning, using the elbow method to determine the best number of clusters (K), measuring distance using Euclidean Distance, Manhattan Distance and Minkowski Distance to obtain comparison results. better clusters. The analysis results show that the best number of clusters is cluster 2 which shows the mapping results into 2 groups with a DBI of 0.51290 and a silhouette_score of 0.71432.
Keywords: stunting; k-means clustering; machine learning
Abstrak: Stunting menjadi salah satu permasalahan gizi yang paling diperhatikan dunia dan permasalahan gizi yang utama di Indonesia. Stunting merupakan masalah pada pertumbuhan balita yang ditandai dengan tinggi badan balita yang terlalu pendek dibanding balita seusianya. Pada lokasi penelitian yaitu Kabupaten Asahan, pemetaan daerah rawan peningkatan angka stunting belum dilakukan dengan optimal. Proses eksplorasi gudang data stunting ini berguna untuk menambah informasi yang dapat membantu pemerintah dalam mengambil kebijakan. Maka dari itu, tujuan dari penelitian ini adalah pemetaan daerah rawan stunting di kabupaten Asahan berdasarkan jumlah kasus stunting di Kabupaten Asahan menggunakan model clustering metode K-Means berbasis machine learning. Berdasarkan tinjauan penelitian terdahulu, metode k-means clustering yang digunakan belum menggunakan proses normalisasi. Selain itu, pengukuran jarak hanya menggunakan Euclidean Distance. Sedangkan dalam penelitian ini, analisis kinerja clustering yang dilakukan dengan proses yang lebih mendalam yaitu dengan penerapan normalisasi data di awal, penggunaan elbow method untuk penentuan jumlah cluster (K) terbaik, pengukuran jarak dengan Euclidean Distance, Manhattan Distance dan Minkowski Distance untuk mendapatkan hasil perbandingan cluster yang lebih baik. Hasil analisis menunjukkan bahwa jumlah cluster terbaik yaitu cluster 2 yang menunjukkan hasil pemetaan menjadi 2 kelompok dengan DBI 0.51290 dan silhouette_score sebesar 0.71432.
Kata kunci: stunting; k-means clustering; machine learning
Abstract:Abstract: Unemployment is a global economic issue that directly impacts human life in both developed and developing countries, especially in Indonesia, which, if ignored, will severely impact society's social dynamics. To…
o overcome this problem, forecasts are made so that later, the government can take policies to control and suppress the unemployment growth rate. This research aims to predict unemployment in Indonesia in 2023 using the Weighted Moving Average method, widely used to determine the trend of a time series, which is part of one of the Time Series methods that gives different weights. The dataset used was obtained from the Central Statistics Agency (BPS) relating to unemployment data from 2000 to 2022 (23 years). To analyze the level of accuracy of the results of this unemployment forecast using the MAD, MSE, and MAPE methods. This research concludes that the Weighted Moving Average method can be applied in predicting unemployment in Indonesia in 2023. The results of this research are a prediction of the number of unemployed in Indonesia, as many as 8,874,942 people at a weight value of 3 (three) where the accuracy of the MAD value is 745786.1833, the MSE value is 948402050986.3 and MAPE is 8.28%.
Keywords: forecasting; unemployment; weigth moving average; indonesia
Abstrak: Pengangguran menjadi isu ekonomi global yang berdampak secara langsung terhadap tingkat kehidupan manusia di negara-negara yang sudah maju maupun yang sedang berkembang khususnya di negara Indonesia, yang jika diabaikan akan berdampak serius terhadap dinamika sosial masyarakat. Untuk mengatasi permasalahan tersebut dibuatlah peramalan agar nantinya pemerinta dapat mengambil kebijakan dalam mengendalikan dan menekan angka pertumbuhan pengangguran tersebut. Penelitian ini bertujuan untuk memprediksi pengangguran di Indonesia pada tahun 2023 menggunakan metode Weighted Moving Average dimana metode ini banyak digunakan untuk menentukan trend dari suatu deret waktu yang merupakan bagian dari salah satu metode Time Series yang memberikan bobot yang berbeda-beda. Adapun dataset yang digunakan diperoleh dari Badan Pusat Satatistik (BPS) berkaitan dengan data pengangguran dari tahun 2000 sampai dengan tahun 2022 (selama 23 tahun). Untuk menganalisa tingkat akurasi dari hasil peramalan pengangguran ini memakai metode MAD, MSE, dan MAPE. Kesimpulan dari penelitian ini yaitu dapat diterapkannya metode Weighted Moving Average dalam memprediksi pengangguran di Indonesia pada tahun 2023. hasil dari penelitian ini berupa prediksi jumlah pengangguran di Indonesia sebanyak 8.874.942 orang pada nilai bobot 3 (tiga) dimana akurasi nilai MAD sebesar 745786,1833, nilai MSE sebesar 948402050986,3 dan MAPE sebesar 8,28 %.
