Journal of Intelligent System and Computation最新文献

Deteksi Validitas Berita pada Media Sosial Twitter dengan Algoritma Naive Bayes 通过天真Bayes算法检测Twitter社交媒体的新闻有效性

Journal of Intelligent System and Computation Pub Date : 2021-10-01 DOI: 10.52985/insyst.v3i2.164

E. Setiawan, Sugiharto Johanes, Arya Tandy Hermawan, Yuni Yamasari

{"title":"Deteksi Validitas Berita pada Media Sosial Twitter dengan Algoritma Naive Bayes","authors":"E. Setiawan, Sugiharto Johanes, Arya Tandy Hermawan, Yuni Yamasari","doi":"10.52985/insyst.v3i2.164","DOIUrl":"https://doi.org/10.52985/insyst.v3i2.164","url":null,"abstract":"Banyaknya berita-berita online sering menarik minat masyarakat untuk membacanya, tetapi kadang dengan terlalu banyaknya berita tersebut membuat orang susah mendapatkan informasi yang terpercaya. Berita palsu merupakan kumpulan kata atau kalimat yang mengandung informasi yang tidak benar yang berupaya untuk membohongi atau mengarahkan pembaca atau pendengarnya agar mendukung atau percaya dengan isi beritanya. Penyebar berita palsu umumnya mengetahui bahwa berita yang disebarkan tidak benar. Tujuan penelitian ini adalah mendeteksi berita palsu yang tersebar pada media sosial. Dalam mengklasifikasi berita palsu, deteksi validitas berita digunakan algoritma naïve bayes sebagai kategorisasi teks berbasis pembelajaran mesin. Penelitian ini juga membangun website yang menyediakan fitur web service, pencarian berita yang ada di Twitter, dan klasifikasi berita secara manual. User interface merupakan website berbasis PHP dimana pengguna dapat melakukan interaksi secara langsung sepeti komentar, login, atau melihat artikel-artikel yang sudah diklasifikasi. Sedangkan back-end dari website ini adalah program klasifikasi teks berbasis Python. Dari percobaan yang telah dilakukan ternyata algoritma Naïve Bayes dapat digunakan untuk mengklasifikasi berita palsu. Berdasarkan eksperimen, penggunaan metode naive bayes untuk deteksi validitas berita dengan data uji media social Twitter dapat mencapai nilai akurasi dengan persentase terbaik yaitu 92% pada data ujicoba sebesar 309 artikel.","PeriodicalId":183705,"journal":{"name":"Journal of Intelligent System and Computation","volume":"67 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"124218120","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 3

Web Content Extractor Menggunakan Neural Network untuk Konten Artikel di Internet 网络内容提取器——蒙古那坎神经网络

Journal of Intelligent System and Computation Pub Date : 2021-10-01 DOI: 10.52985/insyst.v3i2.195

