Admin Website UNIKOM

Tag: unikom

  • Support Vector Machine untuk Klasifikasi Citra SatelitMenggunakan Metode Kernel Radial Basis Function

    Penulis: Nur Suhaili Mansor ; Hapini Awang ; Sarkin Tudu Shehu Malami ; Amirulikhsan Zolkafli ; Mohammed Ahmed Taiye ; Hanhan Maulana
    DOI: 10.1007/978-981-99-9589-9_23

    Abstrak

    Pembelajaran mesin, khususnya Support Vector Machines (SVM), telah memperoleh popularitas dalam pemrosesan data geospasial dan klasifikasi citra. Data geospasial dari berbagai sumber dapat mengandung kesalahan yang berdampak pada akurasi klasifikasi citra. Metode tradisional berbasis piksel dan berbasis objek mengalami kesulitan dalam mengklasifikasikan kelas tutupan lahan yang kompleks secara akurat. Studi sebelumnya telah mengeksplorasi algoritme pembelajaran mesin seperti Random Forests, K-Nearest Neighbors, dan Jaringan Saraf Tiruan. Namun, algoritme tersebut menghadapi tantangan dalam menangkap hubungan rumit di dalam citra dan memerlukan data pelatihan berlabel dalam jumlah besar, yang mengakibatkan beban komputasi yang tinggi. SVM dengan kernel polinomial telah dicoba dalam beberapa studi, tetapi metode ini rentan terhadap overfitting dan tidak efisien untuk kumpulan data besar. Untuk mengatasi permasalahan ini, studi ini menggunakan SVM dengan kernel RBF dan Linear untuk mengklasifikasikan citra satelit multispektral dari kumpulan data Citra Satelit SPOT-6 di Sungai Kelang, Malaysia. Penelitian sebelumnya mengevaluasi akurasi kinerja setiap kernel yang dibandingkan menggunakan kumpulan data uji, dengan memanfaatkan perangkat sumber terbuka seperti Jupyter Notebooks dan pustaka Python untuk mengeksplorasi potensi SVM sebagai teknik klasifikasi citra satelit berkinerja tinggi. Temuan penelitian mengungkapkan bahwa SVM dengan kernel RBF mengungguli SVM dengan kernel polinomial atau linear dalam mengklasifikasikan citra satelit. Ketahanan kernel RBF memungkinkan SVM untuk memodelkan batas keputusan yang rumit dan menangkap pola kompleks dalam data citra, sehingga cocok untuk tugas-tugas dengan data yang tidak dapat dipisahkan secara linear. Studi ini memperkenalkan metodologi baru dan kontribusi teoretis bagi literatur terkait klasifikasi citra, menjelaskan efektivitas SVM-RBF untuk pemrosesan data geospasial. Studi ini menyediakan alternatif terhadap pendekatan tradisional untuk tugas klasifikasi citra yang kompleks. Lebih lanjut, penelitian ini membantu dalam pemilihan algoritme yang optimal untuk aplikasi penginderaan jauh dan citra satelit. © 2024, Penulis, di bawah lisensi eksklusif dengan Springer Nature Singapore Pte Ltd.

    Kata Kunci Penulis
    Geospasial; Klasifikasi Citra; Kernel Linear; Kernel Radial Basis Function (RBF); Support Vector Machine

    Kata Kunci Terindeks
    Istilah Terkendali Teknik
    Klasifikasi (informasi); Jaringan kompleks; Penanganan data; Kehutanan; Kumpulan data besar; Algoritme pembelajaran; Pencarian tetangga terdekat; Jaringan fungsi basis radial; Penginderaan jauh; Citra satelit; Uji statistik; Support vector machines
    Istilah Tidak Terkendali Teknik
    Geospasial; Pemrosesan data geospasial; Klasifikasi citra; Metode kernel; Kernel linear; Kinerja; Kernel polinomial; Kernel fungsi basis radial; Klasifikasi citra satelit; Mesin vektor pendukung
    Istilah Utama Teknik
    Klasifikasi Citra

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/85185723250

  • IoT (Internet of Things) sebagai Alat Bantu Mengatur Ketinggian Air di Bendungan

    Penulis: Sri Supatmi, Dita Ardisura Pamungkas, Desta Rifaldi Nugraha, A Febrian, Audi Citra Fadilah

