<![CDATA[Human Activity Recognition (HAR) menjadi salah satu topik penelitian paling trendi karena ketersedian sensor dan akselerometer, biaya rendah dan konsumsi daya yang lebih sedikit, streaming data secara langsung, dan kemajuan dalam computer vision, mesin pembelajaran, kecerdasan buatan IoT. Penelitian ini mengusulkan system HAR menggunakan algoritmas Support Vector Machine (SVM). SVM merupakan suatu teknik untuk menemukan hyperlane yang dapa memisahkan dua dataset dari dua kelas yang berbeda. Hyperplane adalah sebuah fungsi yang dapat digunakan untuk pemisah antar kelas. Selain karena cocok dalam melakukan klasifikasi data. Hal yang menjadikan penelitian ini berbeda dengan penelitian sebelumnya adalah dengan menambahkan penerapan Hyperparameter Tuning pada SVM. Lalu Dataset yang awalnya berisikan data gabungan, dipisahkan menjadi dataset aktivitas statis dan dataset aktivitas dinamis. Dalam penelitian ini telah berhasil meningkatnya akurasi menggunakan SVM + Hyperparameter hingga 96.26%. Hal ini yang menjadikan penelitian ini unggul karena SVM + Hyperparameter dapat meningkatkan akurasi dari penelitian sebelumnya tanpa menggunakan Hyperparameter.]]>
Copyrights © 2021
