Articles
Healthy Menu Recommendation for Malnutrition Patients Based on Ontology
Igga Febrian Virgiani;
Z K A Baizal;
Ramanti Dharayani
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 7, No 1 (2023): Januari 2023
Publisher : Universitas Budi Darma
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30865/mib.v7i1.5543
A healthy diet is one of the keys to creating a healthy lifestyle, but at this time the selection of a healthy and nutritious meal menu in the society is difficult to do because of the limited nutritional information contained in a food. A healthy diet can help a person to get balanced nutrition, good nutritional intake can increase the body's immunity, and make a normal or healthy body weight so that it can increase work productivity and prevention of chronic diseases. To overcome this problem, we propose the use of ontology and Semantic Web Rule Language (SWRL) to build a healthy menu recommendation system in the form of a chatbot to make it easier for users to determine the daily meal menu. These recommendations are personalized by considering the user's needs. Ontology is used to represent the required knowledge and the reasoning process uses SWRL. From the results of system testing, the recommendations get the accuracy of the F-Score value of 0.951
Strategi Mahasiswa Angkatan 2021 KSR PMI Unit UNP Masa Pandemi Covid-19
Fajar Ramadhan;
Desri Nora
Jurnal Perspektif Vol 6 No 1 (2023): Jurnal Perspektif: Jurnal Kajian Sosiologi dan Pendidikan, Universitas Negeri Pad
Publisher : Labor Jurusan Sosiologi, Fakultas Ilmu Sosial, Universitas Negeri Padang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24036/perspektif.v6i1.672
Penelitian ini bertujuan untuk menjelaskan strategi adaptasi bagi mahasiswa tahun 2021 yang bergabung di Unit Kegiatan Mahasiswa (UKM) mengenai adaptasi yang dilakukan mahasiswa masa pandemi Covid-19. Penelitian ini menarik untuk diteliti karena dapat menjadi bahan terkait strategi mahasiswa baru yang aktif ikut organisasi meskipun dalam keadaan perkuliahan pandemi. Penelitian ini di fokuskan kepada mahasiswa tahun masuk 2021 yang bergabung ke Unit Kegiatan KSR PMI Unit UNP karena pada masa pandemi mahasiswa tahun 2021 yang berdampak pada mahasiswa tahun tersebut. Teori yang digunakan dalam penelitian ini yaitu teori struktural fungsional oleh Talcott Parson. Metode penelitian yang digunakan dalam penelitian ini adalah kualitatif dengan tipe studi kasus. Metode pengumpulan data menggunakan teknik wawancara, observasi dan dokumentasi. Penarikan informan meggunakan teknik snowball sampling yang mana jumlah informan yang didapatkan berjumlah 10 orang anggota aktif KSR PMI Unit UNP. Metode analisis data menggunakan teknik dari Miles dan Humberman yang terdiri dari reduksi data, mendisplaykan data dan penarikan kesimpulan atau verifikasi. Berdasarkan hasil penelitian yang telah dilakukan dapat dijelaskan bahwa pertama, strategi dalam beradaptasi yang dilakukan mahasiswa yaitu dengan cara datang ke PKM ketika tidak ada jam perkuliahan sehingga melakukan interaksi yang sering dilakukan, aktif berkegiatan agar merasa nyaman dan mengikuti piket markas sehingga dapat mengenal lingkungan. Kedua, hambatan dalam proses adaptasi yaitu keterbatasan komunikasi yang hanya bisa dilakukan secara online sehingga tidak efesiennya kegiatan yang dilakukan mahasiswa.
