Garuda - Garba Rujukan Digital

Klasifikasi Sentimen pada Twitter Terhadap WHO Terkait Covid-19 Menggunakan SVM, N-Gram, PSO Noor Hafidz; Dewi Yanti Liliana
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 5 No 2 (2021): April 2021
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

On March 2020 World Health Organization (WHO) has declared Covid-19 as global pandemic. As special agency of United Nation who responsible for international public healthy, WHO has done various actions to reduce this pandemic spreading rate. However, the handling of Covid-19 by WHO is not free from a number of controversies that gave rise to criticism and public opinion on the Twitter platform. In this research, a machine learning based classifier model has been made to determine the opinion or sentiment of the tweet. The dataset used is a set of tweets containing the phrase WHO and Covid-19 in period of March 1st until May 6th 2020 consisting of 4000 tweets with positive sentiments and 4000 tweets with negative sentiments. The proposed classifier model combined Support Vector Machine (SVM), N-Gram and Particle Swarm Optimization (PSO). The classifier model performance is evaluated using the value of Accuracy, Precision, Recall, and Area Under ROC Curve (AUC). Based on experiments conducted, the combination of SVM, N-gram (bigram), and PSO produced a pretty good performance in classifying tweet sentiment with values of Accuracy 0,755, Precision 0,719, Recall 0,837, and AUC 0,844.

PERSOALAN SISTEM INFORMASI DAN METODE YANG DAPAT DIPILIH UNTUK MEMPELAJARINYA: INFORMATION SYSTEMS PROBLEMS AND APPROACHES TO STUDY THE PROBLEMS Diah Priharsari; Dewi Yanti Liliana
Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi Vol 1 No 2 (2020): Desember
Publisher : Fakultas Ilmu Komputer Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/justsi.v1i2.11

Tutorial ini berisi contoh-conoth penelitian yang dapat dikategorikan ke dalam persoalan sistem informasi. Selain itu juga ditunjukkan pendekatan penelitian kualitatif dan kuantitatif yang dapat digunakan untuk menyelesaikan persoalan tersebut.

BANTUAN KUOTA INTERNET UNTUK PENDIDIKAN DARI PEMERINTAH INDONESIA: SEJAUH APA MANFAATNYA? Dwi Cahya Astriya Nugraha; Diah Priharsari; Ismiarta Aknuranda; Dewi Yanti Liliana; Noveria Anggraeni Fiaji; Buce Trias Hanggara; M. Gilvy Langgawan Putra; Indira Putri Hendini; I Gede Surya Rahayuda; Prima Zulvarina
Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi Vol 1 No 2 (2020): Desember
Publisher : Fakultas Ilmu Komputer Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/justsi.v1i2.36

Esai ini adalah ringkasan dari sebuah diskusi yang membahas mengenai sejauh apa manfaat bantuan kuota internet untuk pendidikan yang dilakukan pada tanggal 16 november 2020 dengan total sepuluh peserta. Peserta mewakili beberapa golongan dari penerima pemberian bantuan kuota internet yaitu dosen & guru, mahasiswa dan siswa, dan orang tua siswa. Diskusi tersebut menghasilkan tiga hal terkait area penelitian, saran untuk pendidik dan institusi pendidikan, dan desain sosialisasi bantuan. Area penelitian tersebut adalah proses pembelajaran jarak jauh yang terjadi di Indonesia, perilaku pelajar terhadap teknologi, kondisi pendukung pembelajaran jarak jauh, dan kepentingan berkaitan dengan akses kuota internet yang perlu dibatasi atau tidak, dan bagaimana pembatasannya jika bantuan tersebut perlu dibatasi. Selain itu, dikumpulkan juga saran-saran yang dapat dilakukan pendidik dan institusi pendidikan yaitu: mengetahui kondisi siswa, mendesain proses belajar mengajar sesuai dengan kondisi siswa, dan khusus untuk anak yang belum dewasa dibutuhkan keterlibatan orang tua dalam mendesain pembelajaran. Satu hal yang tampak terlihat disorot oleh peserta diskusi adalah kekurangtahuan peserta diskusi mengenai adanya informasi yang lengkap mengenai bantuan kuota internet untuk pendidikan.