Syabith Umar Ahdan, Joan Santoso, Hendrawan Armanto

{"title":"Web Content Extractor Menggunakan Neural Network untuk Konten Artikel di Internet","authors":"Syabith Umar Ahdan, Joan Santoso, Hendrawan Armanto","doi":"10.52985/insyst.v3i2.195","DOIUrl":"https://doi.org/10.52985/insyst.v3i2.195","url":null,"abstract":"Berkembangnya teknologi Javascript khususnya AJAX dan CSS membuat halaman web yang dulunya statis menjadi lebih dinamis dengan tampilan yang lebih menarik dan dipenuhi iklan dan rekomendasi artikel lain. Oleh karena itu, sulit untuk mengotomatisasi proses pengambilan konten artikel pada konteks ini. Penelitian ini dibuat untuk menyelesaikan masalah otomatisasi pengambilan konten artikel di Internet. Aplikasi web yang akan dibuat terbagi menjadi empat modul, yaitu web crawler, web extractor, content classifier dan web visualizer. Penelitian ini memiliki dua desain arsitektur. Arsitektur yang pertama adalah arsitektur saat training. Arsitektur yang kedua adalah arsitektur program jadi. Proses training menggunakan 200 URL halaman web dari lima website berbeda. Metode pengujian yang akan digunakan adalah 4-Fold Cross Validation, sehingga 75% dari blok teks akan menjadi data latihan dan 25% dari blok teks akan menjadi data pengujian. Program jadi berupa Web Visualizer yang mengolah JSON file berisi hubungan antara halaman web yang didapatkan dari web crawler sehingga dapat dipresentasikan dalam sebuah grafik. Kesimpulan dari penelitian ini adalah bahwa kombinasi Scrapy, Splash, Neural Network Classifier dan D3 bekerja sangat baik untuk automasi ekstraksi konten artikel website di Internet sekaligus memvisualisasi hubungan antar halaman web. Deep Feed Forward Neural Network (DFFNN) dapat melakukan klasifikasi multi-class konten judul, penulis, dan isi artikel dengan baik selama template halaman web sudah pernah dilatih sebelumnya. DFFNN juga dapat melakukan klasifikasi binari untuk halaman web secara umum dengan F1-score 62.87%, dua kali lebih baik dari SVM yang hanya 31.28%.","PeriodicalId":183705,"journal":{"name":"Journal of Intelligent System and Computation","volume":"119 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"134213720","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Sentiment Classification untuk Opini Berita SepakBola

Journal of Intelligent System and Computation Pub Date : 2021-10-01 DOI: 10.52985/insyst.v3i2.193

Eka Rahayu Setyaningsih

{"title":"Sentiment Classification untuk Opini Berita SepakBola","authors":"Eka Rahayu Setyaningsih","doi":"10.52985/insyst.v3i2.193","DOIUrl":"https://doi.org/10.52985/insyst.v3i2.193","url":null,"abstract":"Pada penelitian ini akan dibahas mengenai sebuah aplikasi yang dibuat secara khusus untuk mengkategorikan opini masyarakat terhadap sebuah berita Sepak Bola. Opini yang diolah diperoleh dari dua sumber, yaitu melalui hasil crawl situs berita olah raga dan opini yang ditambahkan oleh user sendiri pada aplikasi ini. Opini yang ada nantinya akan disajikan secara terpisah menurut kelompoknya; sentiment positive, negative, maupun netral. Proses klasifikasinya sendiri terdiri dari dua tahap. Tahap pertama adalah proses preprocessing yang terdiri atas proses tokenisasi, normalisasi, case folding, stop word removing, common word removing, stemming. Tahap kedua adalah mengklasifikasikan opini-opini tersebut dengan algoritma Baseline, dan Naive Bayes. Opini yang digunakan untuk proses klasifikasi yaitu opini yang menggunakan bahasa Inggris dari situs fifa.com dan goal.com. Dari perhitungan macroaveraged untuk setiap kelas, didapatkan akurasi 93,06%, presisi 81,90%, dan recall 92,67% untuk kelas sentiment positive. Dari perhitungan kelas sentiment negative didapatkan akurasi 87,73%, presisi 96,29%, dan recall 83,63%. Dari perhitungan kelas sentiment netral didapatkan akurasi 92,26%, presisi 64,44%, dan recall 90,37%. Kesimpulan yang diperoleh saat penelitian ini dari awal hingga akhir adalah, proses crawling yang digunakan untuk mendapatkan berita dan komentar berita sangat membantu dalam penambahan konten website, tetapi banyak sekali komentar berita yang diperoleh kurang cocok untuk proses klasifikasi.","PeriodicalId":183705,"journal":{"name":"Journal of Intelligent System and Computation","volume":"63 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115841347","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Tamagotchi Augmented Reality yang Dilengkapi dengan Mini Games

Journal of Intelligent System and Computation Pub Date : 2021-10-01 DOI: 10.52985/insyst.v3i2.189