Speaking Ability of International Class Students of PGSD 2019 of Universitas Negeri Padang
Arsil Firmani;
An Fauzia Rozani Syafei
Journal of English Language Teaching Vol 12, No 1 (2023)
Publisher : Universitas Negeri Padang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24036/jelt.v12i1.121791
This research aimed to find out the speaking ability of students of PGSD international class along with the type of speaking difficulty found by the students. The researcher chose year 2019 of PGSD international class as the sample consists of 20 students. A speaking test in the form of interview from UPT Bahasa Universitas Negeri Padang was used in collecting the data. As the result, the speaking ability of the students were 70% fair and 30% very poor. 14 out of 20 students were in fair and 6 out of 20 were in very poor. Then, comprehension is in 23,6% as the highest percentage of students’ kind of difficulty. It is suggested to the lecturers in international class of PGSD 2019 to provide the students some extra classes of English so that they can perform the better speaking ability during the use of English as the medium in the class.
Analisis Dan Implementasi Conversational Recommender System Dengan Mekanisme Pemilihan Pertanyaan Menggunakan Reinforcement Learning Berbasis Ontology
Ilham Mujaddid Al Masyriq;
Z K Abdurrahman Baizal;
Erliansyah Nasution
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
Conversational recommender system merupakan salah satu variasi dari recommender system yang ada saat ini. Namun, proses pemilihan pertanyaan yang akan diajukan lebih dulu menjadi masalah jika jumlah pertanyaan yang ada dirasa cukup banyak dan tidak semua pertanyaan bisa diajukan, sehingga hanya dimunculkan beberapa saja. Oleh karena itu, diperlukan suatu mekanisme pembelajaran untuk memilih pertanyaan yang layak diajukan terlebih dahulu. Dalam tugas akhir ini digunakan reinforcement learning sebagai metode pembelajaran dalam proses pemilihan pertanyaan tersebut. Dengan ontology sebagai basis pengetahuanya, conversational system ini melakukan pembelajaran dengan menggali preferensi pengguna dengan mengajukan pertanyaan-pertanyaan berupa kebutuhan fungsional. Conversational recommender system ini diharapkan mampu memberikan pertanyaan yang sesuai dengan kebutuhan pengguna saat itu dan memberikan hasil rekomendasi yang akurat sesuai dengan preferensi pengguna sehingga interaksi pengguna pada system pun dapat dilakukan seefisien mungkin. Kata kunci: conversational recommender system, reinforcement learning, ontology, history.
Analisis Dan Implementasi Sistem Rekomendasi Menggunakan Most-frequent Item Dan Association Rule Technique
Yulisna Gita Hapsari;
Agung Toto Wibowo;
Z K Abdurahman Baizal
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
Informasi yang sangat banyak jumlahnya mendorong kebutuhan akan adanya sistem rekomendasi. Sistem rekomendasi merupakan sebuah perangkat lunak yang dapat digunakan untuk menghasilkan rekomendasi item yang dapat digunakan oleh user. Permasalahan yang ada dalam pembangunan sistem ini diantaranya terletak pada ketepatan rekomendasi yang dihasilkan. Teknik pendekatan paling sukses untuk membangun sistem rekomendasi ini salah satunya adalah dengan menggunakan collaborative filtering. Dari hasil penelitian sebelumnya, association rule memiliki nilai performansi tertinggi dalam menentukan rekomendasi bila dibandingkan dengan algoritma matrix factorization dan algoritma item-based recommendation. Sedangkan teknik most-frequent item secara sederhana dapat digunakan untuk menghasilkan rekomendasi berdasarkan item yang paling sering digunakan oleh user lain (neighbor). Pada penelitian ini dibuat sebuah sistem rekomendasi yang membandingkan antara 2 metode yaitu association rule dan most-frequent item. Sistem rekomendasi ini diterapkan pada data film dan menghasilkan rekomendasi berupa data item yang dapat ditonton oleh user. Hasil dari penelitian yang telah dilakukan adalah bahwa nilai precision yang dihasilkan dari metode associaton rule lebih tinggi dari nilai precision pada most frequent item pada semua skenario pengujian yang dilakukan. Nilai precision dari association rule adalah 0,38 sedangkan nilai precision most-frequent item adalah 0,23. Kata kunci : sistem rekomendasi, collaborative filtering, data mining, association rule, most-frequent item
Penanganan Masalah Cold Start Dan Diversity Rekomendasi Menggunakan Item-based Clustering Hybrid Method