    DOI: 10.1109/INCITEST64888.2024.11121455

    Abstrak

    Di setiap bendungan di Sungai Citarum, petugas dari kantor pengelola harus pergi ke setiap bendungan untuk mengatur pintu irigasi dan mencatat untuk laporan. Jika petugas yang mengunjungi setiap bendungan dan membuat laporan irigasi dapat diminimalkan agar lebih efisien, maka penelitian ini bertujuan untuk membantu mengatur ketinggian air di bendungan melalui sistem pemantauan bendungan yang menggunakan Internet of Things (IoT). IoT adalah struktur di mana objek, orang yang diberi identitas eksklusif, dan kemampuan untuk memindahkan data melalui jaringan tanpa memerlukan komunikasi dua arah antara manusia ke manusia, sumber tujuan manusia atau interaksi ke komputer. Cara kerja IoT adalah objek harus memiliki alamat IP. Selanjutnya, alamat IP pada objek-objek ini terhubung ke jaringan internet. Ide ini diharapkan menjadi solusi alternatif bagi petugas bendungan dalam mengelola irigasi di bendungan untuk meningkatkan kinerja petugas dalam bekerja karena banyaknya waktu yang dihasilkan dari sistem pemantauan ini. Pengumpulan data dilakukan melalui wawancara di aula Badan Pengelola Sumber Daya Air Daerah Aliran Sungai (PSDA WS) di Citarum, Provinsi Jawa Barat. Hasil penelitian ini adalah prototipe alat pemantauan irigasi untuk memfasilitasi pemodelan perangkat. © 2024 IEEE.

    Kata kunci penulis

    sistem pemantauan bendungan; IoT; pengaturan ketinggian air

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015867292

  • Analisis Model Penerimaan Teknologi pada Penerapan Sistem Informasi Akuntansi

    Penulis: Harpa Sugiharti; Lulu Sri Hamdiati; Ajang Mulyadi; Apriani Puti Purfini; Nurul Amalia Ramdan
    DOI: 10.1109/INCITEST64888.2024.11121488

    Abstrak
    Penelitian ini bertujuan untuk mengetahui tingkat penerimaan pengguna melalui analisis Technology Acceptance Model (TAM) terhadap implementasi Sistem Informasi Akuntansi pada UMKM dengan menggunakan aplikasi Paper.id. Penelitian ini merupakan penelitian kuantitatif dengan metode deskriptif verifikatif. Sampel penelitian terdiri dari 155 pengguna UMKM aplikasi Paper.id yang menerapkan Sistem Informasi Akuntansi. Metode perhitungan sampel menggunakan teknik Inverse Square Root. Uji validitas instrumen menggunakan validitas konvergen dan uji reliabilitas menggunakan reliabilitas komposit. Data primer dalam penelitian ini adalah jawaban responden yang dikumpulkan melalui penyebaran kuesioner. Teknik analisis data yang digunakan adalah Analisis Structural Equation Modeling Berbasis Partial Least Square (PLS-SEM) dengan bantuan perangkat lunak SmartPLS 4.1. Pengujian hipotesis dilakukan dengan Uji-T melalui metode Bootstrapping. Hasil pengujian menunjukkan bahwa persepsi kegunaan dan persepsi kemudahan berpengaruh positif terhadap sikap untuk menggunakan, serta persepsi kegunaan dan persepsi kemudahan berpengaruh positif terhadap penggunaan secara aktual. Selanjutnya, sikap untuk menggunakan berpengaruh positif terhadap penggunaan secara aktual. © 2024 IEEE.

    Kata Kunci Penulis
    sikap untuk menggunakan; aplikasi paper.id; persepsi kegunaan; persepsi kemudahan; penggunaan secara aktual

    Kata Kunci Terindeks
    Istilah terkendali teknik
    Masalah invers
    Istilah tidak terkendali teknik
    Sistem Informasi Akuntansi; Sikap untuk menggunakan; Aplikasi Paper.; Analisis pemodelan; Persepsi kegunaan; Persepsi kemudahan; Model penerimaan teknologi; Penggunaan secara aktual; Uji validitas
    Topik utama teknik
    Sistem informasi; Penggunaan informasi

    Artikel ini dapat diakses melalui https://www.scopus.com/pages/publications/105015850795

  • Perbandingan Model Bidirectional-LSTM dan GRU untuk Analisis Sentimen dalam Bahasa Indonesia

