Garuda - Garba Rujukan Digital

RANCANG BANGUN GAME SUITCAKE BERBASIS ANDROD DENGAN METODE ALGORITMA LINEAR CONGRUENT Reno Supardi; Tommy Dwi Putra
(JurTI) Jurnal Teknologi Informasi Vol 4, No 1 (2020): JUNI 2020
Publisher : Universitas Asahan

Abstract - Games are one type of entertainment that is played by everyone from the ages of children, young or old. Games are made with the intent and purpose so that the players become funny, happy, and can relieve stress. This research discusses the making of a game called SUITCASE that uses the Algorithm Linear Congruent Method (LCM) with Android Studio software. the Algorithm Linear Congruent (LCM) is a method of rounding random numbers that are widely used in computer programs. This game ignores traditional game suits with the same rules plus several additional features that make this game suit modern. Android-based, which means this game can run on the Android platform and can be downloaded on Playstore.Keywords: Game, Linear Congruent Method, Suit, Android.Abstrak - Game adalah salah satu jenis hiburan yang disukai oleh semua orang dari kalangan usia anak-anak, muda maupun tua. Game dibuat dengan maksud dan tujuan agar para pemain menjadi senang, bahagia dan bisa menghilangkan stress. Penelitian ini membahas tentang pembuatan sebuah game bernama SUITCAKE mengunakan Algoritma Linear Congruent Method (LCM) berbasis android dengan software Android Studio. Algoritma Linear Congruent Method (LCM) tersebut merupakan metode pembakitan bilangan acak yang banyak digunakan dalam program komputer. Game ini mengacuh pada permain suit tradional dengan aturan yang sama ditambah dengan beberapa fitur tambahan sehingga membuat permainan suit ini menjadi modern. Berbasis android yang artinya game ini dapat berjalan di plaffom Android dan bisa diunduh pada Playstore.Kata Kunci: Game, Metode Linear Congruent, Suit, Android

Klasifikasi penderita kanker Paru Paru Menggunakan Algoritma Artificial Neural Network (ANN) Tommy Dwi Putra; Ema Utami; Mei P.Kurniawan
Jurnal Explore Vol 12, No 2 (2022): JULI
Publisher : Universitas Teknologi Mataram

Kanker adalah penyakit yang disebabkan oleh perubahan sel yang menyebabkan pertumbuhan dan pembelahan sel tidak terkendali. kasus kanker paru di Indonesia mencapai 8,6% atau 30.023 kasus dengan angka kematian 12,6%. atau 26.095 kematian akibat kanker paru-paru. Kecerdasan Buatan membuat mesin mampu secara cerdas menjawab pertanyaan saat ini di bidang teknik yang sangat luas salah satunya bidang medis. Jaringan saraf tiruan adalah cabang dari kecerdasan buatan (artificial intelligence) yang cara kerjanya meniru aktivitas saraf otak manusia. Dengan cara ini, Artificial Neural network memberikan program komputer kemampuan untuk mengenali pola dan memecahkan masalah. Artificial Neural network juga termasuk dalam algoritma klasifikasi dan digunakan dalam penelitian. Pengklasifikasian pada penelitian penderita kanker paru menghasil akurasi training 92.79% dengan presisi 86.98% dan akurasi testing sebesar 95.12% dengan presisi 90.23%.

ANALISIS SENTIMEN PEMILU 2024 DENGAN NAIVE BAYES BERBASIS PARTICLE SWARM OPTIMIZATION (PSO) Tommy Dwi Putra; Ema Utami; Mei P.Kurniawan
Jurnal Explore Vol 13, No 1 (2023): JANUARI
Publisher : Universitas Teknologi Mataram

Pemilu merupakan sarana kedaulatan masyarakat untuk memilih anggota Dewan Perwakilan Rakyat, anggota Dewan Perwakilan Daerah, Presiden dan Wakil Presiden, dan pemilihan anggota Dewan Perwakilan Rakyat Daerah, dilakukan secara langsung. Pada penelitian ini penulis menggunakan metode Naïve Bayes (NB) berbasis Particle Swarm Optimization (PSO) dalam menganalisa label sentimen positif, negatif dan netral pada postingan para pengguna media sosial Twitter yang berkaitan dengan pemilu 2024. Jumlah dataset setelah prepocessing menjadi 1.000 data. Tahap evaluasi menggunakan Confusion matrix diperoleh nilai akurasi algoritma yaitu untuk NB tanpa PSO nilai akurasi sebesar 73,67%. Sedangkan untuk algoritma NB+PSO nilai akurasi sebesar 78,33%.Dalam penelitian ini dapat diketahui bahwa tingkat akurasi yang didapatkan algoritma NB+PSO lebih unggul dibandingkan algoritma NB tanpa PSO.