Visualisasi Data Program Vaksinasi Covid-19 di Kota Depok dengan Big Data Analytics Rizki Elisa Nalawati; Dewi Yanti Liliana
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 5, No 4 (2021): Oktober 2021
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v5i4.3330

Indonesia and various country in the world are facing the problem of the Covid-19 pandemic. In Indonesia, the suspect Covid-19 was found in March 2020 in Depok City, West Java. Until February 2021, the number of positive COVID patients was 1,527,524. The need for supervision of the administration of vaccines is carried out by the Depok City Health Office on a number of health facilities that are trusted to administer vaccines to the public. This supervision is carried out using surveillance through visualization of vaccine administration data from the community. So far, the number of vaccines given to all health facilities in Depok City from January to August is around 613276 times which includes the administration of dose 1, dose 2 and dose 3. The amount of existing data can be managed and visualized properly using big data analytics. To get a good shape and visualization in decision making, several data cleansing processes are carried out up to the visualization stage. The use of big data analytics can be used to visualize descriptive data that is able to describe the rhythm of vaccination in Depok City, categorization of vaccine recipients, the type of vaccine given to the number of doses given. So it can be estimated that every month, vaccine recipients will continue to increase, both receiving dose 1, dose 2 and dose 3. This is in line with the Depok government's target which will complete the provision of vaccines to the people of Depok by the end of 2021

Prediksi Gender Berdasarkan Citra Mata Menggunakan Metode Convolutional Neural Network, Inception dan MobileNet Nur Aini; Dewi Yanti Liliana
Poltanesa Vol 23 No 1 (2022): Juni 2022
Publisher : P2M Politeknik Pertanian Negeri Samarinda

Gender manusia dianggap sebagai sifat demografis utama karena berbagai penggunaannya dalam domain praktis. Klasifikasi gender manusia dalam lingkungan yang tidak dibatasi adalah tugas yang rumit karena variasi besar dalam skenario gambar. Karena banyaknya gambar internet, akurasi klasifikasi menderita dari metode pembelajaran mesin tradisional. Penelitian ini bertujuan untuk mengefektifkan proses klasifikasi gender dengan menggunakan konsep transfer learning. Hasil eksperimen menunjukkan bahwa model CNN, InceptionV3 dan MobileNet menggunakan transfer learning tiga hidden layer, setiap hidden layer terdiri dari convolutional layer, aktivasi ReLU dan max-pooling dapat mengklasifikasikan citra berjenis kelamin – laki-laki dan perempuan dengan tingkat yang baik. Akurasi ini juga karena pengoptimal kinerja yang digabungkan selama pelatihan dan pengujian data menggunakan pengoptimal Adam. Hasil pengujian dan evaluasi menggunakan menghasilkan nilai loss terendah untuk model MobileNet sebesar 0,149, dan juga nilai akurasi tertinggi 0,9390. Dengan hasil percobaan ini, maka kesimpulan yang dapat diambil adalah bahwa model MobileNet memiliki tingkat akurasi yang paling tinggi dalam proses pelatihan dan pengujian. Gender manusia dianggap sebagai sifat demografis utama karena berbagai penggunaannya dalam domain praktis. Klasifikasi gender manusia dalam lingkungan yang tidak dibatasi adalah tugas yang rumit karena variasi besar dalam skenario gambar. Karena banyaknya gambar internet, akurasi klasifikasi menderita dari metode pembelajaran mesin tradisional. Penelitian ini bertujuan untuk mengefektifkan proses klasifikasi gender dengan menggunakan konsep transfer learning. Hasil eksperimen menunjukkan bahwa model CNN, InceptionV3 dan MobileNet menggunakan transfer learning tiga hidden layer, setiap hidden layer terdiri dari convolutional layer, aktivasi ReLU dan max-pooling dapat mengklasifikasikan citra berjenis kelamin – laki-laki dan perempuan dengan tingkat yang baik. Akurasi ini juga karena pengoptimal kinerja yang digabungkan selama pelatihan dan pengujian data menggunakan pengoptimal Adam. Hasil pengujian dan evaluasi menggunakan menghasilkan nilai loss terendah untuk model MobileNet sebesar 0,149, dan juga nilai akurasi tertinggi 0,9390. Dengan hasil percobaan ini, maka kesimpulan yang dapat diambil adalah bahwa model MobileNet memiliki tingkat akurasi yang paling tinggi dalam proses pelatihan dan pengujian.

