Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Automata

Perbandingan Penggunaan Algoritma Machine Learning pada Prediksi Tren Harga Saham Netflix Harry Akbar Al Hakim; Dhomas Hatta Fudholi
AUTOMATA Vol. 2 No. 2 (2021)
Publisher : AUTOMATA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Salah satu instrumen finansial yang cukup dikenal dan digandrungi oleh masyarakat adalah saham, karena mampu memberikan keuntungan yang besar. Selama pandemi Covid-19 pertumbuhan investor saham di Indonesia mencapai 27% dalam waktu satu tahun. Namun untuk bisa mendapatkan keuntungan investor harus mampu melihat tren harga saham yang sedang terjadi untuk dapat memaksimalkan keuntungan. Penelitian ini bertujuan mencoba memprediksi tren pergerakan harga saham menggunakan pendekatan algoritma deep learning. Algoritma yang digunakan akan dibandingkan satu sama lain untuk  mengetahui algoritma mana yang efektif untuk memproses data saham. Algoritma yang akan dibandingkan adalah Linear Regression, Decision Tree Regression serta Long Short Term Memory (LSTM). Data yang akan digunakan adalah data saham Netflix, Inc (NFLX) yang merupakan saham dari bursa saham NASDAQ. Didapatkan hasil bahwa model LSTM mempunyai nilai RMSE 10.834, Linear Regression dengan nilai RMSE 11.906 dan Decision Tree Regression dengan nilai RMSE 36.679. Kesimpulan yang dapat diambil adalah performa algoritma LSTM yang khusus dikembangkan untuk memproses data time series dapat mengungguli kedua algoritma lainnya.
Implementasi Arsitektur Transformer pada Image Captioning dengan Bahasa Indonesia Umar Abdul Aziz Al-Faruq; Dhomas Hatta Fudholi
AUTOMATA Vol. 2 No. 2 (2021)
Publisher : AUTOMATA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstract—Penelitian image captioning untuk menghasilkan deskripsi yang baik pada gambar dalam Bahasa Inggris banyak dilakukan. Sedikit penelitian yang ditemukan mengenai image captioning untuk menghasilkan deskripsi gambar dalam Bahasa Indonesia. Penelitian ini akan berfokus dalam mengembangkan model generative yang menggabungkan natural language preprocessing dan computer vision untuk menghasilkan deskripsi gambar dalam Bahasa Indonesia. Model yang digunakan dalam penelitian ini adalah attention mechanism dengan arsitektur transformer. Model penelitian ini menggunakan dataset MS COCO captions 2014 yang sudah diterjemahkan dan memperoleh skor rata-rata BLEU-1, BLEU-2, BLEU-3, BLEU-4 masing-masing adalah 31.12, 32.31, 42.39, 46.16.
Deteksi Objek Masker Menggunakan EfficientDet-Lite3 Ferdian Nursulistio; Arrie Kurniawardhani; Dhomas Hatta Fudholi
AUTOMATA Vol. 3 No. 2 (2022)
Publisher : AUTOMATA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Masker merupakan benda yang digunakan untuk menutupi mulut dan hidung untuk mencegah menghirup dan melepaskan cairan pernafasan. Jenis masker dibagi dua, yaitu masker medis dan non-medis yang biasa dibuat dari tekstil atau bahan lainnya yang bisa dipakai berulang kali. Baik menggunakan masker medis maupun masker kain keduanya dapat menyaring dengan baik partikel atau cairan dengan tingkat efisiensi 86.4% untuk masker kain dan 99.9% untuk masker medis 3M. Masker digunakan untuk mencegah penyakit menular seperti pada pandemi COVID-19 serta juga digunakan untuk melindungi petugas kesehatan untuk mencegah Infeksi Nosokomial di rumah sakit. Maka dibuatlah model object detection untuk mendeteksi apakah seseorang menggunakan masker medis, masker kain, masker scuba, tidak menggunakan masker dengan benar, atau tidak menggunakan masker. Metode yang digunakan adalah TensorFlow Lite Model Maker dengan model dasar EfficientDet-Lite3. Model yang dihasilkan sebanyak dua jenis dengan rata-rata presisi sebesar 75.82%, 75.84% dan rata-rata recall 82.61%, 82.25%. untuk model pertama dan kedua berturut-turut.
Image Captioning for Mobile Application Affan Taufiqur; Dhomas Hatta Fudholi, S.T., M.Eng., Ph.D.
