Abstract:Abstract: The rapid growth of the digital music industry requires accurate music genre classification systems to enhance user experience in streaming services. This study compares a domain-specific Long Short-Term Memory…
(LSTM) network with three Large Language Models (LLMs)—HuBERT, WavLM, and WAV2Vec 2.0—for Music Genre Classification (MGC). The LSTM model was trained using Mel-spectrograms transformed from the GTZAN dataset, while the LLMs were fine-tuned using a smaller set of raw audio samples due to computational constraints. All models were tested on datasets with identical genre labels to ensure a fair evaluation. Results show that the LSTM model achieved the highest accuracy of 97.10%, outperforming HuBERT (86.00%), WavLM (83.00%), and WAV2Vec 2.0 (80.00%). The LSTM demonstrated superior generalization and stability without overfitting, while the LLMs struggled to differentiate between genres with similar acoustic characteristics. These findings indicate that general-purpose pre-trained models, although powerful, are less effective in music-specific tasks due to domain mismatch. Therefore, incorporating music-specific features and architectures remains essential for achieving higher accuracy and reliability in automatic genre classification systems.
Keywords: audio large language models; comparative deep learning; music genre classification.
Abstrak: Pertumbuhan industri musik digital yang pesat menuntut sistem klasifikasi genre musik yang akurat untuk meningkatkan pengalaman pengguna dalam layanan streaming. Penelitian ini dilatarbelakangi oleh perkembangan pesat model pembelajaran mendalam, khususnya jaringan LSTM dan model bahasa berskala besar LLM seperti HuBERT, WavLM, dan WAV2Vec 2.0, yang telah menunjukkan kemampuan representasi audio yang kuat. Tujuan penelitian ini ini membandingkan jaringan Long Short-Term Memory (LSTM) khusus domain dengan tiga model Large Language Models (LLM)—HuBERT, WavLM, dan WAV2Vec 2.0—untuk tugas Klasifikasi Genre Musik (MGC). Metode penelitian melibatkan pelatihan LSTM menggunakan data Mel-spectrogram hasil transformasi dari dataset GTZAN, sementara LLM disesuaikan (fine-tuning) menggunakan data audio mentah dalam jumlah lebih kecil karena keterbatasan komputasi. Seluruh model diuji pada dataset dengan label genre yang sama untuk memastikan evaluasi yang adil. Hasil penelitian menunjukkan bahwa model LSTM mencapai akurasi tertinggi sebesar 97,10%, sedangkan model HuBERT, WavLM, dan WAV2Vec 2.0 masing-masing memperoleh 86,00%, 83,00%, dan 80,00%. Model LSTM menunjukkan kemampuan generalisasi yang lebih baik tanpa overfitting, sedangkan model LLM cenderung kesulitan membedakan genre dengan karakteristik akustik yang mirip. Kesimpulan penelitian ini adalah ketidaksesuaian domain secara signifikan membatasi performa model umum saat diterapkan pada tugas berbasis musik. Oleh karena itu, penggunaan fitur dan arsitektur khusus musik sangat penting dalam membangun sistem klasifikasi genre yang lebih akurat.
Kata kunci: klasifikasi genre musik; model bahasa besar; perbandingan pembelajaran mendalam.
Abstract:Abstract: In the era of the Internet of Things (IoT), cyber threats are increasingly complex and dynamic, thus demanding an adaptive and intelligent network security system. This study proposes a Convolutional Neural Network…
work (CNN)-based Intrusion Detection System (IDS) implemented through a Federated Learning (FL) approach in a Non-Independent and Identically Distributed (Non-IID) data environment. This approach allows the model to be trained in a distributed manner across multiple IoT devices without having to collect sensitive data to a central server, thereby maintaining data privacy while increasing the efficiency of the training process. The experiment used the CIC IoT 2023 dataset, which represents various modern IoT network traffic patterns. The results show that the proposed CNN–FL model achieves an overall accuracy of 0.99, with excellent performance in detecting various types of network traffic. The model obtains a perfect recall value (1.00) for normal traffic (Benign), as well as a very high F1-score for DDoS (0.99) and DoS (0.99) attacks. Stable and consistent performance across all five federation rounds demonstrates that this approach is a reliable, efficient, and accurate solution for detecting threats in distributed and privacy-preserving IoT networks.
