Articles

Found 32 Documents
Search

Twitter Sentiment Analysis on 2013 Curriculum Using Ensemble Features and K-Nearest Neighbor

International Journal of Electrical and Computer Engineering (IJECE) Vol 8, No 6: December 2018 (Part II)
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Original Source | Check in Google Scholar | Full PDF (563.823 KB)

Abstract

2013 curriculum is a new curriculum in the Indonesian education system which has been enacted by the government to replace KTSP curriculum. The implementation of this curriculum in the last few years has sparked various opinions among students, teachers, and public in general, especially on social media twitter. In this study, a sentimental analysis on 2013 curriculum is conducted. Ensemble of several feature sets were used twitter specific features, textual features, Parts of Speech (POS) features, lexicon based features, and Bag of Words (BOW) features for the sentiment classification using K-Nearest Neighbor method. The experiment result showed that the the ensemble features have the best performance of sentiment classification compared to only using individual features. The best accuracy using ensemble features is 96% when k=5 is used.

Klasifikasi Minyak Goreng Berdasarkan Frekuensi Penggorengan Menggunakan Metode K-Nearest Neighbor Berbasis Raspberry Pi

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 3 No 2 (2019)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Original Source | Check in Google Scholar | Full PDF (1195.974 KB)

Abstract

Minyak goreng sering digunakan oleh masyarakat sebagai bahan baku untuk menggoreng bahan pangan.Terdapat beberapa jenis minyak salah satunya minyak nabati. Minyak nabati mengandung asam lemak esensial yang memiliki kegunaan untuk mencegah penyempitan pada pembuluh darah , yang akan mengakibatkan penumpukan kolestrol. Minyak goreng yang digunakan secara berulang bisa menimbulkan berbagai macam penyakit. Minyak yang digunakan berulang akan membuat ikatan rangkap minyak teroksidasi dan membentuk gugus peroksida dan monomer siklik, dan akan terkandung asam lemak trans. Dari permasalahan tersebut, diperlukan sebuah sistem yang dapat mengklasifikasi frekuensi penggunaan minyak goreng. Pada penelitian ini parameter yang diteliti pada minyak goreng yaitu dari warna dan kekeruhan. Untuk menentukan klasifikasi frekuensi penggorengan pada minyak goreng, untuk pendeteksian warna dari R(Red), G(Green), B(Blue) diperoleh dari hasil pembacaan kamera raspberry pi dan untuk kekeruhan diperoleh dari pembacaan LDR(Light Emitting Diode) oleh Raspberry Pi 3 dengan menggunakan metode KNN(K-Nearest Neighbor). Dari hasil pengujian yang dilakukan diketahui persentase akurasi dari pembacaan R(Red), G(Green), B(Blue) pada kamera raspberry pi dengan sensor TCS3200 adalah sebesar R= 89,964%, G = 86,139%, B = 82,293%. Pada pengujian sistem yang menggunakan metode KNN(K-Nearest Neighbor) dengan jumlah data latih 72 data dan data uji 30 data, diperoleh akurasi K=1, K=3, K=5 sebesar 73,33% dengan waktu komputasi sistem rata – rata selama 3,9ms.  

Implementasi Metode K-Nearest Neighbor untuk Rekomendasi Keminatan Studi (Studi Kasus: Jurusan Teknik Informatika Universitas Brawijaya)

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 7 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Original Source | Check in Google Scholar | Full PDF (1404.471 KB)

Abstract

Prodi Informatika Universitas Brawijaya mempunyai 5(lima) keminatan yang akan ditempuh mahasiswa dalam menjalani perkuliahan. Mengingat sangat pentingnya keminatan ini untuk perkuliahan mahasiswa yang nantinya juga berpengaruh pada tugas akhir (skripsi) hingga kelulusan mahasiswa, maka mahasiswa diharapkan untuk memilih keminatan yang sesuai dengan minat dan bakatnya. Berdasarkan Buku Pedoman Fakultas Ilmu Komputer Universitas Brawijaya tahun 2016 keminatan yang ada pada prodi Informatika ada 5 (lima) keminatan yaitu Rekayasa Perangkat Lunak, Komputasi Cerdas, Perangkat bergerak, Jaringan Komputer serta Game. Agar mahasiswa dapat memilih keminatan yang sesuai maka di perlukan sistem rekomendasi untuk keminatan mahasiswa dengan harapan mahasiswa dapat memilih keminatan yang sesuai dengan bakat, keinginan serta tentu saja nilai mata kuliah wajib yang sudah ditempuh. Dengan mengimplementasikan metode K-Nearest Neighbor yang bertujuan untuk memberikan rekomendasi keminatan berdasarkan atribut nilai-nilai mata kuliah wajib. Pengujian dilakukan dengan membandingkan hasil keminatan yang sudah diverifikasi oleh akademik kampus dengan hasil dari sistem. Dari pengujian data uji sebanyak 30 data mahasiswa yang sudah memilih keminatan maka didapatkan hasil akurasi sebanyak 76,66% terhadap data latih dengan nilai K yang paling optimal adalah K bernilai 10, maka dapat disimpulkan sistem rekomendasi keminatan ini dapat membantu mahasiswa memberikan rekomendasi keminatan yang akan dipilih.

