Garuda - Garba Rujukan Digital

Kecerdasan Buatan dalam Permainan Tic-Tac-Toe Melalui Algoritma Minimax dengan Optimasi Alpha-Beta Pruning Nadya Revelin Putri; Novia Fitriani; Viktor Handrianus Pranatawijaya; Ressa Priskila
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13594

Permainan tic tac toe, juga dikenal sebagai "X dan O," telah menjadi permainan klasik yang populer di seluruh dunia. Namun, dalam permainan tradisional interaksi dan konektivitas terbatas. Untuk mengatasi masalah tersebut, teknologi telah dimanfaatkan dengan menerapkan kecerdasan buatan (AI) dalam permainan ini. Algoritma Minimax dan optimasi Alpha-Beta Pruning digunakan untuk memungkinkan AI mengambil keputusan yang cerdas dalam permainan. Penelitian ini mengevaluasi efisiensi dan kualitas permainan yang dihasilkan oleh AI dengan dan tanpa optimasi Alpha-Beta Pruning. Hasil menunjukkan bahwa penggunaan optimasi Alpha-Beta Pruning meningkatkan efisiensi pengambilan keputusan AI tanpa mengorbankan kualitas permainan, menghasilkan permainan yang seimbang dan kompetitif di mana kedua pemain memiliki peluang yang sama untuk meraih kemenangan. Selain itu, penelitian ini mencatat bahwa AI mampu meraih kemenangan sebanyak 80% pada pertandingan AI VS HUMAN, di mana agen berperan sebagai ‘X’ dan mengambil langkah pertama serta menyusun strategi untuk melawan manusia. Implementasi ini mengungkapkan bahwa AI mampu mempelajari pola permainan manusia dan mengadaptasi strateginya secara dinamis selama permainan berlangsung. Hal ini menambah dimensi baru dalam pengalaman bermain tic tac toe, di mana kecerdasan buatan bukan hanya menjadi lawan yang tangguh, tetapi juga mampu berinteraksi dengan pemain manusia secara dinamis dan adaptif. Dengan demikian, penggunaan kecerdasan buatan dalam permainan tic tac toe memiliki potensi untuk meningkatkan kualitas dan pengalaman bermain, membuka peluang baru untuk eksplorasi dan inovasi dalam pengembangan permainan.

ANALISIS SENTIMENT KOMENTAR VIDEO YOUTUBE “EPIC RAP BATTLE OF PRESIDENCY 2024” MENGGUNAKAN ALGORITMA NAÏVE BAYES & SVM Gavin Berylian Josepto; Rafif Dhia Yusrana; Marvin Donald Richardo Aronggear; Viktor Handrianus Pranatawijaya; Ressa Priskila
J-ENSITEC Vol. 10 No. 02 (2024): June 2024
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/jensitec.v10i02.9210

Sentiment analysis of YouTube video recordings has become important in this increasingly technologically advanced era to understand users' reactions and opinions on various topics, including politics. Rapfight videos, especially those related to the presidential election, are one type of content that often attracts attention. This research uses the Naïve Bayes algorithm to assess the sentiment of comments on the video "Epic Rap Battle of Presidency 2024" on the YouTube site. The algorithms used in this research are Naïve Bayes Classifier and Support Vector Machine (SVM). There are five processes in this research, namely collecting YouTube comment data, preprocessing, labeling, classification, implementation and testing. From 3650 comment data on YouTube regarding the video "Epic Rap Battle of Presidency 2024" based on the results of the analysis, it was found that 31% of the comments were positive, 7% of the comments were negative and 62% of the comments were neutral. The accuracy results using the Naïve Bayes Classifier algorithm were 84.82% and the accuracy results using the Support Vector Machine (SVM) algorithm got the best results at 93.3%.

Pelatihan Aplikasi Augmented Reality Pengenalan Buah-Buahan bagi Guru Pendidikan Anak Usia Dini (PAUD) Pandehen Kristianti, Novera; Ressa Priskila; Widiatry; Viktor Handrianus Pranatawijaya; Putu Bagus Adidyana Anugrah Putra; Nova Noor Kamala Sari; Efrans Christian; Septian Geges
Jurnal Atma Inovasia Vol. 4 No. 4 (2024)
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jai.v4i4.9437

Pelatihan aplikasi Augmented Reality (AR) pengenalan buah-buahan ini diselenggarakan untuk guru Pendidikan Anak Usia Dini (PAUD) di Pandehen dengan tujuan meningkatkan kualitas pembelajaran dan keterampilan guru dalam memanfaatkan teknologi modern. Dalam pelatihan ini, guru-guru PAUD diperkenalkan dengan aplikasi AR yang dirancang khusus untuk membantu anak-anak mengenal berbagai jenis buah-buahan secara interaktif dan menyenangkan. Metode pelatihan meliputi sesi teori dan praktik, di mana para peserta diajarkan cara mengoperasikan aplikasi AR, memahami fitur-fiturnya, serta bagaimana mengintegrasikannya ke dalam kegiatan belajar mengajar di kelas. Hasil dari pelatihan ini diharapkan dapat meningkatkan kemampuan guru dalam menggunakan teknologi sebagai alat bantu edukatif, memperkaya pengalaman belajar anak-anak, serta menciptakan lingkungan pembelajaran yang lebih dinamis dan interaktif. Evaluasi terhadap efektivitas pelatihan dilakukan melalui observasi langsung, kuesioner, dan wawancara dengan para peserta. Ditemukan bahwa pelatihan ini secara signifikan meningkatkan pengetahuan dan keterampilan guru dalam menggunakan aplikasi AR, serta memberikan dampak positif terhadap minat dan partisipasi anak-anak dalam kegiatan belajar. Kesimpulannya, pelatihan ini berhasil mencapai tujuan yang diharapkan dan direkomendasikan untuk diterapkan secara lebih luas di berbagai lembaga pendidikan PAUD.