Keywords: cnn; federated_learning; ids; non-iid; ciciot2023
Abstrak: Dalam era Internet of Things (IoT), ancaman siber semakin kompleks dan dinamis, sehingga menuntut sistem keamanan jaringan yang adaptif dan cerdas. Penelitian ini mengusulkan Intrusion Detection System (IDS) berbasis Convolutional Neural Network (CNN) yang diterapkan melalui pendekatan Federated Learning (FL) pada lingkungan data yang bersifat Non-Independent and Identically Distributed (Non-IID). Pendekatan ini memungkinkan model dilatih secara terdistribusi di berbagai perangkat IoT tanpa harus mengumpulkan data sensitif ke server pusat, sehingga mampu menjaga privasi data sekaligus meningkatkan efisiensi proses pelatihan. Eksperimen menggunakan dataset CIC IoT 2023, yang merepresentasikan berbagai pola lalu lintas jaringan IoT modern. Hasil penelitian menunjukkan bahwa model CNN–FL yang diusulkan mencapai akurasi keseluruhan sebesar 0.99, dengan performa yang sangat baik dalam mendeteksi berbagai jenis lalu lintas jaringan. Model memperoleh nilai recall sempurna (1.00) untuk lalu lintas normal (Benign), serta nilai F1-score yang sangat tinggi untuk serangan DDoS (0.99) dan DoS (0.99). Kinerja yang stabil dan konsisten di seluruh lima putaran federasi membuktikan bahwa pendekatan ini merupakan solusi yang andal, efisien, dan akurat untuk mendeteksi ancaman pada jaringan IoT yang bersifat terdistribusi dan menjaga privasi (privacy-preserving).
Kata kunci: cnn; federated_learning; ids; non-iid; ciciot2023
Abstract:Abstract: Computer networks are not just additional facilities in the campus environment, but computer networks help the overall academic activities and social relations of students. This research aims to overcome the problem…
oblem of uneven wifi internet networks and less than optimal SSID management in UHAMKA flats, which has an impact on student access to information and communication. The method used is PPDIOO with simulation using Cisco Packet Tracer and the chosen star topology to provide a stable connection and easy network management. The results of the simulation show that all devices are well connected to each other, as indicated by the successful IP ping test between devices. The research concluded that the PPDIOO method was successful in designing an effective and structured internet network in the students' living environment. So that it can improve access to academic activities and good communication.
Keywords: cisco packet tracer; computer networks; PPDIOO
Abstrak: Jaringan komputer bukan hanya sekedar fasilitas tambahan dalam lingkungan kampus, tetapi jaringan komputer membantu keseluruan aktivitas akademik dan hubungan sosial mahasiswa. Penelitian ini bertujuan mengatasi permasalahan jaringan internet wifi yang belum merata dan pengelolaan SSID yang kurang optimal di rusunawa UHAMKA, sehingga berdampak pada akses informasi dan komunikasi mahasiswa. Metode yang digunakan adalah PPDIOO dengan simulasi menggunakan cisco packet tracer dan topologi star yang dipilih untuk memberikan koneksi stabil dan pengelolaan jaringan yang mudah. Hasil dari simulasi menunjukan seluruh perangkat saling terhubung dengan baik, ditandai dengan berhasilnya pengujian ping IP antar perangkat. Penelitian menyimpulkan metode PPDIOO berhasil dalam merancang jaringan internet yang efektif dan terstruktur di lingkungan tempat tinggal mahasiswa. Sehingga dapat meningkatkan akses aktivitas akademik dan komunikasi secara baik.
Kata kunci: cisco packet tracer; jaringan komputer; PPDIOO
Abstract:Abstract: The advancement of network security faces growing challenges as cyberattacks become more sophisticated. Traditional rule-based systems struggle with zero-day attacks and obfuscation techniques. This study examines…
nes the development trends of AI-based algo-rithms, particularly machine learning and deep learning, in threat detection. A literature review evaluates AI-driven approaches, including support vector machines, random for-est, deep neural networks, convolutional neural networks, and reinforcement learning. Findings show that AI enhances detection accuracy, adaptability, and reduces false posi-tives. Machine learning efficiently classifies known attacks, while deep learning excels in identifying complex patterns such as distributed denial-of-service and advanced persis-tent threats. Unsupervised learning improves anomaly detection without labeled data. However, AI models require high-quality data, substantial computational resources, and remain vulnerable to adversarial attacks. Despite these challenges, AI provides a dynam-ic and adaptive security solution, surpassing traditional systems. Future research should enhance AI scalability and resilience for evolving cybersecurity threats.