Kata kunci: peramalan; pengangguran; weigth moving average; indonesia
Abstract:Abstract: The current development of information technology has had an impact on all fields, including the health sector. Many activities that were previously carried out conventionally or manually can now be carried out…
with the help of technology. Computers that were previously only used to process data now provide many services, applications, and programs that can help facilitate human activities. One of them is the Multi-Attribute Utility Theory (MAUT) method, which is a support system method that has been widely used to provide accurate and efficient results. This study aims to build a decision support system for choosing healthy toddlers and elderly at the Petatal Health Center, Talawi District, Asahan Regency. So far, the process of selecting healthy toddlers and elderly is done conventionally, without the help of applications or computer programs. So the time needed is longer and the results are also less objective. The calculation process uses the MAUT method with an alternative of 13 toddlers and 15 elderly. The criteria used are body weight, nutritional status, potassium content, protein content, and carbohydrate content. Assessment weight 1-5. The results are 3 Toddlers with the highest total score Laila (17) Putri Sundar (14.25) and Tiara with a score of 12.25. The three people with the highest scores for healthy elderly are Rini Dewi with a score of 17, Joni with a score of 14.25, and Bejo Asmo with a value of 12.25.
Keywords: decision support system; MAUT; multi atribute utility theory; SPK
Abstrak: Perkembangan Teknologi informasi saat ini telah berdampak pada semua bidang, termasuk bidang kesehatan. Banyak kegiatan yang awalnya dilakukan secara konvensional atau manual kini dapat dilakukan dengan bantuan teknologi. Komputer yang tadinya hanya digunakan untuk mengolah data kini menyediakan banyak layanan, aplikasi dan program yang dapat membantu mempermudah kegiatan manusia. Salah satunya adalah metode Multi Atribute Utility Theory (MAUT) yang merupakan salah satu metode sistem pendukung yang telah banyak digunakan untuk memberikan hasil yang akurat dan efisien. Penelitian ini bertujuan membangun sistem pendukung keputusan pemilihan Balita dan Lansia Sehat di Puskesmas Petatal Kecamatan Talawi Kabupaten Asahan, selama ini proses pemilihan balita dan lansia sehat dilakukan secara konvensional, tanpa menggunakan bantuan aplikasi atau program computer. Sehingga waktu yang dibutuhkan lebih lama serta hasilnya juga kurang objektif. Proses perhitungan menggunakan Metode MAUT dengan alternative 13 Balita dan 15 lansia .Kriteria yang digunakan Berat Badan, Status Gizi, Kandungan Kalium, Kandungan protein dan kandungan karbohidrat. Bobot penilaian 1-5. Hasil adalah 3 Balita dengan total nilai tertinggi Laila (17) Putri Sundar (14,25) dan Tiara dengan nilai 12,25. Tiga orang dengan nilai tertinggi untuk Lansia sehat adalah Rini dewi dengan nilai 17, Joni dengan nilai 14,25 dan Bejo Asmo dengan nilai 12,25.