Hendrawan Armanto, Edwin Sidharta

{"title":"Tamagotchi Augmented Reality yang Dilengkapi dengan Mini Games","authors":"Hendrawan Armanto, Edwin Sidharta","doi":"10.52985/insyst.v3i2.189","DOIUrl":"https://doi.org/10.52985/insyst.v3i2.189","url":null,"abstract":"Pada saat ini, teknologi mobile telah berkembang dengan pesat. Dalam kesehariannya, manusia tidak dapat lepas dari handphone. Hal ini menyebabkan munculnya berbagai aplikasi dan game yang bertujuan tentu saja untuk membantu ataupun memberikan kesenangan kepada penggunanya. Saat ini perkembangan game, juga sangat pesat dan telah mencapai titik dimana berbagai jenis game dikembangkan. Tidak hanya berhenti pada perkembangan jenis game, bahkan cara bermain dari game itu sendiri juga ikut berkembang. Yang dulunya permainan mobile dilakukan secara virtual, saat ini permainan sudah menyentuh area Augmented Reality (AR) dimana pemain dapat melihat benda-benda tidak nyata (buatan) dalam dunia nyata (dunia manusia). Walaupun permainan AR semakin berkembang, tetapi masih sedikit permainan AR bergenre Virtual Pet. Penelitian ini bertujuan untuk mengembangkan Permainan Virtual Pet dan mengukur tingkat kesenangan dalam memainkan permainan ini. Permainan dikembangkan dengan menggunakan Unity Game Engine dengan bantuan package AR Foundation dan penyimpanan data pada Firebase. Ujicoba akan dilakukan kepada 40 orang (pria dan wanita) pemain game yang pernah bermain virtual pet sebelumnya. Hasil akhir ujicoba menunjukan bahwa dalam segi teknis permainan berjalan dengan baik dan disukai oleh pemain akan tetapi ada sebagian pemain yang tingkat kesenangannya rendah cenderung menengah hal ini dikarenakan gambar monster yang digunakan kurang menarik dan kurangnya fitur terkait monster itu sendiri.","PeriodicalId":183705,"journal":{"name":"Journal of Intelligent System and Computation","volume":"15 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"133660038","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Sistem Manajemen Kartu Nama dengan OCR dan Ekstraksi Informasi Otomatis 信用卡管理系统与OCR和自动获取信息

Journal of Intelligent System and Computation Pub Date : 2021-10-01 DOI: 10.52985/insyst.v3i2.194

R. Darmawan, Aris Nasuha, Lukman Zaman, Hendrawan Armanto

{"title":"Sistem Manajemen Kartu Nama dengan OCR dan Ekstraksi Informasi Otomatis","authors":"R. Darmawan, Aris Nasuha, Lukman Zaman, Hendrawan Armanto","doi":"10.52985/insyst.v3i2.194","DOIUrl":"https://doi.org/10.52985/insyst.v3i2.194","url":null,"abstract":"Sebagai pelaku bisnis, kartu nama adalah salah satu hal yang penting untuk bertukar informasi. Namun kartu nama biasanya mudah hilang atau rusak, sehingga beberapa orang biasanya menyimpan informasi dari kartu nama itu pada telepon genggam atau komputer mereka. Penelitian ini akan membuat sistem manajemen kartu nama baik individu dan juga perusahaan dengan ekstraksi informasi kartu nama otomatis untuk mempermudah pengguna perorangan ataupun perusahaan dalam melakukan penyimpanan kartu nama para kolega. Untuk mewujudkan aplikasi yang dilengkapi dengan fitur tersebut dilakukan proses pengenalan karakter pada gambar kartu nama menggunakan Tesseract OCR dan information extraction memanfaatkan klasifikasi entity dengan membangun classifier menggunakan Naive Bayes dan mengkombinasikannya dengan rule based. Hasil uji coba yang telah dilakukan mendapatkan performa 85.1% untuk pengenalan karakter dan 86% untuk pengklasifikasian entity. Dilakukan juga uji coba fungsionalitas terhadap setiap fitur pada sistem ini dengan menggunakan metode blackbox testing yang memastikan setiap aksi yang dilakukan pengguna akan menghasilkan output sesuai target yang diharapkan. Selain itu, dari hasil kuisioner yang berisikan tentang usability dari sistem ini, sebagian besar responden merasa terbantu dalam memanajemen kartu nama dengan menggunakan sistem aplikasi ini.","PeriodicalId":183705,"journal":{"name":"Journal of Intelligent System and Computation","volume":"15 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"125984581","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Klasifikasi Keluhan Masyarakat Terhadap Layanan Publik pada Harian Radar Tarakan 《雷达日报》将公众对公共服务的投诉分类