Gentra Aditya Putra Ruswanda;
Z K Abdurrahman Baizal;
Erliansyah Nasution
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
Pada recommender system terdapat dua metode yang sering digunakan yaitu content-based filtering dan collaborative filtering. Metode-metode ini memiliki kelebihan dan kekurangannya masing-masing. Metode content-based filtering memiliki kekurangan dimana hasil rekomendasi yang diberikannya kurang beragam (diversity) dikarenakan metode ini hanya mengacu pada konten item yang direkomendasikan saja. Pada metode collaborative filtering terdapat masalah dimana item baru yang masih belum memiliki rating tidak dapat direkomendasikan karena data rating yang dibutuhkan saat proses rekomendasi tidak ada. Pada penelitian ini akan diuji hipotesis dimana kombinasi dari kedua metode tersebut dapat mengatasi masalah cold start dan diversity yand dimiliki masing-masing metode. Metode yang digunakan untuk mengkombinasikan kedua metode tersebut adalah Item-based Clustering Hybrid Method (ICHM). Pengukuran kemampuan ICHM dalam mengatasi masalah cold start akan dihitung menggunakan metrik Mean Absolute Error (MAE) sedangkan pengukuran diversity dari hasil rekomendasinya akan dihitung menggunakan metrik Intra-List Similarity (ILS). Hasil dari penelitian ini menunjukkan bahwa metode ICHM memiliki kemampuan lebih baik dalam menangani masalah cold start dibandingkan dengan collaborative filtering dengan nilai MAE 1,4522 dan 3,8103. Hasil dari pengujian diversity menunjukkan bahwa ICHM memiliki hasil rekomendasi yang lebih beragam dibandingkan dengan content-based filtering dengan nilai ILS -3,7187 dan 34,5709. Kata Kunci : recommender system, item-based clustering hybrid method, diversification, cold start
Penggalian Preferensi Kebutuhan Fungsional Dengan Conversational Recommender System Berbasis Ontologi
Romy Adzani Adiputra;
Z K Abdurrahman Baizal;
Erliansyah Nasution
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
Perkembangan teknologi yang semakin cepat menuntut pencarian informasi yang semakin mudah. Banyak sekali forum, blog, toko online, dan sebagainya yang menyediakan informasi mengenai suatu produk tertentu. Namun masalah yang sering terjadi saat ini adalah cara untuk mendapatkan suatu produk terbaik yang sesuai dengan kriteria pembeli dengan waktu yang singkat. Conversational Recommender System merupakan salah satu solusi yang bisa digunakan. Recommender system yang tersebar di dunia maya pada umumnya hanya berbasis filter spesifikasi tanpa menjelaskan kebutuhan yang akan pengguna butuhkan. Dengan adanya fitur conversation pada suatu recommender system, pengguna akan dipandu layaknya seorang calon pembeli yang sedang dibantu oleh seorang expert atau konsultan suatu produk dalam menemukan produk yang cocok dengan kebutuhan calon pembeli. Penggalian preferensi pada sistem akan memperluas kebebasan pengguna dalam menentukan preferensi yang diinginkan, sehingga perekomendasian produk akan semakin akurat. Dengan menyematkan basis atau model ontologi yang berbentuk jaringan semantik, sistem dapat melakukan learning terhadap kebutuhan pengguna dan mengkonversinya menjadi sebuah keputusan dalam merekomendasikan suatu produk layaknya seorang manusia dalam memberikan keputusan. Dengan begitu pengguna akan lebih nyaman dan cepat dalam menemukan produk yang sesuai dengan kebutuhannya. Kata kunci : conversational recommender system, knowledge-based filtering, ontology, preference elicitation
Pemrosesan Graf Berskala Besar Secara Paralel
Ufra Neshia;
Z K Abdurrahman Baizal;
Izzatul Ummah
eProceedings of Engineering Vol 3, No 1 (2016): April, 2016
Publisher : eProceedings of Engineering
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
Masalah pencarian rute terpendek untuk graf statis berskala besar dapat dilakukan dengan menggunakan algoritma yang dijalankan secara paralel. Dua algoritma yang dapat digunakan adalah algoritma Djikstra yang bersifat greedy dan algoritma Bellman-Ford yang menggunakan dynamic programming. Dijkstra lebih sulit diparalelkan namun memiliki waktu eksekusi yang relatif lebih cepat dibandingkan Bellman-Ford yang mudah diparalelkan namun waktu eksekusinya lebih panjang. Optimasi kedua algoritma dilakukan dengan menyimpan data graf dalam bentu Compact Spare Row, dan mendesain algoritma agar membagi data antar prosesor dengan efisien dan meminimalisir komunikasi antar prosesor. Kata Kunci: paralel, shortest path, graf, algoritma Djikstra, algoritma Bellman-Ford, performansi.