Keywords: anomaly detection; artificial intelligence; deep learning; machine learning; network security
Abstrak: Perkembangan keamanan jaringan menghadapi tantangan yang semakin besar seiring meningkatnya kompleksitas serangan siber. Sistem berbasis aturan tradisional kesulitan mendeteksi zero-day attack dan teknik penyamaran. Penelitian ini mengkaji tren pengembangan algoritma berbasis AI, khususnya machine learning dan deep learning, dalam deteksi ancaman. Literature review mengevaluasi pendekatan berbasis AI, termasuk support vector machines, random forest, deep neural networks, convolutional neural networks, dan reinforcement learning. Hasil penelitian menunjukkan bahwa AI meningkatkan akurasi deteksi, adaptabilitas terhadap ancaman baru, serta mengurangi false positive. Machine learning efektif mengklasifikasikan serangan yang telah diketahui, sementara deep learning unggul dalam mengenali pola kompleks seperti distributed denial-of-service dan advanced persistent threats. Unsupervised learning meningkatkan deteksi anomali tanpa memerlukan data berlabel. Namun, AI masih bergantung pada data berkualitas tinggi, sumber daya komputasi besar, dan rentan terhadap adversarial attack. Meskipun demikian, AI menawarkan solusi keamanan yang lebih dinamis dan adaptif dibandingkan sistem tradisional. Penelitian selanjutnya perlu difokuskan pada peningkatan skalabilitas dan ketahanan AI dalam menghadapi ancaman siber yang terus berkembang.
Kata kunci: deteksi anomali; jaringan keamanan; kecerdasan buatan; pembelajaran dalam; pembelajaran mesin
Abstract:Abstract: This system for predicting volcanic eruptions will produce information that can help BMKG in making decisions to provide warnings to residents around the mountain. This will also help in mitigating volcanic eruptions,…
ptions, evacuating residents in volcanic eruptions. By using artificial neural networks with the backpropagation method, it can be used to predict volcanic eruptions. To conduct this test, criteria and factors that influence this volcanic eruption are needed. This method is tested using Matlab 6.1 software. In this test, various patterns will be carried out to compare the results of the network. From the various patterns tested, it can be seen that the number of epochs used affects the test results and will achieve the desired goal. The more epochs used, the faster the goal will be achieved. Where in the 4-2-1 pattern the goal was found in the 7th epoch with an error value of 0.0987135. This 4-2-1 pattern states that this network is tested with 4 input layers, 2 hidden layers and 1 output layer. The α value (α = learning rate) used is the Default value of 0.1. With this backpropagation method, you get more accurate results by getting smaller error values.
Keywords: backpropagation, matlab 6.1, layer, epoch, goal
Abstrak: Sistem untuk memprediksi gunung meletus ini akan menghasilkan informasi yang bisa membantu BMKG dalam mengambil keputusan untuk memberikan peringatan kepada warga sekitar gunung. Hal ini juga akan membantu dalam mitigasi bencana gunung meletus , evakuasi warga sekitar dalam bencana gunung meletus. Dengan menggunakan jaringan saraf tiruan dengan metode backpropagation bisa digunakan untuk memprediksi gunung meletus. Untuk melakukan pengujian ini dibutuhkan kriteria dan faktor yang mempengaruhi gunung meletus ini. Metode ini diuji dengan menggunakan software Matlab 6.1. Pada pengujian ini akan dilakukan dengan berbagai pola untuk membandingkan hasil dari jaringan tersebut. Dari berbagai pola yang diuji dapat dilihat bahwa jumlah epoch yang dipakai mempengaruhi hasil pengujian dan akan mencapai goal yang diinginkan. Semakin banyak epoch yang dipakai maka akan semakin cepat goal tersebut dicapai. Dimana pada pola 4-2-1 goal ditemukan pada epoch ke 7 dengan nilai eror 0,0987135. Pola 4-2-1 ini menyatakan bahwa jaringan ini diuji dengan 4 jumlah input layer, 2 hidden layer dan 1 output layer. Nilai α (α = learning rate) yang digunakan adalah nilai Default yaitu 0.1. Dengan metode backpropagation ini mendapatkan hasil yang lebih akurat dengan mendapatkan nilai eror yang lebih kecil .
Kata kunci: backpropagation ; epoch ; goal ; layer ; matlab 6.1
Abstract:Abstract: The development of Internet of Things (IoT) technology has significantly impacted life, particularly in creating more efficient and secure smart homes. Smart homes integrate various electronic devices to enhance…
e comfort and energy efficiency. However, cost, integration complexity, and security issues remain. This study will simulate an IoT-based smart home system to analyse and evaluate device performance before real-world implementation. The simulation method involves testing connectivity and evaluating delay and packet loss using the ping method on each device. Results show the highest delay on CCTV devices at 41.8 ms and the lowest on motion detector 2 at 32.8 ms, with 0% packet loss. According to TIPHON standards, the network is rated excellent with an index of 4. The designed smart home system demonstrates optimal performance and is feasible for implementation but requires further development in configuration using AI and machine learning technologies.
