Abstract:System chatbot at the Kominfo service agency that will help process sentences based on keywords or phrases to get the desired information to facilitate service. The customer service agent system is divided into 3 parts,…
namely responder, classifier, and graphmaster. Responder is the part that connects the bot with the user. The task of the responder is to transfer data from the user to the classifier and control the input and output. The classifier is the part that filters and normalizes the input and performs segmentation of the sentences that have been inputted. Graphmaster is the part that matches the input pattern to the facts that have been created.
Abstract:Pemerintah Indonesia menghadapi sejumlah problematika dalam bidang perekonomian, memerlukan solusi tepat untuk meningkatkan kondisi ekonomi. Keterlibatan langsung pemerintah dalam merespon dan memecahkan masalah tersebut…
memerlukan pemahaman mendalam terhadap problematika yang dihadapi masyarakat. Pasar, sebagai pusat ekonomi, mengalami transformasi signifikan dengan adanya platform online seperti TikTok, yang sebelumnya menyediakan fitur belanja yang populer. Dalam menghadapi dampak positif dan negatif dari fitur belanja TikTok, pemerintah memutuskan untuk menutup fitur tersebut. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap kebijakan tersebut menggunakan Lexicon Based sebagai metode pelabelan, serta Naïve Bayes dan Random Forest sebagai model klasifikasi. Dengan menggunakan teknik crawling data, penelitian ini akan menyajikan analisis sentimen untuk memahami pandangan masyarakat terkait penutupan fitur belanja TikTok dan implikasinya terhadap perekonomian Indonesia.
Abstract:Abstract: Automated batik motif classification is challenged by high inter-class similarity and texture complexity. This study proposes a hybrid model integrating MobileNetV2 as a feature extractor and Support Vector Machine…
hine (SVM) as the classifier to optimize accuracy and efficiency. Utilizing a Kaggle dataset of 8,640 images across 20 batik categories, the data was partitioned into 420 training images per class (Dayak: 360) and 15 testing images per class. The results demonstrate superior performance with 96.00% accuracy, exceeding the 90% target. The system showed high computational efficiency with a total execution time of 359.92 seconds and feature extraction taking only 22.63 seconds. This hybrid approach provides an ideal performance balance for resource-constrained mobile applications.
Keywords: batik classification; MobileNetV2; support vector machine; hybrid model; computational efficiency
Abstrak: Klasifikasi motif batik secara otomatis menghadapi tantangan kemiripan visual antar-kelas yang tinggi. Penelitian ini bertujuan mengoptimalkan akurasi dan efisiensi pengenalan batik menggunakan model hibrida MobileNetV2 sebagai pengekstraksi fitur dan Support Vector Machine (SVM) sebagai klasifikator. Menggunakan dataset Kaggle berisi 8.640 citra dari 20 kategori batik, data dibagi menjadi 420 citra latih per kelas (kecuali Batik Dayak 360) dan 15 citra uji per kelas. Hasil eksperimen menunjukkan performa impresif dengan akurasi 96,00%, melampaui target awal 90%. Sistem ini sangat efisien dengan total waktu eksekusi 359,92 detik, di mana ekstraksi fitur hanya membutuhkan 22,63 detik. Kombinasi MobileNetV2 dan SVM memberikan keseimbangan performa ideal untuk implementasi pada perangkat bergerak dengan sumber daya terbatas.
Kata kunci: klasifikasi batik; MobileNetV2; Support Vector Machine; Hybrid Model; efisiensi komputasi
Abstract:Abstract: SMP Muhammadiyah 5 Samarinda still relies on manual evaluation with limited data analysis tools in predicting student academic achievement. This study aims develop a system for predicting the learning achievement…
nt of students at SMP Muhammadiyah 5 Samarinda using the Naive Bayes classification method. The dataset used consists of 192 student exam scores covering academic scores, attendance, parents’ education and income, and living conditions as independent variables, while the dependent variable is the achievement label (achieved or not achieved). The preprocessing stage includes label normalization, feature selection, and median imputation to handle missing data. The dataset was divided into 75% training data and 25%. The model was implemented as a pipeline consisting of a median imputer and a Gaussian Naive Bayes classifier. The evaluation results showed that the model achieved an accuracy of 79.2%, with a perfect recall value (1.00) in the high-achieving class and (0.64) in the low-achieving class. This shows that the model is quite effective in identifying high-achieving students. The trained model was then integrated into a Flask-based web application, which enables online predictions through a simple form interface, facilitating contextual interpretation. This system is expected to assist in educational decision-making by helping teachers identify students’ achievement levels early on and design more targeted learning interventions.