Klasifikasi Identitas Dengan Citra Telapak Tangan Menggunakan Convolutional Neural Network (CNN) Deviana Sely Wita; Dewi Yanti Liliana
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 6, No 1 (2022): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v6i1.7100

Biometrik merupakan ilmu yang membahas mengenai pengenalan identitas seseorang. Pengenalan seseorang dapat dilakukan melalui media suara, gambar, dan tulisan. Banyak sekali teknologi yang membutuhkan informasi otentik mengenai identitas seseorang. Dalam penelitian ini, menggunakan telapak tangan sebagai objek penelitian dikarenakan telapak tangan memiliki fitur unik yang berbeda pada setiap individu. Selain fitur unik, luas permukaan telapak tangan menjadi salah satu pertimbangan penulis dalam menentukan objek penelitian. Luas permukaan telapak tangan lebih besar jika dibandingkan dengan luas permukaan salah satu jari. Dengan menggunakan dataset sebanyak 26 label dimana citra telapak tangan yang masing-masing identitasnya dinamakan label A sampai label Z. Penelitian ini menggunakan metode deep learning yaitu CNN (Convolutional Neural Network) untuk mengklasifikasi masing-masing identitas pada citra telapak tangan. Hasil pengujian klasifikasi identitas dengan citra telapak tangan ini menunjukkan bahwa pada masing-masing label dapat diklasifikasikan dengan akurasi 98%.

DETEKSI PEMALSUAN CITRA BERBASIS DEKOMPOSISI NILAI SINGULIR Liliana, Dewi Yanti; Basaruddin, T.
Makara Journal of Science Vol. 13, No. 2
Publisher : UI Scholars Hub

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

Image Fakery Detection Based on Singular Value Decomposition. The growing of image processing technology nowadays make it easier for user to modify and fake the images. Image fakery is a process to manipulate part or whole areas of image either in it content or context with the help of digital image processing techniques. Image fakery is barely unrecognizable because the fake image is looking so natural. Yet by using the numerical computation technique it is able to detect the evidence of fake image. This research is successfully applied the singular value decomposition method to detect image fakery. The image preprocessing algorithm prior to the detection process yields two vectors orthogonal to the singular value vector which are important to detect fake image. The result of experiment to images in several conditions successfully detects the fake images with threshold value 0.2. Singular value decomposition-based detection of image fakery can be used to investigate fake image modified from original image accurately.

Self-Protection Equipment Detection System in Heavy Weight Workshop of Politeknik Negeri Jakarta Using Artificial Intel-ligence Rezakusuma, Muhammad; Abdillah, Abdul Azis; Liliana, Dewi Yanti; Edistria, Ega; Arifin, Samsul; Muzakki, Zahran
Recent in Engineering Science and Technology Vol. 1 No. 01 (2023): RiESTech Volume 01 No. 01 Years 2023
Publisher : MBI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59511/riestech.v1i01.4

The creating process, how it works and the performance of the detection system using Artificial Intelligence. The development of this innovation contributes to the Heavy Equipment Workshop of the Jakarta State Polytechnic to detect the early potential for work accidents. The methods are device tuning, inputs, training models, performance, trials and outputs. The creating process and how the detection system works using Artificial Intelligence each has 3 steps and accuracy using 3 cameras, namely the internal webcam (1MP), the JETE external webcam (720P) and the Samsung Galaxy A22 mobile phone camera (13MP). The process of making this innovation has 3 steps, namely data input, export, file grouping. There are 3 steps to work, namely open the file, run and output. The result of the accuracy of the internal webcam is very low, the JETE external webcam is better than the internal webcam and the mobile phone camera is better than the JETE external webcam.