    Penulis: Muhammad Rajab Fachrizal, Annisa Paramitha Fadillah, Lusi Melian

    DOI: 10.1109/INCITEST64888.2024.11121460

    Abstrak

    Bidirectional-LSTM dan GRU adalah model yang dapat digunakan untuk memproses data sekuensial, termasuk data teks. Penelitian ini membandingkan kedua model deep learning tersebut untuk mengklasifikasikan teks untuk analisis sentimen menggunakan Bahasa Indonesia. Dataset yang digunakan adalah data ulasan pengguna aplikasi mobile JKN BPJS Kesehatan yang diperoleh dari situs Google Play Store. Setelah pra-pemrosesan teks, jumlah data yang akan diproses adalah 93517 dengan tiga label target, positif, negatif, dan netral. Dengan menggunakan beberapa parameter model seperti Jumlah Unit, Aktivasi, Ukuran Batch, Dropout, dan parameter lainnya, hasil pengujian menunjukkan bahwa model Bidirectional-LSTM memiliki nilai akurasi sedikit lebih tinggi yaitu 96,70% dan nilai presisi, recall, dan F1Score lebih tinggi dibandingkan dengan model GRU. © 2024 IEEE.

    Kata kunci penulis

    Bahasa Indonesia; Bi-LSTM; pembelajaran mendalam; GRU; analisis sentimen; klasifikasi teks

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015853213  

  • Ensiklopedia Digital: Produk Integrasi antara Islam dan Ilmu Pengetahuan

    Penulis: Buchori Muslim; Nahadi; Sjaeful Anwar; Heli Siti Halimatul Munawaroh; Neng Sri Nuraeni; Tatan Tawami
    DOI: 10.1109/INCITEST64888.2024.11121463

    Abstrak

    Ensiklopedia digital dihasilkan dari integrasi antara Islam dan ilmu pengetahuan. Integrasi antara pengetahuan agama dan pengetahuan umum, atau sebaliknya, berupaya untuk memberikan pemahaman bahwa seluruh ilmu berasal dari Allah SWT, Adapun konten dan pengembangan dari keduanya merupakan bentuk ibadah kepada Sang Pencipta. Keberadaan dikotomi antara pendidikan keimanan (ilmu agama) dan pendidikan umum (sains) menjadikannya menarik untuk dikaji lebih mendalam. Hal ini menyebabkan hilangnya integrasi antar disiplin ilmu. Padahal, produk pendidikan saat ini cenderung berorientasi pada pengembangan intelektual, namun tidak diimbangi dengan aspek spiritual, emosional, sosial, dan moral. Tujuan dari penelitian ini adalah untuk menghasilkan sebuah ensiklopedia digital berbasis integrasi Islam dan ilmu pengetahuan. Metode penelitian yang digunakan dalam penelitian ini adalah deskriptif dengan model Design and Development yang dipopulerkan oleh Allesi dan Trollip. Instrumen yang digunakan dalam penelitian ini adalah instrumen uji alfa dan instrumen uji beta. Analisis data dilakukan dengan menyederhanakan data ke dalam bentuk yang lebih mudah dibaca dan diinterpretasikan. Hasil penelitian menunjukkan bahwa agama dan ilmu pengetahuan saling membutuhkan dan tidak saling bertentangan. Sebab, pengetahuan apa pun tidak berdiri sendiri (swasembada). Kehadiran ensiklopedia digital membawa pesan bahwa pengetahuan dapat dinikmati oleh siapa saja, tidak lagi terbatas oleh ruang dan waktu, serta lebih menarik. © 2024 IEEE.

    Kata kunci penulis
    dikotomi; ensiklopedia digital; islam dan sains; integrasi keislaman; media pembelajaran

    Kata kunci terindeks
    Istilah tidak terkendali bidang teknik
    Dikotomi; Ensiklopedia Digital; Pendidikan umum; Pengetahuan umum; Islam dan (ilmu agama) dan pendidikan umum; Integrasi keislaman; Media pembelajaran; Pendidikan sains; Disiplin ilmiah; Instrumen tes

    Topik utama bidang teknik
    Integrasi

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015889788

  • Analisis Kualitas Tingkat Sigma dengan Pendekatan Simulasi di PT. Mitra Rajawali Banjaran

    Penulis: Diana Andriani, Iyan Andriana, I Made Aryantha Anthara, Muhammad Rifky Naufal, Ira Rustiendah

    DOI: 10.1109/INCITEST64888.2024.11121464

    Abstrak

    PT. Rajawali Mitra Banjaran adalah perusahaan yang bergerak di bidang alat kesehatan. Salah satu produk perusahaan ini adalah alat suntik ADS (Auto Disable Syringe), namun produksi pada tahun 2022 memiliki tingkat cacat yang cukup tinggi yaitu 13% dari total produksi dan menunjukkan tingkat sigma sebesar 3,56. Diketahui bahwa faktor penyebab cacat tersebut adalah manusia, mesin, dan metode. Untuk meningkatkan level sigma perusahaan, diperlukan pengendalian mutu dan pembuatan model konseptual dari simulasi menggunakan ProModel. Kemudian, dilakukan perbandingan antara kondisi produksi aktual dan kondisi simulasi, dengan harapan dapat mengurangi jumlah cacat dan meningkatkan level sigma perusahaan. Berdasarkan hasil penelitian menggunakan aplikasi ProModel, output produk yang diusulkan memiliki perbedaan sebesar 18%, produk cacat menurun menjadi 6,5% dari model awal, dan nilai sigma meningkat menjadi 4,02. © 2024 IEEE.