Sistem Pendeteksi Jenis Buah Mangga Menggunakan Metode Template Matching

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 12 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Original Source | Check in Google Scholar | Full PDF (1448.135 KB)

Abstract

Algoritma Template Matching merupakan metode sederhana yang digunakan untuk mengenali pola pada sebuah citra. Metode Template Matching sering digunakan untuk mengidentifikasi citra karakter huruf, angka, sidik jari dan aplikasi-aplikasi pencocokan citra lainnya. Pada Penelitian ini dibuat sebuah sistem untuk mendeteksi jenis buah mangga. Terdapat 3 jenis buah mangga yang dapat dideteksi, yaitu Manalagi, Arumanis, dan Golek. Metode yang  digunakan pada aplikasi ini adalah Template Matching, yaitu teknik statistik yang digunakan untuk mencari dua variabel/matriks atau lebih yang sifatnya kuantitatif. Algoritma ini mencocokkan  setiap  pixel  pada suatu  matriks  citra  digital  dari  buah  mangga dengan citra yang menjadi template acuan. Hasil dari uji coba menunjukan bahwa klasifikasi Jenis buah mangga dengan metode Template Matching ini dapat mendeteksi gambar buah mangga yang diujikan. Tingkat keberhasilan pendeteksian jenis buah mangga tersebut sebesar 70.83% dari data uji sebanyak 24 citra.

Implementasi Raspberry Pi Embedded System Pada Kamar Mandi Pintar Untuk Monitoring Dan Otomatisasi

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 9 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Original Source | Check in Google Scholar | Full PDF (1047.081 KB)

Abstract

Penyediaan fasilitas kamar mandi pada saat ini dinilai sangat penting, terutama dengan pesatnya perkembangan teknologi di masyarakat. Kamar mandi merupakan tempat yang paling sering dikunjungi oleh semua orang tak terkecuali lansia dan kalangan disabilitas. Jumlah kasus jatuh di kamar mandi cukup tinggi, seseorang selalu memiliki resiko jatuh di kamar mandi terkait dengan kondisinya. Dampak dari insiden jatuh di kamar mandi yang dialami seseorang secara fisik adalah cidera ringan, sampai dengan kematian. Oleh karena itu, sehingga dibuat sistem kamar mandi pintar, yang dimana sistem ini dapat diterapkan di berbagai fasilitas kamar mandi umum untuk memonitor dan otomatisasi pada kamar mandi tersebut. Sistem ini memberikan gambaran prototype untuk memonitor dan otomatisasi kamar mandi dengan memanfaatkan Raspberry Pi sebagai mikroprocessor. Sistem ini memberi keuntungan dapat mengetahui seseorang yang terjatuh di kamar mandi dan penghematan energi listrik supaya tidak terbuang pada saat tidak digunakan. Pengujian ditekankan pada pengguna yang berbeda-beda. Dari hasil pengujian, sistem ini memiliki nilai kebenaran 100% pada pengujian fungsional. Pada pengujian proses pendeteksian oleh Raspi-camera, user 1, user 2, user 3 berhasil  terdeteksi dari sudut yang berbeda-beda dikarenakan perbedaan jarak berdiri dari setiap user. Pada pengujian orang melewati Raspi-camera, akurasi sistem mencapai 73.3%.