Pengembangan Teknologi Metaverse Ekosistem E-Mobility Pada Pameran Teknologi International Berbasis Augmented Reality Marcheta, Noorlela; Liliana, Dewi Yanti; Setiawan, Agus; Sidiq, Ilham; Kurniawan, Asep
JTIM : Jurnal Teknologi Informasi dan Multimedia Vol 6 No 3 (2024): November
Publisher : Puslitbang Sekawan Institute Nusa Tenggara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35746/jtim.v6i3.563

Augmented Reality (AR) can be used as a new technology in organizing virtual and paperless exhibitions to make the products on display more attractive and updated regularly. This can happen because AR is a technology that integrates the virtual and real worlds. AR has been widely used as a medium to assist in providing information in real-time in an interesting, interactive, and educational way. This journal explains the development of AR media and its feasibility as an international promotional media in introducing the E-Mobility Ecosystem. The E-Mobility Ecosystem is a PENTA-branded convertible electric car, one of PNJ's superior technologies. The Hannover Messe'23 exhibition with the theme "Making Indonesia 4.0" requires products to be displayed in digital form (paperless). Thus, an application is needed to support digital promotion. This research aims to develop a Marker-Based AR application as one of the promotional media for E-Mobility Ecosystem products, which consist of charging stations, electric vehicles, and the Center Of Otomo-tive. The output of this research is an application that can show E-Mobility Ecosystem products by displaying a 3D Model when the mobile camera is directed at a card given an Object marker. This research method uses the Multimedia Development Life Cycle (MDLC). This research has been successfully developed and distributed. This is evidenced by user assessment using a Likert scale with a success rate of 87.8% strongly agree.

Prediksi Gender Berdasarkan Citra Mata Menggunakan Metode Convolutional Neural Network, Inception dan MobileNet Nur Aini; Dewi Yanti Liliana
Poltanesa Vol 23 No 1 (2022): Juni 2022
Publisher : P2M Politeknik Pertanian Negeri Samarinda

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51967/tanesa.v23i1.1272

Gender manusia dianggap sebagai sifat demografis utama karena berbagai penggunaannya dalam domain praktis. Klasifikasi gender manusia dalam lingkungan yang tidak dibatasi adalah tugas yang rumit karena variasi besar dalam skenario gambar. Karena banyaknya gambar internet, akurasi klasifikasi menderita dari metode pembelajaran mesin tradisional. Penelitian ini bertujuan untuk mengefektifkan proses klasifikasi gender dengan menggunakan konsep transfer learning. Hasil eksperimen menunjukkan bahwa model CNN, InceptionV3 dan MobileNet menggunakan transfer learning tiga hidden layer, setiap hidden layer terdiri dari convolutional layer, aktivasi ReLU dan max-pooling dapat mengklasifikasikan citra berjenis kelamin – laki-laki dan perempuan dengan tingkat yang baik. Akurasi ini juga karena pengoptimal kinerja yang digabungkan selama pelatihan dan pengujian data menggunakan pengoptimal Adam. Hasil pengujian dan evaluasi menggunakan menghasilkan nilai loss terendah untuk model MobileNet sebesar 0,149, dan juga nilai akurasi tertinggi 0,9390. Dengan hasil percobaan ini, maka kesimpulan yang dapat diambil adalah bahwa model MobileNet memiliki tingkat akurasi yang paling tinggi dalam proses pelatihan dan pengujian. Gender manusia dianggap sebagai sifat demografis utama karena berbagai penggunaannya dalam domain praktis. Klasifikasi gender manusia dalam lingkungan yang tidak dibatasi adalah tugas yang rumit karena variasi besar dalam skenario gambar. Karena banyaknya gambar internet, akurasi klasifikasi menderita dari metode pembelajaran mesin tradisional. Penelitian ini bertujuan untuk mengefektifkan proses klasifikasi gender dengan menggunakan konsep transfer learning. Hasil eksperimen menunjukkan bahwa model CNN, InceptionV3 dan MobileNet menggunakan transfer learning tiga hidden layer, setiap hidden layer terdiri dari convolutional layer, aktivasi ReLU dan max-pooling dapat mengklasifikasikan citra berjenis kelamin – laki-laki dan perempuan dengan tingkat yang baik. Akurasi ini juga karena pengoptimal kinerja yang digabungkan selama pelatihan dan pengujian data menggunakan pengoptimal Adam. Hasil pengujian dan evaluasi menggunakan menghasilkan nilai loss terendah untuk model MobileNet sebesar 0,149, dan juga nilai akurasi tertinggi 0,9390. Dengan hasil percobaan ini, maka kesimpulan yang dapat diambil adalah bahwa model MobileNet memiliki tingkat akurasi yang paling tinggi dalam proses pelatihan dan pengujian.

Title

Found 26 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 26 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 26 Documents
Search