Journal of Intelligent System and Computation Pub Date : 2021-10-01 DOI: 10.52985/insyst.v3i2.205

I. Saputra

{"title":"Klasifikasi Keluhan Masyarakat Terhadap Layanan Publik pada Harian Radar Tarakan","authors":"I. Saputra","doi":"10.52985/insyst.v3i2.205","DOIUrl":"https://doi.org/10.52985/insyst.v3i2.205","url":null,"abstract":"Website koran harian Radar Tarakan memiliki kolom dengan judul “Warga Menulis” di mana menu ini merupakan sarana bagi pembaca untuk menyampaikan keluhan ataupun aspirasi mereka. Yang menjadi permasalahan, pesan pembaca atau opini yang ditampilkan bersifat to the point, hanya isi opini sesuai yang dikirim pembaca tanpa informasi tambahan kepada siapa opini tersebut ditujukan. Tujuan dari penelitian ini adalah melakukan klasifikasi data opini pada website koran harian Radar Tarakan khususnya opini yang berkaitan dengan fasilitas dan pelayanan publik. Klasifikasi merupakan suatu proses pengelompokkan data sesuai dengan kelas atau kategori yang telah ditentukan sebelumnya. Hipotesis yang dapat diambil adalah hasil klasifikasi diharapkan memiliki akurasi hingga 70%. Tahap awal dari proses klasifikasi yaitu preprocessing di mana pada tahap ini hal-hal yang dilakukan antara lain case folding, tokenizing, convert word, stopword removal (filtering) dan stemming. Algoritma yang digunakan dalam penelitian ini adalah Frequency Ratio Accumulation Method (FRAM). Pembuatan aplikasi menggunakan bahasa pemrograman PHP dan database MySQL. Hasil uji coba dari penelitian ini menunjukkan rata-rata akurasi yang diperoleh pada proses klasifikasi opini menggunakan algoritma FRAM adalah 60%. Besar kecilnya prosentase akurasi tergantung dari jumlah data latih yang digunakan. Semakin banyak jumlahnya dapat meningkatkan nilai akurasi akan tetapi hal ini akan berpengaruh terhadap efisiensi kinerja sistem.","PeriodicalId":183705,"journal":{"name":"Journal of Intelligent System and Computation","volume":"203 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"133792505","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Pengenalan Tulisan Pada Iklan Pinggir Jalan yang Melengkung Menggunakan Shape Context

Journal of Intelligent System and Computation Pub Date : 2021-10-01 DOI: 10.52985/insyst.v3i2.202

Endang Setyati, Raymond Sugiarto

{"title":"Pengenalan Tulisan Pada Iklan Pinggir Jalan yang Melengkung Menggunakan Shape Context","authors":"Endang Setyati, Raymond Sugiarto","doi":"10.52985/insyst.v3i2.202","DOIUrl":"https://doi.org/10.52985/insyst.v3i2.202","url":null,"abstract":"Membaca sebuah tulisan yang sama di bidang melengkung berbeda dengan di bidang datar, karena tulisan pada bidang melengkung bergantung pada permukaan bidang lengkungnya. Pada saat ini, banyak sekali tulisan pada iklan pinggir jalan yang ditempel pada bidang melengkung di sepanjang jalan. Tulisan yang digunakan berupa huruf dan angka, dengan berbagai macam background, bentuk dan warna yang diambil di pinggir jalan dengan menggunakan Farey Shape Context. Fitur Farey ini bergantung pada DSS (Digital Straight Line Segment) endpoint dan menggunakan pecahan Augmented Farey sequence. DSS endpoint ini dijadikan sebagai titik fitur atau feature point untuk menemukan shape context dari citra. DSS endpoint tersebut digunakan sebagai acuan bounding box yang akan digunakan sebagai object boundary yang dimana setiap sudutnya merupakan reference point. Untuk melakukan Binning Farey Rank, Augmented Farey Table (AFT) harus dibentuk terlebih dahulu berdasarkan Augmented Farey Sequence yang merupakan pengembangan dari Farey Sequence. Farey Sequence hanya meliputi pecahan dengan pembilang dan penyebut yang positif, sedangkan Augmented Farey Sequence meliputi pecahan dengan pembilang dan penyebut positif serta negatif. Pada penelitian ini digunakan 500 data iklan di pinggir jalan yang melengkung, dimana 70% digunakan sebagai data sample. Dari 70% data sample tersebut didapatkan ribuan karakter berupa huruf dan angka yang dijadikan data sample. Berdasarkan hasil uji coba penelitian yang dilakukan pada 500 Gambar dimana 30% sebagai data testing, maka hasil Farey Shape Context untuk mengenali tulisan berupa huruf dan angka pada iklan pinggir jalan yang melengkung mencapai akurasi benar 74.94% dan salah 25.06%.","PeriodicalId":183705,"journal":{"name":"Journal of Intelligent System and Computation","volume":"56 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"126666869","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Information Extraction Berbasis Rule Untuk Soal Ujian