Analisis Sentimen Kurikulum 2013 pada Twitter menggunakan Ensemble Feature dan Metode K-Nearest Neighbor

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 9 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Original Source | Check in Google Scholar | Full PDF (368.047 KB)

Abstract

Kurikulum 2013 merupakan kurikulum baru dalam sistem pendidikan Indonesia yang telah diberlakukan oleh pemerintah untuk menggantikan kurikulum 2006 atau Kurikulum Tingkat Satuan Pendidikan (KTSP). Diberlakukannya kurikulum ini pada beberapa tahun terakhir memicu berbagai kontroversi dalam dunia pendidikan Indonesia, seperti siswa yang dituntut lebih aktif, jam pelajaran yang ditambah dan hal-hal lainnya yang menyebabkan muncul berbagai opini yang berkembang di masyarakat terutama pada Twitter. Diperkirakan sekitar 200 juta pengguna Twitter melakukan posting 400 juta tweet per hari. Dalam penelitian ini, dilakukan analisis sentimen untuk mengetahui opini yang berkembang tersebut yang dibagi ke dalam opini positif atau opini negatif. Fitur dan metode yang digunakan adalah ensemble feature dan metode klasifikasi K-Nearest Neighbor (K-NN). Ensemble feature merupakan fitur gabungan, berupa fitur statistik Bag of Words (BoW) dan semantik (twitter specific, textual features, PoS features, lexicon based features). Berdasarkan serangkaian pengujian, kombinasi fitur berdampak dalam meningkatkan akurasi metode K-Nearest Neighbor (K-NN) untuk menentukan opini positif atau negatif. Penggabungan fitur ini dapat melengkapi kelemahan masing-masing fitur, sehingga hasil akhir akurasi yang didapatkan dengan menggabungkan kedua fitur tersebut mecapai 96%. Berbeda hal jika hanya menggunakan fitur secara independen saja, akurasi yang didapatkan hanya mencapai 80% pada fitur Bag of Words (BoW) dan 82% pada fitur ensemble tanpa Bag of Words (BoW).

IMPLEMENTASI ANALISIS CITRA DIGITAL UNTUK PERHITUNGAN LUAS SEL DALAM PAP SMEAR

TEKNO Vol 5, No 1 (2006)
Publisher : TEKNO

Show Abstract | Original Source | Check in Google Scholar | Full PDF (1166.46 KB)

Abstract

Metode yang digunakan dalam penelitian ini: operasi mengubah citra warnamenjadi citra keabuan; operasi mengubah kecerahan; operasi mengubah kontras; operasideteksi tepi; ekstrasi ciri menggunakan region growing dan operasi mengubah citra kedalam bentuk citra biner, kemudian ditentukan luasan inti sel dalam sediaan pap smear.Dari hasil proses region growing penelitian ini dapat ditentukan ukuran luasan setiap intisel yang ada di dalam sediaan pap smear dengan tingkatan displasia ringan yang dapatdigunakan untuk menunjukkan inti sel yang terindikasi kanker rahim Dari interpretasi 47inti sel dalam satu sediaan pap smear didapatkan kesalahan 2.13%

Rancang Bangun Alat Pendeteksi Kecelakaan Mobil Menggunakan Sensor Akselerometer dan Sensor 801s Vibration

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 12 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Original Source | Check in Google Scholar | Full PDF (733.198 KB)

Abstract

Peningkatan infrastruktur, terutama jalan dan jalan tol, akan membuat industri jasa transportasi semakin menjanjikan. Salah satunya adalah bisnis jasa sewa mobil yaitu meningkat hingga 70%. Ada sejumlah alasan, kenapa jasa sewa mobil lebih menjadi pilihan dari pada membeli atau memiliki mobil sendiri, terutama bagi kalangan dunia usaha. Selain menghemat anggaran, menyewa kendaraan bermotor juga menghilangkan sejumlah kerepotan, seperti soal pemeliharaan, perpanjangan surat kendaraan bermotor, bahkan menghilangkan risiko kehilangan kendaraan bermotor. Berdasarkan data yang di dapat dari meningkatnya usaha jasa sewa mobil perlunya upaya menjaga kenyamanan antara pemberi jasa dengan pelanggan, hal yang perlu diperhatikan ketika pemberi jasa harus menjaga asetnya berupa mobil mereka yang sedang disewa. Dan pelanggan harus menjaga mobil yang sedang mereka sewa. Dari permasalahan tersebut diperlukan adanya penelitian yang terkait dengan notifikasi kecelakaan untuk menjaga aset prusahaan dan kenyamanan pelanggan. Proses pengamilan data uji dengan cara manual untuk di jadikan data masukan untuk perhitungan naïve bayes. Penyesuaian data di tetapkan dengan mengacu pada data akselerometer jika data lebih dari 4g maka masuk dalam kondisi kecelakaan. Pengambilan data dari kondisi berjalan di dapat persentase kesesuaian sebesar 90%, lalu pada saat pengambilan dalam kondisi berhenti mendadak sebesar 78%, dan saat kondisi kecelakaan sebesar 98%. Dari hasil data uji dari hasil klasifkasi menggunakan metode naïve bayes didapat degan pengambilan data uji pada masing masing 16 kali pengujian pada setiap skenario, pada kondisi berjalan didapat nilai keakurasian sebesar 98,7 %, kondisi berhenti mendadak didapat nilai keakurasian sebesar 87,5 %, dan kondisi kecelakaan didapat nilai keakurasian sebesar 98,7 %.