Keywords: internet of things; simulation; smart home; testing
Abstrak: Perkembangan teknologi Internet of Things (IoT) telah membawa perubahan signifikan dalam kehidupan, terutama dalam pengembangan rumah pintar (smart home) yang lebih efisien dan aman. Smart home mengintegrasikan berbagai perangkat elektronik untuk meningkatkan kenyamanan dan efisiensi energi. Meskipun demikian, tantangan seperti biaya, kompleksitas integrasi, dan isu keamanan masih ada. Penelitian ini bertujuan untuk mensimulasikan sistem smart home berbasis IoT guna menganalisis dan mengevaluasi kinerja perangkat sebelum implementasi nyata. Metode simulasi yang digunakan melibatkan pengujian konektivitas dan evaluasi delay serta packet loss dengan metode ping pada setiap perangkat. Hasil menunjukkan delay tertinggi pada perangkat CCTV sebesar 41.8 ms dan terendah pada motion detector 2 sebesar 32.8 ms, dengan packet loss 0%. Berdasarkan standar TIPHON, jaringan dinilai sangat baik dengan indeks 4. Sistem smart home yang dirancang menunjukkan kinerja optimal dan layak diimplementasikan, namun masih memerlukan pengembangan lebih lanjut dalam konfigurasi menggunakan teknologi AI dan machine learning.
Keywords: internet of things; pengujian; simulasi; smart home
Abstract:Abstract: Mobile phones, as essential telecommunication devices today, are equipped with numerous features. The plethora of mobile phone models, especially gaming phones, requires consumers to be discerning in choosing a…
phone for everyday use. The problem is that many consumers do not understand how to purchase a phone that meets their specific criteria. The specifications that must be considered when selecting a gaming phone that fits within a budget and meets criteria include performance or specifications, screen quality, battery life, RAM, network connectivity, and price. A decision support system is a part of information systems designed to facilitate decision-making processes based on data or common everyday problems. The Weighted Product (WP) method is typically used in decision-making that involves multiple criteria to be considered simultaneously. Based on the WP method calculations, it was found that the recommended smartphone alternative is determined by the highest vector value (V) ranking according to user-defined criteria. The analysis results indicate that the recommended smartphone alternative is Alternative 1 with a score of 0.376, which is the Infinix GT 10 Pro, due to its comparable specifications to other models but with a more affordable price."
Keywords: decision support systems ; gaming cellphone; recommendation
Abstrak: Handphone sebagai perangkat telekomunikasi yang menjadi kebutuhan utama saat ini sudah dilengkapi dengan banyak fitur. Banyaknya keluaran jenis handphone khususnya handphone untuk game membuat konsumen harus pintar memilih handphone yang dapat digunakan setiap harinya Permasalahannya adalah konsumen banyak yang tidak paham bagaimana membeli handphone sesuai kriteria yang cocok. Adapun spesifikasi yang harus di saat akan memilih jenis handphone game yang sesuai dengan budget dan kriteria diantaranya adalah perfoma atau spesifikasi, tingkat kualitas layar, daya tahan batrai, RAM, koneksi jaringan, dan harga. Sistem pendukung keputusan merupakan bagian dari sistem informasi yang digunakan untuk memudahkan proses pengambilan keputusan berdasarkan data atau permasalahan yang sering ditemui dalam kehidupan sehari-hari. Metode Weighted Product umumnya digunakan dalam pengambilan keputusan yang melibatkan banyak kriteria yang harus dipertimbangkan secara bersamaan. Berdasarkan proses perhitungan dengan metode WP maka didapatkan bahwa alternatif smartphone yang direkomendasikan untuk dipilih adalah smartphone yang ditentukan berdasarkan peringkat nilai vektor (V) tertinggi sesuai dengan kriteria yang ditetapkan oleh pengguna. Hasil analisis menunjukkan bahwa alternatif smartphone yang direkomendasikan adalah Alternatif 1 dengan skor 0.376, yaitu Infinix GT 10 Pro karena memiliki spesifikasi yang hampir setara dengan yang lain namun dengan harga yang lebih terjangkau.