    Kata kunci penulis

    simulasi model; proses produksi; pengendalian mutu; level sigma

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015892369 

  • Optimasi Deteksi Kebakaran Hutan Menggunakan PSO, 

    Jaringan Saraf Tiruan, dan Validasi Silang k-Fold

    Penulis: Nina Kurnia Hikmawati; Yudi Ramdhani; Doni Purnama Alamsyah
    DOI: 10.1109/ICIC64337.2024.10956756

    Abstrak

    Pencegahan kebakaran hutan dilakukan dengan mengidentifikasi kejadian berdasarkan kriteria tertentu menggunakan algoritma Jaringan Saraf Tiruan (JST). Untuk memastikan stabilitas hasil, data uji dan data latih dibagi menggunakan metode validasi silang k-fold dengan variasi nilai k-5, k-10, dan k-20. Kinerja algoritma JST terbukti meningkat secara signifikan setelah dioptimasi menggunakan Particle Swarm Optimization (PSO), dengan nilai akurasi rata-rata meningkat dari 97% menjadi 98,78% dan nilai AUC meningkat dari 0,997 menjadi 0,999. Studi bobot pada PSO menunjukkan adanya variabilitas nilai untuk setiap atribut, di mana atribut Hari dan Bulan tidak memberikan pengaruh signifikan terhadap klasifikasi. Hasil uji-t Berpasangan untuk Rata-rata menunjukkan bahwa penggunaan PSO meningkatkan akurasi secara signifikan. Penggabungan PSO dengan Jaringan Saraf Tiruan memberikan dampak positif yang cukup besar terhadap prediksi kebakaran hutan dan direkomendasikan untuk aplikasi yang membutuhkan akurasi tinggi. © 2024 IEEE.

    Kata kunci penulis
    Kebakaran Hutan; Pembelajaran Mesin; Jaringan Saraf Tiruan; Optimasi Kawanan Partikel

    Kata kunci terindeks
    Parameter rekayasa terkendali
    Kriteria stabilitas
    Parameter rekayasa tak terkendali
    Deteksi kebakaran hutan; Kebakaran hutan; Validasi silang k-fold; Pembelajaran mesin; Algoritma jaringan saraf tiruan; Jaringan saraf tiruan; Kawanan partikel; Optimasi kawanan partikel; Optimasi kawanan partikel – jaringan saraf tiruan; Optimasi kawanan partikel
    Subjek utama rekayasa
    Optimasi Kawanan Partikel (PSO)

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105004579202

  • Desain dan Implementasi Sistem Pemantauan dan Pengendalian Suhu dan Kelembaban pada Inkubator Telur Ayam Berbasis IoT

    Penulis: Hidayat, Aditia Dwi Subhana Putra, Mochamad Fajar Wicaksono

    DOI: 10.1109/INCITEST64888.2024.11121478

    Abstrak

    Suhu dan kelembaban selama penetasan telur ayam sangat menentukan keberhasilannya. Pembalikan telur yang tidak konsisten menyebabkan perkembangan embrio yang lambat. Jumlah telur dapat memengaruhi suhu dan kelembaban jika tidak dikelola dengan baik. Penelitian ini bertujuan untuk membangun sistem kontrol dan pemantauan berbasis IoT untuk penetasan telur ayam menggunakan ESP32 WROOM, DHT22, ESP32-CAM dan sensor PIR. Penelitian ini menggunakan metode eksperimental. Manfaat penelitian adalah memantau nilai suhu dan kelembaban di dalam inkubator dan mengontrol pembalikan telur. ESP32 WROOM 32 digunakan sebagai unit pengolahan data. DHT22 digunakan sebagai sensor suhu dan kelembaban. ESP32-CAM digunakan untuk memantau kondisi telur di dalam inkubator. Sensor PIR digunakan untuk mendeteksi telur yang menetas. Selain itu, motor stepper digunakan untuk memutar rak rol sehingga telur dapat dibalik. Hasil penelitian menunjukkan bahwa suhu di dalam inkubator dapat distabilkan pada 37°C-39°C. Pembalikan telur dapat dilakukan secara otomatis dan teratur setiap hari. Aplikasi Blynk dapat menampilkan suhu dan kelembaban di dalam inkubator dan melakukan streaming kondisi inkubator. Diharapkan hasil penelitian ini akan meningkatkan kemudahan pengelolaan penetasan telur ayam. © 2024 IEEE.