Implementasi Context-aware Recommender System Berbasis Ontology Untuk Merekomendasikan Tujuan Wisata Di Bandung Raya
Rizaldy Arigi;
Abdurahman Baizal;
Anisa Herdiani
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
Sektor pariwisata menunjukkan tren kenaikan untuk sumbangan devisa negara. Salah satu faktor kenaikan tersebut adalah semakin mudahnya mendapatkan informasi tujuan wisata di Indonesia melalui layanan Internet yang ada seperti TripAdvisor dan Foursquare. Namun kualitas rekomendasi tujuan wisata masih dapat ditingkatkan dengan recommender system yang mampu merekomendasikan tujuan wisata dengan memperhitungkan kondisi yang dihadapi pengguna. Recommender system adalah teknik dan kakas perangkat lunak yang digunakan untuk menyediakan rekomendasi item yang sesuai dengan kebutuhan pengguna. Untuk dapat menyediakan rekomendasi yang relevan dengan kebutuhan pengguna, Recommender system dapat menerapkan sifat context-aware dengan memanfaatkan informasi kontekstual pengguna seperti lokasi dan cuaca. Tugas akhir ini disusun melalui pengembangan dan pengujian recommender system yang memanfaatkan model objek dalam knowledge-based, yaitu ontology sebagai representasi pengetahuan pada domain pariwisata, kemudian memproses preferensi pengguna terhadap kategori wisata dan informasi kontekstual berupa lokasi pengguna, cuaca di sekitar tujuan wisata, waktu buka dan tutup tujuan wisata, sehingga menghasilkan rekomendasi tujuan wisata. Kata kunci: tujuan wisata, recommender system, context-aware, knowledge-based, ontology
Optimasi Kapasitas Penyimpanan Stego-image Menggunakan Algoritma Particle Swarm Optimization
Sahlya Handayati;
Danang Triantoro Murdiansyah;
Z K A Baizal
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
Manusia telah menyembunyikan pesan rahasia dengan berbagai metode dan variasi salah satunya adalah Steganography. Steganography merupakan pengembangan dari teknik pengamanan data. Saat ini telah banyak metode untuk steganography, misalnya metode LSB, HC-RIOT coder, DCT, dan DWT. Kebanyakan penelitian baru-baru ini menerapkan Discrete Wavelet Transform (DWT) karena aplikasi yang luas dalam standar kompresi gambar baru, JPEG2000. Oleh karena itu pada tugas akhir akan diterapkan Discrete Wavelet Transform dan Particle Swarm Optimization pada steganography untuk mengoptimasi kapasitas penyimpanan stego-image. Algoritma Particle Swarm Optimization beserta Optimal Pixel Adjustment Process juga diterapkan untuk mendapatkan fungsi pemetaan yang optimal untuk mengurangi perbedaan antara Cover image dan Stego-image. Optimal Pixel Adjustment Process dilakukan setelah menyisipkan pesan kedalam Cover image. Hasil akhir dari optimasi kapasitas menggunakan algoritma Particle Swarm Optimization 59.1199 dB untuk PSNR dan 50 % untuk capacity Kata Kunci: Steganography, Discrete Wavelet Transform, Particle Swarm Optimization, Optimal Pixel Adjustment Process.