Optimasi Komposisi Pakan Kambing Boer Menggunakan Algoritme Evolution Strategies

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 10 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Original Source | Check in Google Scholar | Full PDF (387.713 KB)

Abstract

Permasalahan yang sering terjadi dalam usaha ternak kambing boer adalah penggunaan bahan pakan yang belum efisien. Kesalahan dalam menentukan bahan pakan yang digunakan selama ini berdampak pada rendahnya kandungan nutrisi yang diberikan kepada kambing boer yang mengakibatkan kambing boer tersebut tidak tumbuh serta berkembang sama baik. Dalam sudut pandang ekonomi, pembelian bahan pakan ternak jadi biaya tertinggi dalam usaha peternakan, sehingga biaya tersebut harus ditekan serendah mungkin buat memaksimalkan penbisaan. Mengoptimalkan penyusunan bahan pakan (ransum) kambing boer adalah cara buat menekan biaya pembelian bahan pakan serta buat memaksimalkan keuntungan maupun penbisaan. Dalam kasus ini digunakan algoritme evolution stategies buat mengoptimasi komposisi bahan pakan kambing boer. Tipe proses ES yang digunakan adalah (μ/r + λ) sehingga proses reproduksi melibatkan rekombinasi serta hasil mutasi nantinya akan diikutkan bersama parent dalam proses seleksi serta seleksi menggunakan elitism selection. Solusi optimal diperoleh dari ukuran populasi sebanyak 90 serta jumlah generasi 100 memperoleh rata-rata nilai fitness tertinggi yaitu 0.803. Hasil akhir berupa rekomendasi komposisi pakan ternak kambing boer.

Sistem Deteksi Lama Waktu Penyimpanan Daging Ayam Berdasarkan Warna Dan Kadar Amonia Berbasis Sensor TCS3200 dan MQ135 Dengan Metode Jaringan Syaraf Tiruan

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 3 No 2 (2019)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Original Source | Check in Google Scholar | Full PDF (691.766 KB)

Abstract

Lama waktu penyimpanan daging ayam adalah faktor penting yang berhubungan dengan kesegaran dan kualitas dari daging ayam apakah daging tersebut layak dikonsumsi atau tidak. Pada penelitian ini dirancang sebuah sistem yang dapat mengidentifikasi tingkat kesegaran daging ayam secara cepat, akurat, dan bersifat non-destructive. Sistem ini diimplementasikan ke dalam sebuah mikrokontroler arduino dengan menggunakan sensor gas dan sensor warna sebagai alat klasifikasi dalam menentukan lama waktu penyimpanan sebuah daging ayam. Proses penginputan data didapatkan melalui akuisisi data dengan dua buah sensor, yaitu sensor gas MQ135 dan sensor warna TCS3200 yang mampu membaca parameter berupa kadar amonia dan warna RGB. Untuk proses klasifikasi digunakan algoritme supervised learning dari jaringan syaraf tiruan yang mampu mengenali dan mengelompokkan data berdasarkan target yang telah ditentukan di awal. Terdapat 3 jenis kelas tingkatan lama waktu penyimpanan daging yang diuji yaitu daging yang baru saja disembelih s/d lama waktu penyimpanan 12 jam, kelas kedua daging dengan lama penyimpanan lebih dari 12 jam s/d 24 jam dan kelas ketiga yaitu daging dengan lama penyimpanan lebih dari 24 jam. Penelitian ini menghasilkan akurasi sistem sebesar 86,7% dalam menentukan lama waktu penyimpanan daging ayam, dengan rata-rata waktu komputasi yang dibutuhkan selama 3,2 detik.