Kata kunci: multi atribute utility theory; MAUT; sistem pendukung keputusan; SPK
Abstract:Abstract: Rokan Hulu Regency is one of the regencies in Riau Province and has 2 large rivers, namely the Rokan Kanan River and the Rokan Kiri River. When the level of rainfall is high, the river flow overflows and causes…
flooding in several sub-districts. Climate change that is happening has an impact on changes in rainfall patterns, to overcome the impacts of climate change Rokan Hulu Regency needs to take early steps before a flood disaster occurs. The method used in processing the data is the backpropagation method and data processing using the Matlab software. Data processing was carried out on rainfall data for the last 6 years, from 2015 to 2020, which was sourced from the Rokan Hulu Regency Statistics Agency. Rainfall data from 2015 to 2019 is used as input data, while 2020 is the target. The data processing stage begins with data normalization and determining network training parameters. Artificial neural network research was carried out on rainfall data with a 5-5-1 architecture. The results of testing the rainfall data show prediction results with high accuracy, where the average accuracy rate reaches 98.17% with the highest accuracy of 99.99% while the lowest accuracy is 91.53%. The prediction results show a fairly high level of accuracy so that they can be used as evaluation material.
Keywords: artificial neural network; backpropagation; prediction; rainfall
Abstrak: Kabupaten Rokan Hulu merupakan salah satu kabupaten yang berada di Provinsi Riau dan memiliki 2 aliran sungai besar yaitu sungai rokan kanan dan sungai rokan kiri. Ketika tingkat curah hujan tinggi aliran sungai meluap dan menyebabkan banjir beberapa kecamatan. Perubahan iklim yang terjadi memberikan dampak pada perubahan pola curah hujan, untuk menanggulangi dampak perubahan iklim Kabupaten Rokan Hulu perlu melakukan langkah-langkah dini sebelum terjadi bencana banjir. Metode yang digunakan dalam mengolah data yaitu metode backpropagation dan pengolahan data menggunakan software Matlab. Pengolahan data dilakukan pada data curah hujan selama 6 tahun terakhir yaitu dari tahun 2015 sampai dengan 2020 yang bersumber dari Badan Statistik Kabupaten Rokan Hulu. Data curah hujan tahun 2015 sampai dengan tahun 2019 sebagai data input sedangkan tahun 2020 sebagai target. Tahapan pengolahan data diawali dengan melakukan normalisasi data dan menentukan parameter pelatihan jaringan. Penelitian jaringan saraf tiruan dilakukan pada data curah hujan dengan arsitekur 5-5-1. Hasil pengujian terhadap data curah hujan menunjukkan hasil prediksi dengan akurasi yang tinggi, dimana tingkat akurasi rata-rata mencapai 98,17% dengan akurasi tertinggi sebesar 99,99% sedang akurasi terendah sebesar 91,53%. Hasil prediksi menunjukkan tingkat akurasi yang cukup tinggi sehingga dapat digunakan sebagai bahan evaluasi.
Kata kunci: backpropagation; curah hujan; jaringan saraf tiruan; prediksi
Abstract:Abstract: Asahan District Social Service is one of the government agencies in Asahan District. This agency is tasked with serving the community and providing the best information for the community, especially in terms of…
data processing. One of the government programs used to tackle poverty is KUBE. In general, the problems that occur in KUBE are still not optimal and not on target, so that sometimes many residents protest because residents who should receive assistance do not receive assistance and conversely residents who should not have the right to receive assistance from the Joint Business Group (KUBE). By knowing the deficiencies found in the manual calculations carried out by the Asahan District Social Service. So that beneficiaries can be determined according to the criteria determined by the Asahan District Social Service. Then a system was created using the Weighted Product method to carry out accurate calculations in providing assistance made with the PHP programming language with MySQL Database, to create a new computerized decision support which is a good alternative by prioritizing effectiveness and efficiency in determining the provision of assistance to Joint Business Groups (Joint Business Groups). KUBE). The purpose of designing a Joint Business Group assistance decision system can assist Asahan Regency social service employees in determining the granting of Joint Business Groups (KUBE).