    Kata kunci penulis

    Aplikasi Blynk; inkubator telur; Internet of Things; sistem pemantauan; suhu dan kelembaban

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015874296

  • Model Pembelajaran Arduino Berbasis Android dengan Implementasi Augmented Reality Multi Marker

    Penulis: John Adler; Selvia Lorena Br Ginting; Mochamad Fajar Wicaksono; Dianto Setiyadi; Yogie Rinaldy Ginting
    DOI: 10.1109/INCITEST59455.2023.10396965

    Abstrak
    Penelitian ini bertujuan untuk mengembangkan sistem pembelajaran interaktif berbasis materi dasar Arduino Uno. Untuk mewujudkan sistem tersebut, digunakan teknologi Augmented Reality yang mampu menjelaskan fungsi setiap pin Arduino Uno beserta penjelasan dari setiap contoh rangkaian dasar yang disediakan. Latar belakang penelitian ini adalah proses pembelajaran Arduino Uno yang sering menyebabkan kerusakan pada papan Arduino maupun komponen yang terhubung dengannya saat proses perakitan rangkaian. Permasalahan ini terjadi karena kurangnya pemahaman terhadap teori dasar. Pemanfaatan teknologi Augmented Reality mampu menampilkan objek Arduino dalam bentuk virtual 3D. Agar objek 3D dapat ditampilkan, digunakan marker sebagai penanda setiap objek. Pengenalan Arduino Uno disimulasikan dengan menampilkan visual nyata melalui metode multi marker, yaitu marker utama yang memuat objek 3D rangkaian Arduino serta marker pendukung yang berisi penjelasan rangkaian. Dengan demikian, proses pembelajaran tidak lagi terbatas pada metode konvensional dan dapat meminimalkan kesalahan pada saat praktik. Metode yang digunakan dalam pengembangan sistem adalah metode waterfall. Metode ini merupakan bagian dari penerapan perancangan sistem dengan target yang terstruktur dan jelas. Berdasarkan hasil pengujian, aplikasi pembelajaran Arduino Uno mampu berjalan dengan baik menggunakan beberapa marker, objek 3D maupun 2D dapat dijalankan pada smartphone, serta pengujian black box dan pembacaan marker dilakukan pada tingkat pencahayaan yang berbeda dan dari berbagai sudut pembacaan. © 2023 IEEE.

    Kata kunci penulis
    arduino; augmented reality; pembelajaran; marker; smartphone

    Artikel ini dapat diakses melalui: https://www.scopus.com/pages/publications/85185201436

  • A Comparative Algorithm Study Using Titanic Dataset for Best Accurate Prediction

    Authors: Wahyudin; Dwi Fitria Al Husaeni; R. Rasim; Hanhan Maulana; Shah Nazir

    DOI: 10.1109/ICIC64337.2024.10956979

    Abstract

    The Titanic is a British cruise ship that is claimed to be the largest ship ever built in world history. The ship struck an iceberg on its maiden voyage across the Atlantic in 1912 from Southampton to New York. Of the more than 2.200 passengers, almost half died in this tragic accident. This famous incident prompted scientists to research more about the event. This research aims to analyze data and understand the factors that influence passenger survival. Using Machine Learning techniques and a data set consisting of 891 records, researchers tried to determine the relationship between factors such as age, gender, passenger class, and ticket price. This research uses various machine learning algorithms such as Random Forest, Optimize Selection, and Optimize Features to predict the accuracy of each algorithm. These factors may influence passenger survival rates. Specifically, this research aims to compare algorithms based on the percentage accuracy of test data. The research results show that the highest accuracy is achieved by the Random Forest algorithm with weight optimization using Particle Swarm Optimization (PSO). © 2024 IEEE.

    Author keywords

    Data Mining; Optimize Weighting; Particle Swarm Optimization; Random Forest

    Indexed keywords

    Engineering controlled terms

    Particle swarm optimization (PSO)

    Engineering uncontrolled terms

    Accurate prediction; Algorithm study; Cruise ships; Large ships; Optimize weighting; Particle swarm; Particle swarm optimization; Random forests; Ship strikes; Swarm optimization

    Engineering main heading

    Random forests

    This article can be accessed at https://www.scopus.com/pages/publications/105004581469