ANALISIS SENTIMEN PEMILU 2024 DENGAN NAIVE BAYES BERBASIS PARTICLE SWARM OPTIMIZATION (PSO) Tommy Dwi Putra; Ema Utami; Mei P.Kurniawan
Jurnal Explore Vol 13, No 1 (2023): JANUARI
Publisher : Universitas Teknologi Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35200/explore.v13i1.617

Pemilu merupakan sarana kedaulatan masyarakat untuk memilih anggota Dewan Perwakilan Rakyat, anggota Dewan Perwakilan Daerah, Presiden dan Wakil Presiden, dan pemilihan anggota Dewan Perwakilan Rakyat Daerah, dilakukan secara langsung. Pada penelitian ini penulis menggunakan metode Naïve Bayes (NB) berbasis Particle Swarm Optimization (PSO) dalam menganalisa label sentimen positif, negatif dan netral pada postingan para pengguna media sosial Twitter yang berkaitan dengan pemilu 2024. Jumlah dataset setelah prepocessing menjadi 1.000 data. Tahap evaluasi menggunakan Confusion matrix diperoleh nilai akurasi algoritma yaitu untuk NB tanpa PSO nilai akurasi sebesar 73,67%. Sedangkan untuk algoritma NB+PSO nilai akurasi sebesar 78,33%.Dalam penelitian ini dapat diketahui bahwa tingkat akurasi yang didapatkan algoritma NB+PSO lebih unggul dibandingkan algoritma NB tanpa PSO.

Analisis Sentimen Pemilu 2024 dengan Naive Bayes Berbasis Particle Swarm Optimization (PSO) Tommy Dwi Putra; Ema Utami; Mei P Kurniawan
Explore Vol 13 No 1 (2023): Januari 2023
Publisher : Universitas Teknologi Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35200/ex.v11i2.13

Pemilu merupakan sarana kedaulatan masyarakat untuk memilih anggota DewanPerwakilan Rakyat, anggota Dewan Perwakilan Daerah, Presiden dan Wakil Presiden, dan pemilihananggota Dewan Perwakilan Rakyat Daerah, dilakukan secara langsung. Pada penelitian ini penulismenggunakan metode Naïve Bayes (NB) berbasis Particle Swarm Optimization (PSO) dalammenganalisa label sentimen positif, negatif dan netral pada postingan para pengguna media sosialTwitter yang berkaitan dengan pemilu 2024. Jumlah dataset setelah pemrosesan menjadi 1.000 data.Tahap evaluasi menggunakan Confusion matrix diperoleh nilai akurasi algoritma yaitu untuk NaïveBayes tanpa Particle Swarm Optimization (PSO) nilai akurasi sebesar 73,67%. Sedangkan untukalgoritma Naïve Bayes berbabis Particle Swarm Optimization (PSO) nilai akurasi sebesar 78,33%.Dapat diketahui bahwa tingkat akurasi dari algoritma Naïve Bayes berbabis Particle SwarmOptimization (PSO) lebih unggul dibandingkan algoritma Naïve Bayes tanpa Particle SwarmOptimization (PSO).

Klasifikasi penderita kanker Paru Paru Menggunakan Algoritma Artificial Neural Network (ANN) Tommy Dwi Putra; Ema Utami; Mei P Kurniawan
Explore Vol 12 No 2 (2022): Juli 2022
Publisher : Universitas Teknologi Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35200/ex.v12i2.67

Kanker adalah penyakit yang disebabkan oleh perubahan sel yang menyebabkan pertumbuhan dan pembelahan sel tidak terkendali. kasus kanker paru di Indonesia mencapai 8,6% atau 30.023 kasus dengan angka kematian 12,6%. atau 26.095 kematian akibat kanker paru-paru. Kecerdasan Buatan membuat mesin mampu secara cerdas menjawab pertanyaan saat ini di bidang teknik yang sangat luas salah satunya bidang medis. Jaringan saraf tiruan adalah cabang dari kecerdasan buatan (artificial intelligence) yang cara kerjanya meniru aktivitas saraf otak manusia. Dengan cara ini, Artificial Neural network memberikan program komputer kemampuan untuk mengenali pola dan memecahkan masalah. Artificial Neural network juga termasuk dalam algoritma klasifikasi dan digunakan dalam penelitian. Pengklasifikasian pada penelitian penderita kanker paru menghasil akurasi training 92.79% dengan presisi 86.98% dan akurasi testing sebesar 95.12% dengan presisi 90.23%.

