Claim Missing Document
Check
Articles

Found 2 Documents
Search

Comparison of K-NN, SVM, and Random Forest Algorithm for Detecting Hoax on Indonesian Election 2024 Indra; Agus Umar Hamdani; Suci Setiawati; Zena Dwi Mentari; Mauridhy Hery Purnomo
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 13 No. 1 (2024)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v13i1.76079

Abstract

During the year 2022, The Indonesian National Police (POLRI) received 113 reports related to the spread of hoax news related to 2024 Indonesian Election (PEMILU). There are still relatively few hoax detection tools that already exist in Indonesia. This research creates a system that can detect hoax news in Indonesian tweets about the Indonesian Election (PEMILU) 2024 by comparing three methods, namely K-NN, SVM, and Random Forest. The process of labeling (create model) using validation on ground truth data, namely cekfakta.tempo, cekfakta.kompas, and turnbackhoax.id. In this research, we also check the differences between different types of distance measurements in applying the K-NN algorithm. The method used for feature extraction in this research is TF-IDF. The results of experiments show that the highest accuracy results are obtained using the SVM and K-NN algorithms with distance measurements using Euclidean Distance, which is 86.36%. The best precision value is obtained using the K-NN algorithm with distance measurements using Manhattan Distance, which is 86.95%.
AUTONOMOUS MOBILE ROBOT BERBASIS PLAYER/STAGE MENGGUNAKAN PARALLEL SELF-ORGANIZING FEATURE MAPS UNTUK PEMETAAN LINGKUNGAN GLOBAL YANG TIDAK DIKETAHUI Mochamad Hariadi; Muhtadin Muhtadin; Mauridhy Hery Purnomo; Muhammad Rivai
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 6, No 2 Juli 2007
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (416.785 KB) | DOI: 10.12962/j24068535.v6i2.a189

Abstract

Autonomous mobile robot adalah salah satu jenis robot yang dikembangkan dengan kemampuan untuk mengendalikan dirinya sendiri walaupun dalam lingkungan yang tidak diketahui. Untuk dapat melakukan pengendalian secara mandiri, bisa dilakukan dengan melalui proses pembelajaran secara mandiri tanpa supervisi (unsupervised) dengan mempertimbangkan input dari sensor-sensor yang dipakai. Pada saat robot melakukan pengenalan terhadap lingkungannya, diperlukan perosesan komputasi yang berat dengan waktu yang lama. Penelitian ini akan membahas tentang penggunaan Kohonen Self-Organizing Feature Maps (SOFM) atau (SOM)  sebagai metode pembelajaran Autonomous mobile robot dalam mengenali lingkungannya. Proses pembelajaran dilakukan dengan menggunakan parallel processing menggunakan LAM-MPI, Simulasi dilakukan dengan menggunakan software simulasi Player/ Stage. Hasil simulasi menunjukkan bahwa SOM menampilkan performa yang baik dalam memetakan lingkungan yang tidak diketahui tanpa supervisi. Hasil pemrosesan dengan menggunakan parallel processing juga menunjukkan dicapainya kecepatan yang signifikan dalam proses pembelajaran robot untuk mengenali lingkungannya. Planning dengan menggunakan A* mampu untuk memberikan jalur yang efektif bagi robot dalam mencapai titik tujuan. Kata Kunci: autonomous, pemetaan, path-planning, komputasi parallel,  parallel SOM