Keywords: academic performance; educational data mining; naive bayes; prediction system; student achievement
Abstrak: SMP Muhammadiyah 5 Samarinda masih bergantung pada evaluasi manual dengan alat analisis data terbatas dalam melakukan prediksi prestasi akademik siswa. Penelitian ini bertujuan mengembangkan sistem prediksi prestasi belajar siswa SMP Muhammadiyah 5 Samarinda menggunakan metode klasifikasi Naive Bayes. Dataset yang digunakan terdiri atas 192 data nilai ujian siswa yang mencakup skor akademik, kehadiran, pendidikan dan pendapatan orang tua, serta kondisi tempat tinggal sebagai variabel independen, sedangkan variabel dependen berupa label prestasi (berprestasi atau tidak berprestasi). Tahap preprocessing meliputi normalisasi label, seleksi fitur, serta imputasi median untuk menangani data yang hilang. Dataset dibagi menjadi 75% data latih dan 25%. Model diimplementasikan dalam bentuk pipeline yang terdiri atas median imputer dan Gaussian Naive Bayes classifier. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 79,2%, dengan nilai recall sempurna (1,00) pada kelas berprestasi dan lebih rendah (0,64) pada kelas tidak berprestasi. Hal ini menunjukkan bahwa model cukup efektif dalam mengidentifikasi siswa berprestasi. Model yang telah dilatih kemudian diintegrasikan ke dalam aplikasi web berbasis Flask, yang memungkinkan prediksi secara daring melalui antarmuka formulir sederhana untuk mendukung interpretasi kontekstual. Sistem ini diharapkan dapat membantu untuk pengambilan keputusan dalam pendidikan dengan membantu guru mengidentifikasi tingkat prestasi siswa sejak dini dan merancang intervensi pembelajaran yang lebih terarah.
Kata kunci: prestasi akademik; penambangan data Pendidikan; naive bayes; sistem prediksi; prestasi siswa
Abstract:Abstract: Higher education plays an essential role in improving human resource quality, one of which is through the institution’s ability to monitor and predict student graduation outcomes. This study does not focus on a…
a specific university but utilizes the publicly available Students Performance in Exams dataset from Kaggle, consisting of 1,000 student records containing mathematics, reading, and writing scores, along with demographic attributes such as gender, parental education level, lunch type, and test preparation participation. The data were processed through a feature engineering stage by adding an average score variable as an early indicator of graduation status. A predictive model was developed using the Random Forest Classifier, achieving an accuracy of 94.5%. The final model was integrated into a Streamlit-based web application to provide an accessible tool for academic stakeholders. The results indicate that the proposed model can serve as an effective decision-support tool for early evaluation of students’ likelihood of graduation.
Keywords: prediction; random forest classifier, streamlit, student graduation.
Abstrak: Pendidikan tinggi memegang peran penting dalam peningkatan kualitas sumber daya manusia, salah satunya melalui kemampuan institusi dalam memantau dan memprediksi tingkat kelulusan mahasiswa. Penelitian ini tidak berfokus pada perguruan tinggi tertentu, melainkan menggunakan dataset publik Students Performance in Exams dari Kaggle yang berisi 1.000 data mahasiswa, terdiri atas nilai matematika, membaca, menulis, serta atribut demografis seperti gender, tingkat pendidikan orang tua, jenis makan siang, dan partisipasi kursus persiapan. Data diolah melalui tahap feature engineering dengan menambahkan variabel average score sebagai indikator awal kelulusan. Model prediksi dibangun menggunakan algoritma Random Forest Classifier, yang menghasilkan tingkat akurasi sebesar 94,5%. Model ini kemudian diimplementasikan ke dalam aplikasi web berbasis Streamlit untuk memberikan layanan prediksi yang mudah diakses oleh pihak akademik. Hasil penelitian menunjukkan bahwa model mampu digunakan sebagai alat pendukung keputusan untuk melakukan evaluasi dini terhadap potensi kelulusan mahasiswa.
Kata kunci: kelulusan mahasiswa; prediksi; random forest classifier; streamlit.
Abstract:Abstract: Face detection remains a challenging task in computer vision due to real-world factors such as uneven lighting, varying viewpoints, distance, and occlusion. This study aims to develop and evaluate a real-time facial…
acial feature detection application (detecting face, eyes, nose, and mouth) using MATLAB and a webcam. Detection is performed using the Viola-Jones Cascade Classifier method through the vision.CascadeObjectDetector function. Key parameters that were adjusted include the MergeThreshold (ranging from 4 to 50 depending on the feature) and MinSize (based on estimated feature size within the frame). However, this study does not include tuning of other parameters such as FalseAlarmRate, which constitutes a limitation of the employed method. The adjustment of these parameters proved significant in improving detection accuracy and robustness under varying lighting conditions. Nevertheless, the system still encounters difficulties in detecting facial features in the presence of occlusion. This study also has the potential to serve as a foundation for further developments in face recognition, emotion detection, or biometric authentication.