Keywords: decision support system; KUBE; weighted product (WP)
Abstrak: Dinas Sosial Kabupaten Asahan merupakan salah satu instansi pemerintah yang ada di Kabupaten Asahan. Badan ini bertugas untuk melayani masyarakat dan memberikan informasi terbaik bagi masyarakat terutama dalam hal pengolahan data. Salah satu program pemerintah yang digunakan untuk menanggulangi kemiskinan adalah KUBE. Secara umum permasalahan yang terjadi di KUBE masih belum optimal dan belum tepat sasaran, sehingga terkadang banyak warga yang protes karena warga yang seharusnya menerima bantuan tidak mendapatkan bantuan dan sebaliknya warga yang seharusnya tidak berhak mendapatkan bantuan dari Kelompok Usaha Bersama (KUBE). Dengan mengetahui kekurangan yang terdapat pada perhitungan manual yang dilakukan oleh Dinas Sosial Kabupaten Asahan. Sehingga dapat ditentukan penerima manfaat sesuai dengan kriteria yang ditentukan oleh Dinas Sosial Kabupaten Asahan. Tujuan dibuat sistem dengan menggunakan metode Weighted Product untuk melakukan perhitungan yang akurat dalam pemberian bantuan yang dibuat dengan bahasa pemograman PHP dengan Database MySQL, untuk membuat pendukung keputusan terkomputerisasi baru yang merupakan alternatif yang baik dengan mengutamakan efektifitas dan efisiensi dalam penentuan pemberian bantuan Kelompok Usaha Bersama (KUBE). Maka perancangan sistem keputusan bantuan Kelompok Usaha Bersama dapat membantu pegawai dinas sosial Kabupaten Asahan dalam menentukan pemberian Kelompok Usaha Bersama (KUBE).
Kata kunci: KUBE; sistem pendukung keputusan; weighted product (WP)
Abstract:Abstract: The Central Bureau of Statistics is a government agency that serves the public in providing accurate statistical data. Central Bureau of Statistics Every year the Central Bureau of Statistics accepts new partners.…
rs. Partners who do data processing that has been done on data in the field. In this case, the acceptance of new partner candidates is quite often held to carry out survey and population census activities. The partner acceptance process is less effective because it still uses the manual method, namely the approach between existing partners. So we need a decision support system that can help election performance to be more effective. The basic concept of the Simple Addictive Weighting method is to find a weighted sum of performance ratings for each alternative on all criteria or attributes. The purpose of this research is to build and design a data processing application for prospective new partners at the Central Bureau of Statistics of the Asahan district to get an assessment according to the specified criteria. The results of the research conducted produced the best alternative decision, namely Ruslan Efendi with a score of 0.975 and Yenni Yulistina with a value of 0.95. based on these results can assist the Central Bureau of Statistics in determining the assessment of potential new partners so that they can provide a reference in decision making. In accordance with the criteria required by the Central Bureau of Statistics.
Keywords: decision support support system; simple addictive weighting; prospective partners; information systems.
Abstrak: Badan Pusat Statistik merupakan salah satu instansi pemerintah yang melayani masyarakat dalam menyediakan data statistik yang akurat. Badan Pusat Statistik Setiap tahunnya Badan Pusat Statistik menerima mitra baru. Mitra yang melakukan pengolahan data yang sudah dilakukan pada data dilapangan.. Dalam hal ini, penerimaan calon mitra baru cukup sering diadakan untuk menjalankan kegiatan survei dan sensus penduduk. Proses penerimaan mitra ini kurang efektif karena masih menggunakan cara manual, yaitu dan pendekatan antara mitra yang sudah ada sebelumnya. Sehingga dibutuhkan sebuah sistem pendukung keputusan yang dapat membantu kinerja pemilihan menjadi lebih efektif. Konsep dasar dari metode Simple Addictive Weighting mencari penjumlahan terbobot dari rating kinerja untuk setiap alternative pada semua kriteria atau atribut. Tujuan penelitian ini dapat membangun dan merancang sebuah aplikasi pengolahan data calon mitra baru di Badan Pusat Statistik kabupaten Asahan yang tepat untuk mendapatkan penilaian yang sesuai dengan kriteria yang ditentukan. Hasil dari penelitian yang dilakukan menghasilkan sebuah keputusan alternatif terbaik yaitu Ruslan efendi dengan nilai 0.975 serta Yenni Yulistina dengan nilai 0.95. berdasarkan hasil tersebut dapat membantu pihak Badan Pusat Statistik dalam menentukan penilaian calon mitra baru sehingga dapat memberikan acuan dalam pengambilan keputusan. Sesuai dengan kriteria yang dibutuhkan oleh pihak Badan Pusat Statistik.