AUTOMATA Vol. 3 No. 2 (2022)
Publisher : AUTOMATA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Image Captioning adalah proses untuk memproduksi teks deskripsi dari suatu gambar secara otomatis. Penggunaan image captioning dapat diaplikasikan ke banyak bidang seperti virtual assistant, image indexing, social media, dan berbagai macam aplikasi yang memanfaatkan Natural Language Processing. Image captioning memiliki banyak manfaat yang dapat dipakai dalam kehidupan sehari-hari, seperti edukasi untuk anak kecil, dan membantu orang yang memiliki pengelihatan kurang. Tekonologi image captioning sudah lama dikembangkan, tetapi, penggunaan dalam skala publik masih kurang. Dalam penelitian ini, saya mengembangkan aplikasi image captioning yang dapat digunakan dalam ponsel sehari-hari. Saat ini lebih dari 80% dari semua populasi di dunia memiliki ponsel pintar, yang berarti aplikasi image captioning dapat digunakan sehari-hari secara praktis. Aplikasi bekerja dengan cara pengguna memilih gambar dari ponsel mereka, dan cukup menekan satu tombol saja, caption dari gambar tersebut langsung keluar. Implementasi aplikasi image captioning langsung pada ponsel membutuhkan kinerja komputasi yang cukup tinggi, yang dimana kinerja ponsel pintar sekarang masih kurang mampu, karena itu sekarang masih sedikit aplikasi image captioning yang dapat digunakan di ponsel pintar. Pada penelitian ini, saya mengembangkan aplikasi image captioning yang dapat digunakan di ponsel dengan menggunakan model yang sudah dikembangkan dari keras, model tersebut menggunakan CNN sebagai yang mengambil fitur pada gambar, transformer sebagai input dan output, dan menggunakan Flick8K_dataset sebagai gambar untuk melatih model, hasil latihan dari model ini akan digunakan sebagai model akhir yang digunakan untuk menghasilkan caption. Model ini mendapatkan BLEU score sebesar 0.31 setelah di test menggunakan 15 gambar yang diambil dari validation sets. Model akan diunggah ke server dan aplikasi android akan melakukan komunikasi dengan model yang ada di server untuk menghasilkan caption. Dengan itu aplikasi image captioning di ponsel bisa digunakan oleh semua orang waulupun memiliki kinerja komputasi yang berbeda-beda karena semua kalkulasi di lakukan di server dan aplikasi android hanya perlu mengirim dan menerima data saja.
Co-Authors Abdullah Aziz Sembada Abdullah Aziz Sembada Abyan Fadilla Noor Aditya Perwira Joan Dwitama Affan Taufiqur Afrianto, Nurdi Ahmad Fathan Hidayatullah, Ahmad Fathan Ahmad Luthfi Ahmad Rafie Pratama Altesa Yunistira Andi Wafda Andri Heru Saputra Annisa Zahra Ari Farhan Nurihsan Ari Sujarwo Arief Rahman Arrie Kurniawardhani Arrie Kurniawardhani Chandra Kusuma Dewa Chatarina Umbul Wahyuni Dendy Surya Darmawan Deny Rahmalianto Dimas Adi Wibowo Dimas Danu Budi Pratikto Dimas Pamilih Epin Andrian Dimas Panji Eka Jalaputra Dirgahayu, Raden Teduh Dziky ridhwanulah Eko Prasetio Widhi Eko Setiawan Erin Eka Citra Fahmi Adi Nugraha Ferdian Nursulistio Fery Luvita Sari Gilang Persada Bhagawadita Gunanto Gunanto Harry Akbar Al Hakim Ibnu Fajar Arrochman Insanur Hanifuddin Iqbal Syauqi Mubarak Izzan Yattaqi Nugraha Izzati Muhimmah Jaka Nugraha LAILA KUSUMA WARDANI Lizda Iswari M. Ulil Albab Surya Negara Malik Abdul Aziz Mawar Hardiyanti Meilita . Moch Yusuf Asyhari Moch. Bagoes Pakarti, Moch. Bagoes Muhammad Abyanda Tamaza Muhammad Habib Izdhihar Muhammad Rizhan Ridha Muhammad Sulthon Alif Novian Mahardika Putra Purwoko, Agus Raden Teduh Dirgahayu Rahadian Kurniawan Rakhmat Syarifudin Rendy Ressa Sutrisno Ridho Iman Tiyar Risca Naquitasia Royan Abida N. Nayoan Sabar Aritonang Rajagukguk Safira Yuniar Putri Buana Salma Aufa Azaliarahma Salsabila Zahirah Pranida Septia Rani Septia Rani Sigit Nugroho Siti Mutmainah Siwi Cahyaningtyas Sri Mulyati Teduh Dirgahayu Tri Handayani Umar Abdul Aziz Al-Faruq Wahyu Fajrin Mustafa windi astriningsih Yasmin Aulia Ramadhini Yoga Sahria Yudi prayudi Zikri Wahyuzi