Kata kunci: handphone game; sistem penunjang keputusan; rekomendasi
Abstract:Abstract: Technology-based learning media is currently widely developed in accordance with the 21st-century learning model. Many subject matters are better delivered when using technology-based media. One of the media that…
at can be used is Augmented Reality. Based on this, the purpose of this study is to develop Augmented Reality in conveying the material of nets and ribs in Build Space. Augmented Reality is developed using 3D modeling, rigging, and animating methods, which are then combined using Unity. The results of the development of Augmented Reality applications in understanding the nets and ribs of this building space have been validated by experts and users. The validation results of this Augmented Reality application are rated Very Good.
Keywords: augmented reality; nets; ribs; spatial building.
Abstrak: Media pembelajaran berbasis teknologi saat ini banyak dikembangkan sesuai dengan model pembelajaran abad 21. Banyak materi pelajaran yang lebih baik disampaikan bila menggunakan media berbasis teknologi. Salah satu media yang dapat digunakan adalah Augmented Reality. Berdasarkan hal tersebut, tujuan penelitian ini adalah untuk mengembangkan Augmented Reality dalam menyampaikan materi jaring-jaring dan rusuk pada Bangun Ruang. Augmented Reality ini dikembangkan dengan menggunakan metode 3D modeling, rigging dan animating, yang selanjutnya digabungkan dengan menggunakan Unity. Hasil pengembangan aplikasi Augmented Reality dalam memahami jaring-jaring dan rusuk dari bangun ruang ini telah divalidasi oleh ahli dan user. Hasil validasi aplikasi Augmented Reality ini dinilai Sangat Baik.
Kata kunci: augmented reality; bangun ruang; jaring-jaring; rusuk
Abstract:Abstract: There are a great number of academics that are now conducting research on sentiment analysis by employing supervised and machine learning techniques. The research can be carried out with the assistance of a variety…
iety of sources, including reviews of movies, reviews of Twitter, reviews of online products, blogs, discussion forums, and other social networks. With the progress of technology, individuals may now effortlessly utilize social media platforms to access and share information, as well as express their viewpoints to the general public, without any constraints of distance or time. Twitter is a social media network that serves as a repository for opinions. Diverse techniques are employed to provide optimal and realistically precise pressure detection. The analysis and discussion affirm that the Support Vector Machine (SVM) was effectively employed in this study, utilizing public opinion data on television program reviews in Indonesia. An SVM classifier is employed to examine the Twitter data set by utilizing various parameters. The study successfully completed the preprocessing process by collecting a total of 400 data points, consisting of 320 reviews from 4 television shows for training data and 80 reviews for testing. The data was filtered and classified using SVM, with 200 positive and 200 negative data points for comparison. The experiment utilized the SVM method using TF-IDF to achieve the most accurate test results. The test accuracy was 80%, while the training data accuracy reached 100%.
Keywords: Sentiment Analysis; Support Vector Machine; Television Shows Review, TF-IDF,
Abstrak: Saat ini, banyak akademisi sedang menyelidiki analisis sentimen melalui pemanfaatan teknik yang diawasi dan pembelajaran mesin. Kajian dapat dilakukan dengan menggunakan beberapa sumber seperti review film, review Twitter, review produk online, blog, forum diskusi, atau jejaring sosial lainnya. Dengan kemajuan teknologi, masyarakat kini dapat dengan mudah memanfaatkan platform media sosial untuk mengakses dan berbagi informasi, serta menyampaikan pandangan mereka kepada masyarakat umum, tanpa batasan jarak dan waktu. Twitter adalah jaringan media sosial yang berfungsi sebagai gudang opini. Beragam teknik digunakan untuk menghasilkan deteksi tekanan yang optimal dan presisi secara realistis. Analisis dan pembahasan menegaskan bahwa Support Vector Machine (SVM) efektif digunakan dalam penelitian ini, memanfaatkan data opini publik tentang review program televisi di Indonesia. Pengklasifikasi SVM digunakan untuk memeriksa kumpulan data Twitter dengan memanfaatkan berbagai parameter. Penelitian berhasil menyelesaikan proses preprocessing dengan mengumpulkan total 400 titik data yang terdiri dari 320 review dari 4 acara televisi untuk data pelatihan dan 80 review untuk pengujian. Data disaring dan diklasifikasikan menggunakan SVM, dengan 200 titik data positif dan 200 titik data negatif sebagai perbandingan. Percobaan ini menggunakan metode SVM dengan menggunakan TF-IDF untuk mencapai hasil pengujian yang paling akurat. Akurasi pengujiannya mencapai 80%, sedangkan akurasi data pelatihan mencapai 100%.
Kata kunci: Analisis Sentimen, Review Tayangan Televisi, TF-IDF, Support Vector Machine
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