KLASIFIKASI CITRA PENYAKIT DAUN JAGUNG MENGGUNAKAN ALGORITMA CNN EFFCIENTNET Kusumastuti, Rajnapramitha; Dwi Putra, Tommy; Zulfahmi Yudam, Zaky
MULTITEK INDONESIA Vol 17, No 2 (2023): Desember
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/mtkind.v17i2.10085

Tanaman jagung termasuk jenis makanan pokok dengan jumlah konsumsi tinggi sebagai makanan pokok yang ada di Indonesia. Dengan jumlah konsumsi yang tinggi, maka produksi tanaman jagung juga memiliki tingkat tanam yang juga tinggi. Untuk mengidentifikasi jenis penyakit daun dalam skala tanam yang besar tidak mudah dilakukan dengan cara manual karena membutuhkan ketelitian dan memakan waktu yang cukup lama. Penelitian ini bertujuan untuk mengindentifikasi penyakit daun jagung menggunakan metode convolutional neural network (CNN) dengan arsitektur effcientNetB1, effcientNetB2, dan efficienetNetB3. Penelitian menggunakan dataset sebanyak 4118 citra dengan ukuran 260 x 260 dan membagi dataset dengan persentase data pelatihan sebesar 80% dengan 10% data uji dan 10% data validasi. Hasil pengujian menunjukan arsitektur dari efficienNet memiliki nilai akurasi yang tinggi sebesar 97.77%.

Pelatihan Pembuatan Video Profile Sebagai Strategi Dalam Meningkatkan Pendaftaran Siswa di SD Negeri 2 Ngesrep Boyolali Putra, Tommy Dwi; Kusumastuti, Rajnaparamitha; Abdullah, Robi Wariyanto; Oktafiani, Dewi; Turmudi, Hadis
JGEN : Jurnal Pengabdian Kepada Masyarakat Vol. 2 No. 2 (2024): JGEN : Jurnal Pengabdian Kepada Masyarakat, Desember 2024
Publisher : Lumbung Pare Cendekia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60126/jgen.v2i2.653

The community service conducted aims to increase new student registration at SD Negeri 2 Ngesrep Boyolali through training in making school profile videos. In the digital era, online marketing and promotion are key to attracting the attention of parents and prospective students. An attractive profile video can provide a positive picture of the environment and advantages of the school, thus encouraging interest in registration. This activity involves training in profile video making techniques, starting from introducing tools, taking pictures, to promotional strategies through social media and paid advertising. The results of this training are expected to improve the skills of teachers and staff in making effective videos. Thus, schools can utilize digital platforms such as YouTube and Instagram to expand the reach of promotions. Obstacles faced during the implementation include scheduling between school and campus activities. Nevertheless, this training has been successfully implemented, and the resulting profile video is expected to increase the visibility and reputation of SD Negeri 2 Ngesrep Boyolali. Through this service, it is hoped that the number of new student registrations will increase significantly, so that the school can be better known by the wider community. This study shows that the use of video as a promotional medium is an effective strategy in supporting new student registration in today's digital era.

Analisis Sentimen Terhadap Review Produk Lazada Indonesia Menggunakan Random Forest Classifier Hadi, Widiyanto; Putra, Tommy Dwi; Oktafiani, Dewi
Innovative: Journal Of Social Science Research Vol. 5 No. 1 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i1.17934

Penelitian ini menggunakan random forest classifier untuk analisis sentimen review produk harddisk di Lazada Indonesia dengan akurasi data latih sebesar 52,87% dan data uji sebesar 83,34%. Fokus penelitian ini adalah memahami opini konsumen terhadap produk elektronik melalui analisis, setelah melakukan pra-pemrosesan data yang meliputi pembersihan, pengemasan case, tanda baca, analisis dan pembobotan kata. Hasil penelitian diharapkan dapat memberikan pemahaman tentang penerapan algoritma Random Forest terkait analisis sentiment serta juga tentang kepuasan pelanggan, kelebihan dan kekurangan produk, serta meningkatkan pemahaman tentang persepsi pelanggan dalam e-commerce. Performa model diukur menggunakan teknik 10 fold cross validation untuk melihat sejauh mana performa dari algotritma Randpm Forest.

Klasifikasi Sentimen Postingan Sosial Media Menggunakan Machine Learning Random Forest dan Naïve Bayes Putra, Tommy Dwi; Oktafiani, Dewi
Innovative: Journal Of Social Science Research Vol. 5 No. 1 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i1.17935

Penggunaan media sosial di Indonesia berkembang pesat sehingga menimbulkan dampak positif seperti peningkatan kreativitas dan kemudahan berkomunikasi, serta dampak negatif seperti kecanduan dan kesepian. Penelitian ini berfokus pada klasifikasi sentimen postingan media sosial menggunakan algoritma Random Forest dan Naïve Bayes. Tujuannya adalah untuk memahami sentimen di media sosial, yang berguna bagi organisasi ketika merespons opini publik dan mengambil keputusan strategis. Penelitian ini membandingkan kinerja kedua algoritma tersebut menggunakan dataset besar dari Twitter. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mencapai akurasi sebesar 90,41%, sedangkan algoritma Random Forest mencapai akurasi sebesar 39.74%.

Title

Found 14 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 14 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 14 Documents
Search