Journal of Intelligent System and Computation Pub Date : 2021-07-15 DOI: 10.52985/INSYST.V2I1.154

Stefanus Nico Soenardjo, G. Gunawan

{"title":"Information Extraction Berbasis Rule Untuk Soal Ujian","authors":"Stefanus Nico Soenardjo, G. Gunawan","doi":"10.52985/INSYST.V2I1.154","DOIUrl":"https://doi.org/10.52985/INSYST.V2I1.154","url":null,"abstract":"Proses information extraction dapat dilakukan pada beberapa macam media, seperti artikel berita, tanya jawab dan sebagainya. Penelitian ini mencoba untuk melakukan information extraction pada media soal ujian yang dilengkapi dengan jawaban. \u0000Pendekatan pengolahan informasi yang dibahas dalam penelitian ini adalah information extraction berbasis rule. Informasi yang hendak digali adalah informasi data soal ujian beserta jawabannya. Inputan dalam penelitian ini pasangan file soal dan jawaban milik Cambridge. Ada beberapa mata pelajaran yang digunakan, yaitu Biologi, Matematika dan Ekonomi. Jenis soal yang digunakan juga ada beberapa macam, yaitu pilihan ganda dan esai. Hasil penelitian ini diharapkan bisa menjadi media pembelajaran. \u0000Penelitian dilakukan dengan menggunakan sebanyak 100 pasang data soal dan ujian. Sistem akan menerima 2 inputan file dengan format PDF. Kedua file ini merupakan pasangan soal dan jawaban. Proses yang diakukan adalah file akan dirubah menjadi 2, yaitu file HTML dan file PNG. File HTML mengandung semua teks soal dan file PNG mengandung semua gambar dari soal. Sistem akan mengambil teks dan gambar dari masing-masing soal dan jawaban berdasrkan rule yang sudah ditentukan. Penentuan rule dilakukan secara manual dengan mempelajari pola-pola data yang tedapat dalam tag HTML. Setelah proses ekstraksi, soal dan jawaban ini dipasangkan sesuai dengan nomor urutnya masing-masing. Pasangan soal dan jawaban ini kemudian akan disimpan ke dalam database. Dari hasil penelitian, tingkat akurasi yang didapatkan adalah sekitar 46%. Kendala utama yang dihadapi adalah format soal dan jawaban yang tidak strandar sehingga menimbulkan kesulitan dalam proses ekstraksi informasi.","PeriodicalId":183705,"journal":{"name":"Journal of Intelligent System and Computation","volume":"49 3 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-07-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"123569906","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Pemanfaatan Beahvior Tree dan Fuzzy Waypoint Tactic pada Game Strategi "War of Zombies” Pemanfaatan行为树和模糊路点战术模式游戏策略

Journal of Intelligent System and Computation Pub Date : 2021-07-15 DOI: 10.52985/INSYST.V2I1.146