Kata kunci : sistem pendukung pendukung keputusan; simple addictiv weighting; calon mitra; sistem informasi.
Abstract:Abstract: Technology is growing rapidly and has become one of the human needs that must be owned to solve the problems being faced. The development of touchless input devices or hand gesture recognition using a camera is…
a form of machine learning. Gestures can define as physical movements of the hands, arms, or body as expressive messages, besides that this hand gesture system can explain the contents of commands that have meaning. In this research, a virtual mouse system will be developed using hand gesture recognition based on the hand landmark model for pointing devices. The resulting application can be run on a desktop device using a webcam. The results of the tests carried out to analyze the implementation of the hand landmark model into the system show that the average system accuracy reaches 96% and the speed reaches 0.05 seconds.
Keywords: hand gesture recognition, hand landmark models, machine learning, virtual mouse
Abstract: Teknologi semakin pesat dan sudah menjadi salah satu kebutuhan manusia yang harus dimiliki untuk menyelesaikan permasalahan yang sedang dihadapi. Perkembangan piranti masukan tanpa sentuhan atau hand gesture recognition menggunakan kamera adalah salah satu bentuk dari machine learning. Gestur mampu mendefinisikan sebagai gerakan fisik dari tangan, lengan, maupun badan sebagai pesan yang ekspresif, selain itu sistem gestur tangan ini mampu menjelaskan isi perintah yang memiliki arti. Dalam penelitian ini akan dikembangkan sebuah sistem virtual mouse menggunakan hand gesture recognition berbasis hand landmark model untuk pointing device. Aplikasi yang dihasilkan dapat dijalankan pada perangkat desktop dengan menggunakan webcam. Hasil dari pengujian yang dilakukan untuk menganalisa penerapan hand landmark model kedalam sistem menunjukkan rata-rata akurasi sistem mencapai 96% dan kecepatan mencapai 0.05 second.
Keywords: hand gesture recognition, hand landmark models, machine learning, virtual mouse
Abstract:Abstract: Choosing the right foods for babies to eat is easy. Age 0 to 5 years is a golden period for babies in their growth and development, both physically and intellectually. Incorrectly choosing foods that do not meet…
t the needs can lead to the risk of obesity, while foods that do not meet the nutritional adequacy of infants can also cause stunting. An intelligent system taken from the knowledge of baby nutrition experts can be used as a solution to accompany parents in choosing the right food menu for babies during their growth and development. Fuzzy Tsukamoto can be used to group babies by age and weight, to decide which foods are suitable for consumption by the baby, based on the evaluation Images table compiled by the ministry of health as a guide for appropriate nutrition. This research resulted in a system that is able to assist parents in choosing the appropriate food menu for babies so as to prevent stunting.
Keywords: fuzzy tsukamoto; stunting; nutrition
Abstrak: Memilih makanan yang tepat untuk dikonsumsi oleh bayi bukanlah hal yang mudah. Usia 0 sampai 5 tahun merupakan masa-masa emas bagi bayi dalam tumbuh kembangnya, baik fisik maupun kecerdasan. Salah memilih makanan yang tidak sesuai kebutuhan dapat menyebabkan resiko obesitas, sedangkan makanan yang tidak memenuhi angka kecukupan gizi bayi juga dapat menyebabkan stunting. Sistem cerdas yang diambil dari pengetahuan para pakar gizi bayi dapat dijadikan solusi pendamping orang tua dalam memilih menu makanan yang tepat bagi bayi di masa tumbuh kembangnya. Fuzzy Tsukamoto dapat digunakan untuk mengelompokkan bayi berdasarkan usia dan berat badan, untuk memutuskan makanan mana yang cocok dikonsumsi oleh bayi tersebut, berdasarkan tabel angka kecukupan gizi yang telah disusun oleh kementrian kesehatan sebagai panduan pemberian nutrisi yang sesuai. Dari penelitian ini dihasilkan sistem yang mampu membantu orang tua dalam memilih menu makanan yang sesuai bagi bayi sehingga dapat mencegah terjadinya stunting.
Kata kunci: Fuzzy Tsukamoto; stunting; nutrisi