Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Sintek Kuwera

Hybrid Deep Learning Untuk Prediksi Kunjungan Tamu Hotel Satrani, Azral; Krismono, Bambang; Hidjah, Khasnur
Jurnal Sistem Informasi dan Teknologi Vol 5 No 2 (2025): Jurnal Sistem Informasi dan Teknologi (SINTEK)
Publisher : LPPM STMIK KUWERA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56995/sintek.v5i2.173

Abstract

Prediksi jumlah kunjungan tamu hotel adalah aspek penting dalam pengelolaan operasional dan perencanaan strategis, terutama pasca pandemi Covid-19 yang menyebabkan fluktuasi tinggi dalam kunjungan. Holiday Resort Lombok, resort bintang empat di Senggigi, mencatat pertumbuhan kunjungan 35,20% dari 2022 hingga 2023, menunjukkan pemulihan pariwisata. Penelitian ini mengembangkan model prediksi menggunakan hybrid deep learning yang mengintegrasikan Convolutional Neural Network (CNN) untuk mengekstraksi pola spasial dan Long Short-Term Memory (LSTM) untuk menangani aspek temporal. Dataset terdiri dari 730 catatan harian kunjungan dari Januari 2022 hingga Desember 2023, dengan pelatihan model pada variasi epoch (50, 100, 150, dan 200). Hasil terbaik diperoleh pada 150 epoch, dengan Root Mean Sequare Error (RMSE) 29,55 untuk data pelatihan dan 32,23 untuk data pengujian, menunjukkan akurasi yang lebih baik dibandingkan metode tradisional. Namun, model menunjukkan potensi overfitting, memerlukan optimalisasi lebih lanjut. Model ini dapat mendukung pengambilan keputusan terkait alokasi sumber daya dan strategi pemasaran. Penelitian selanjutnya disarankan untuk mengeksplorasi ensemble learning dan integrasi variabel eksternal untuk meningkatkan ketepatan model.
Klasifikasi Bahasa Isyarat Huruf Hijaiyah Dengan GAN Dan CNN Cahaya Ardi, L. Nanda; Krismono, Bambang; Hidjah, Khasnur
Jurnal Sistem Informasi dan Teknologi Vol 5 No 2 (2025): Jurnal Sistem Informasi dan Teknologi (SINTEK)
Publisher : LPPM STMIK KUWERA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56995/sintek.v5i2.174

Abstract

Pembelajaran huruf hijaiyah, termasuk untuk penyandang tunarungu yang menggunakan bahasa isyarat, sangat penting untuk memahami Al-Qur'an.  Namun, pengembangan sistem klasifikasi berbasis kecerdasan buatan menghadapi kendala karena jumlah data citra bahasa isyarat huruf hijaiyah terbatas.  Studi ini menyarankan metode hibrida yang menggunakan Generative Adversarial Network (GAN) untuk memperluas dataset dan Convolutional Neural Network (CNN) untuk mengklasifikasikan gambar bahasa isyarat huruf hijaiyah.  Dataset awal, yang terdiri dari 1.877 gambar dengan 28 kelas yang dikumpulkan dari Roboflow, diperluas menggunakan DCGAN dan augmentasi gambar. Hasil pengujian menunjukkan bahwa integrasi GAN dan augmentasi dapat secara signifikan meningkatkan akurasi klasifikasi CNN, dengan tingkat akurasi tertinggi 95%. Metode ini terbukti efektif dalam meningkatkan kinerja sistem klasifikasi dan dapat digunakan sebagai media pembelajaran interaktif untuk penyandang disabilitas, terutama tunarungu.