Pelatihan Aplikasi Augmented Reality Pengenalan Buah-Buahan bagi Guru Pendidikan Anak Usia Dini (PAUD) Pandehen Kristianti, Novera; Ressa Priskila; Widiatry; Viktor Handrianus Pranatawijaya; Putu Bagus Adidyana Anugrah Putra; Nova Noor Kamala Sari; Efrans Christian; Septian Geges
Jurnal Atma Inovasia Vol. 4 No. 4 (2024)
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jai.v4i4.9437

Pelatihan aplikasi Augmented Reality (AR) pengenalan buah-buahan ini diselenggarakan untuk guru Pendidikan Anak Usia Dini (PAUD) di Pandehen dengan tujuan meningkatkan kualitas pembelajaran dan keterampilan guru dalam memanfaatkan teknologi modern. Dalam pelatihan ini, guru-guru PAUD diperkenalkan dengan aplikasi AR yang dirancang khusus untuk membantu anak-anak mengenal berbagai jenis buah-buahan secara interaktif dan menyenangkan. Metode pelatihan meliputi sesi teori dan praktik, di mana para peserta diajarkan cara mengoperasikan aplikasi AR, memahami fitur-fiturnya, serta bagaimana mengintegrasikannya ke dalam kegiatan belajar mengajar di kelas. Hasil dari pelatihan ini diharapkan dapat meningkatkan kemampuan guru dalam menggunakan teknologi sebagai alat bantu edukatif, memperkaya pengalaman belajar anak-anak, serta menciptakan lingkungan pembelajaran yang lebih dinamis dan interaktif. Evaluasi terhadap efektivitas pelatihan dilakukan melalui observasi langsung, kuesioner, dan wawancara dengan para peserta. Ditemukan bahwa pelatihan ini secara signifikan meningkatkan pengetahuan dan keterampilan guru dalam menggunakan aplikasi AR, serta memberikan dampak positif terhadap minat dan partisipasi anak-anak dalam kegiatan belajar. Kesimpulannya, pelatihan ini berhasil mencapai tujuan yang diharapkan dan direkomendasikan untuk diterapkan secara lebih luas di berbagai lembaga pendidikan PAUD.

Machine Learning untuk Memprediksi Jumlah Penjualan, Stok dan Jumlah Tanam Hasil Pertanian Hidroponik Frira Sesilia; Viktor Handrianus Pranatawijaya; Ressa Priskila
KONSTELASI: Konvergensi Teknologi dan Sistem Informasi Vol. 4 No. 1 (2024): Juni 2024
Publisher : Program Studi Sistem Informasi Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/konstelasi.v4i1.9055

Hidroponik Tilung Farm, usaha budidaya tanaman di Palangka Raya, sering mengalami kesulitan dalam memprediksi data stok, transaksi, dan jumlah tanam yang optimal. Sebelumnya, data ini hanya digunakan untuk melihat hasil penjualan. Penelitian ini bertujuan untuk memprediksi data tersebut dengan akurat menggunakan machine learning. Metode penelitian meliputi pengumpulan data dengan studi pustaka, wawancara, dan observasi. Data stok, transaksi, dan jumlah tanam diolah dengan machine learning menggunakan algoritma regresi linear dan support vector machine. Hasil penelitian menunjukkan bahwa algoritma regresi linear menghasilkan nilai terkecil untuk MSE, MAE, dan MAPE dalam memprediksi data stok, transaksi, dan jumlah tanam. Kesimpulannya, algoritma regresi linear lebih baik dalam memprediksi data tersebut dibandingkan dengan algoritma support vector machine. Penelitian ini membantu Hidroponik Tilung Farm dalam mengelola stok, transaksi, dan jumlah tanam secara optimal, sehingga meningkatkan efisiensi dan keuntungan. Tilung Farm Hydroponics, a plant cultivation business in Palangka Raya, often experiences difficulties in predicting optimal stock data, transactions, and planting quantities. Previously, this data was only used to view sales results. This research aims to predict this data accurately using machine learning. Research methods include data collection by literature study, interviews, and observation. Stock, transaction, and number of planting data are processed using machine learning using linear regression algorithms and support vector machines. The research results show that the linear regression algorithm produces the smallest values for MSE, MAE, and MAPE in predicting stock, transaction, and number of planting data. In conclusion, the linear regression algorithm is better at predicting this data compared to the support vector machine algorithm. This research helps Tilung Farm Hydroponics in managing stock, transactions and planting quantities optimally, thereby increasing efficiency and profits.

Title

Found 5 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 5 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 5 Documents
Search