Keywords: computer vision; haar cascade; MATLAB
Abstrak: Deteksi wajah merupakan tantangan dalam visi komputer karena dipengaruhi oleh kondisi nyata seperti pencahayaan tidak merata, sudut pandang, jarak, dan obstruksi. Penelitian ini bertujuan untuk mengembangkan dan menguji aplikasi deteksi fitur wajah secara real-time (wajah, mata, hidung, dan mulut) menggunakan MATLAB dan kamera webcam. Deteksi dilakukan dengan metode Viola-Jones Cascade Classifier melalui fungsi vision.CascadeObjectDetector. Parameter penting yang disesuaikan adalah MergeThreshold (antara 4 hingga 50 tergantung fitur), MinSize (mengikuti estimasi ukuran fitur dalam frame). Namun, penelitian ini tidak mencakup penyesuaian parameter lain seperti FalseAlarmRate, yang menjadi salah satu keterbatasan metode yang digunakan. Penyesuaian parameter ini terbukti signifikan dalam meningkatkan akurasi deteksi dan ketahanan terhadap variasi kondisi pencahayaan. Namun, sistem masih mengalami kesulitan mendeteksi fitur wajah jika terjadi obstruksi. Penelitian ini juga berpotensi menjadi dasar untuk pengembangan lebih lanjut dalam face recognition, emotion detection, atau biometric authentication.
Kata kunci: visi computer; haar cascade; MATLAB
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 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:Abstrack: Diffable or the word that has defenition is “ Different Abled People†the term for disabled people. One example of disabled is people who do not have hands, so to write even have to use their feet. Along with…
. Along with the increasingprogress of computer technology, the role of computer technology has also increased for the benefit of humans. One of them is the field of human and computer interaction ( IMK) or also called Human Computer Interaction ( HCI) . Although computer technology equipment is accurate and reliable, but the interaction model that is carried out is not natural as humans interact with each other, the use of such equipment to operate it requires direct contact between user and the computer. For people who dissabilities who do not have hands, it will be difficult to do so. Computer vision based interaction techniques are candidates for natural interaction techniques. The human head can also be used to replace the function of a mouse that can be used to move the cursor up and down left or right for and to click on the mouse using the blik an eye. Detection using head movements has been widely applied including in the fields of entertainment, education, and security. The camera is a tool used to make head recognition. The camera is used as a sensor to detect head movements. Head motion detection is implemented by using opency phython.
Keyword: difabel, head, webcame, opencv python
Abstrak: Difabel atau kata yang memiliki definisi “Different Abled People†ini adalah sebutan bagi orang cacat. Salah satu contoh kaum difabel adalah orang yang tidak mempunyai tangan, sehingga untuk menulispun harus menggunakan kaki. Seiring meningkatnya kemajuan teknologi komputer, peranan teknologi komputer juga semakin meningkat yang digunakan untuk kepentingan manusia. salah satunya adalah bidang interaksi manusia dan komputer (IMK), atau sering disebut Human Computer Interaction (HCI). Keyboard, mouse, dan joystick merupakan salah satu perangkat keras yang sering digunakan untuk interaksi antara manusia dan komputer yang bersifat mekanis. Meskipun peralatan-peralatan tersebut akurat dan handal (reliable), tetapi model interaksi yang dilakukan tidak bersifat alami sebagaimana manusia berinteraksi dengan sesamanya, penggunaan peralatan-peralatan tersebut untuk mengoperasikannya membutuhkan adanya kontak langsung antara user dengan komputer. Untuk kaum difabel yang tidak mempunyai tangan, akan susah melakukan hal tersebut. Teknik interaksi berbasis visi komputer menjadi kandidat teknik interaksi yang bersifat alami. kepala manusia bisa juga digunakan untuk menggantikan fungsi mouse yang bisa digunakan untuk menggerakan cursor keatas kebawah kekiri maupun kekanan dan untuk melakukan klik pada mouse menggunakan kedipan mata. Pendeteksian menggunakan gerakan kepala telah diaplikasikan secara luas diantaranya pada bidang hiburan, pendidikan serta keamanan. Kamera (webcam) merupakan alat yang digunakan untuk melakukan pengenalan kepala. Kamera ini digunakan sebagai sensor untuk mendeteksi pergerakan kepala. Pendeteksian gerakan kepala diimplementasikan dengan menggunakan opencv python.
Abstract:Meat is one of the essential food ingredients in meeting the nutritional needs. The current problem lies in the consumers' lack of knowledge on how to differentiate between pork, beef, goat, and lamb meat. This is because…
e when the meat is already cut, their appearances may seem similar at first glance. Many consumers are unaware of the practice of mixing different types of meat for consumption. One way to classify animal meat is by using image processing. In this research, an image processing system is created to classify meat, specifically pork, beef, goat, and lamb. Support Vector Machine (SVM) is a development of Machine Learning that can be used in classifying images into specific classes. SVM method as a classifier is performed using a confusion matrix. The test results show the highest accuracy value obtained in the class of Goat Meat 91.4%, the highest precision in the class of goat meat 80%, the highest recall in the class of beef 81.3%, and the highest F1-score in the class of beef 0.76.