Michael Christie, Andreas

{"title":"Pemanfaatan Beahvior Tree dan Fuzzy Waypoint Tactic pada Game Strategi \"War of Zombies”","authors":"Michael Christie, Andreas","doi":"10.52985/INSYST.V2I1.146","DOIUrl":"https://doi.org/10.52985/INSYST.V2I1.146","url":null,"abstract":"Dalam video game jaman sekarang, hampir semua permainan memakai kecerdasan buatan sebagai cara agar non-player karakter agar dapat berinteraksi dengan game. Karena itu pada penelitian ini bertujuan untuk mencoba menerapkan kecerdasan buatan behavior tree dan juga Fuzzy waypoint tactic. Project game “War of Zombies” ini merupakan permainan strategi dimana pemain yang berperan sebagai zombie mencoba melenyapkan manusia sebagai musuhnya. Pada permainan ini selain waypoint tactic dan behavior tree terdapat beberapa metode kecerdasan buatan yang diterapkan seperti A* pathfinding, djikstra dan juga fuzzy logic. Behavior tree merupakan metode panduan berisi langkah-langkah bagi karakter untuk menyelesaikan suatu tugas. Sedangkan fuzzy waypoint tactic merupakan cara bagi developer untuk memberitahu lokasi-lokasi strategis yang dapat membantu karakter dalam menyelesaikan tugas, seperti misalnya bersembunyi atau menembak. Pada game bertema strategi seperti ini, fuzzy logic sangat membantu untuk membuat suatu keputusan bagi karakter. Selain itu, fuzzy logic juga merupakan metode yang baik dalam waypoint tactic untuk menentukan lokasi strategis yang paling menguntungkan diantara pilihan-pilihan lokasi yang telah disediakan. Behavior tree juga merupakan metode yang baik dalam mengatur perilaku setiap karakter yang ada pada game strategi.","PeriodicalId":183705,"journal":{"name":"Journal of Intelligent System and Computation","volume":"75 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-07-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"122645422","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Klasifikasi Tekstur Serat Kayu pada Citra Mikroskopik Veneer Memanfaatkan Deep Convolutional Neural Network

Journal of Intelligent System and Computation Pub Date : 2021-07-15 DOI: 10.52985/INSYST.V2I1.152

Suriani Alamgunawan

{"title":"Klasifikasi Tekstur Serat Kayu pada Citra Mikroskopik Veneer Memanfaatkan Deep Convolutional Neural Network","authors":"Suriani Alamgunawan","doi":"10.52985/INSYST.V2I1.152","DOIUrl":"https://doi.org/10.52985/INSYST.V2I1.152","url":null,"abstract":"Convolutional Neural Network sebagai salah satu metode Deep Learning yang paling sering digunakan dalam klasifikasi, khususnya pada citra. Terkenal dengan kedalaman dan kemampuan dalam menentukan parameter sendiri, yang memungkinkan CNN mampu mengeksplor citra tanpa batas. Tujuan penelitian ini adalah untuk meneliti klasifikasi tekstur serat kayu pada citra mikroskopik veneer dengan CNN. Model CNN akan dibangun menggunakan MBConv dan arsitektur lapisan akan didesain menggunakan EfficientNet. Diharapkan dapat tercapai tingkat akurasi yang tinggi dengan penggunaan jumlah parameter yang sedikit. Dalam penelitian ini akan mendesain empat model arsitektur CNN, yaitu model RGB tanpa contrast stretching, RGB dengan contrast stretching, Grayscale tanpa contrast stretching dan Grayscale dengan contrast stretching. Proses ujicoba akan mencakup proses pelatihan, validasi dan uji pada masing-masing input citra pada setiap model arsitektur. Dengan menggunakan penghitungan softmax sebagai penentu kelas klasifikasi. SGD optimizer digunakan sebagai optimization dengan learning rate 1e-1. Hasil penelitian akan dievaluasi dengan menghitung akurasi dan error dengan menggunakan metode F1-score. Penggunaan channel RGB tanpa contrast stretching sebagai citra input menunjukkan hasil uji coba yang terbaik.","PeriodicalId":183705,"journal":{"name":"Journal of Intelligent System and Computation","volume":"38 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-07-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"123056797","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0