Claim Missing Document
Check
Articles

Found 4 Documents
Search

Prediksi Harga Mobil Bekas dengan Machine Learning Kriswantara, Bambang; Kurniawati, Kurniawati; Pardede, Hilman F
Syntax Literate Jurnal Ilmiah Indonesia
Publisher : CV. Ridwan Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (382.454 KB) | DOI: 10.36418/syntax-literate.v6i5.2716

Abstract

Harga mobil bekas dipengaruhi oleh beberapa faktor yang berkaitan dengan mobil itu sendiri, seperti jenis mobil, model, edisi, tahun produksi, transmisi, bahan bakar, kapasitas mesin, dan jarak tempuh. Harganya juga fluktuatif dan persaingan yang tinggi antar penjual mobil bekas, dibutuhkan alat untuk memprediksi harga mobil bekas secara akurat dan cepat. Tujuan dari penelitian ini untuk membantu show room mobil bekas dalam memprediski harga secara cepat dengan data history menggunakan metode Deep Neural Network (DNN) dengan tiga lapisan tersembunyi. Dalam Penelitian ini dilakukan dua pendekatan utama penelitian, yaitu pendekatan kualitatif dan pendekatan kuantitatif. Hasil penelitian kami menghasilkan MAE=501232, R2=0.88 yang lebih baik dari penelitian sebelumnya dengan metode Random Forest menghasilkan MAE=521947, R2=0.82. Sehingga Metode DNN akan meningkatkan akurasi prediski yang lebih baik, meskipun tidak naik secara signifikan mengacu pada hasil penelitian.
Evaluations of Emotion Analysis of Tweets using Bidirectional Long Short Term Memory and Conventional Machine Learning Kurniasih, Aliyah; Santoso, Aloysius Kurniawan; Wicaksono, Bagus Dwi; Pardede, Hilman F
Jurnal Teknologi dan Sistem Komputer Volume 10, Issue 2, Year 2022 (April 2022)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.2022.14141

Abstract

Many ideas are contained in the social media twitter as a form of expression for an event. This review can be used to determine a person's emotions based on text data so that we can determine the next action in addressing and responding to that opinion. Emotion classification on twitter can be done by recognizing the tweet text pattern of the user. In this study, representing emotions using the BiLSTM model and the Conventional Machine Learning model. The amount of learning rate and the number of layers and the optimizer used and the number of epochs in the BiLSTM model can affect the accuracy results. In the conventional machine learning model, the K value of the KNN, the selection of the naive bayes model on probalistic, and the Decision Tree variation in the values of Max-depth, min-leaves, min-split will affect the results of the accuracy value. So that we get a good model for the classification of emotional sentiments based on text data from an opinion on the tweets page. 
KLASIFIKASI SMS SPAM MENGGUNAKAN SUPPORT VECTOR MACHINE Setiyono, Agus; Pardede, Hilman F
Jurnal Pilar Nusa Mandiri Vol 15 No 2 (2019): Pilar Nusa Mandiri : Journal of Computing and Information System Periode Septemb
Publisher : LPPM Universitas Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (736.163 KB) | DOI: 10.33480/pilar.v15i2.693

Abstract

It is now common for a cellphone to receive spam messages. Great number of received messages making it difficult for human to classify those messages to Spam or no Spam. One way to overcome this problem is to use Data Mining for automatic classifications. In this paper, we investigate various data mining techniques, named Support Vector Machine, Multinomial Naïve Bayes and Decision Tree for automatic spam detection. Our experimental results show that Support Vector Machine algorithm is the best algorithm over three evaluated algorithms. Support Vector Machine achieves 98.33%, while Multinomial Naïve Bayes achieves 98.13% and Decision Tree is at 97.10 % accuracy.
PELATIHAN PEMANFAATAN AI UNTUK MENUNJANG PENINGKATAN LITERASI DIGITAL Pardede, Hilman F; Riana, Dwiza; Kurniawati, Laela; Ernawan, Ferda; Na'am, Jufriadif
TRIDHARMADIMAS: Jurnal Pengabdian Kepada Masyarakat Jayakarta Vol 4 No 2 (2024): PKM-TRIDHARMADIMAS (Desember 2024)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/tridharmadimas.v4i2.1719

Abstract

. Dengan adanya perkembangan teknologi informasi dan komunikasi yang semakin meningkat saat ini, memiliki keterampilan literasi digital menjadi suatu kebutuhan mendesak untuk mempersiapkan generasi muda menghadapi tantangan teknologi. Artificial intelligent hadir untuk membantu pekerjaan manusia hingga dapat menyelesaikan tugasnya dengan cepat, tepat, efektif dan efisien, bukan untuk menggantikan pekerjaan manusia. Mitra dalam program ini adalah Jaringan Pemuda dan Remaja Indonesia (JPRMI) DKI Jakarta. JPRMI DKI Jakarta bertempat di Jl. Jend. Basuki Rachmat No.1A, RT.1/RW.9, Bidara Cina, Kecamatan Jatinegara, Kota Jakarta Timur, Daerah Khusus Ibukota Jakarta 13410. JPRMI merupakan organisasi sosial dengan keanggotaan pemuda masjid di wilayah DKI Jakarta. Permasalahan yang selama ini dihadapi oleh mitra adalah kesulitan dalam memberikan pengarahan kepada peserta terkait bagaimana pemanfaatan AI untuk menunjang peningkatan literasi digital. Solusi untuk mitra dalam mengatasi permasalahan tersebut adalah memberikan pelatihan pemanfaatan AI untuk menunjang peningkatan literasi digital. Berdasarkan permasalahan tersebut Fakultas Teknologi Informasi Universitas Nusa Mandiri akan menyelenggarakan Tri Dharma Perguruan Tinggi yaitu kegiatan pengabdian masyarakat dengan tema Pelatihan Pemanfaatan AI untuk Menunjang Peningkatan Literasi Digital. Kegiatan PKM ini bertujuan untuk mengembangkan pengetahuan dan wawasan peserta terkait pemanfaatan AI untuk menunjang peningkatan literasi digital, dengan luaran yang ditargetkan dari kegiatan ini adalah publikasi release dan submit ke jurnal nasional