Journal of Intelligent System and Computation最新文献_第2页

Hyper Sudoku Solver dengan Menggunakan Harris Hawks Optimization Algorithm 超级数独求解器邓根梦古那坎哈里斯鹰优化算法

Journal of Intelligent System and Computation Pub Date : 2021-07-15 DOI: 10.52985/INSYST.V2I1.153

E. Dinata, Herman Budianto, Hendrawan Armanto

{"title":"Hyper Sudoku Solver dengan Menggunakan Harris Hawks Optimization Algorithm","authors":"E. Dinata, Herman Budianto, Hendrawan Armanto","doi":"10.52985/INSYST.V2I1.153","DOIUrl":"https://doi.org/10.52985/INSYST.V2I1.153","url":null,"abstract":"Sudoku merupakan salah satu permainan klasik yang digemari banyak orang. Sebagai salah satu permainan papan, Sudoku mempunyai banyak varian, salah satunya Hyper Sudoku. Hyper Sudoku mempunyai tingkat kesulitas yang lebih tinggi daripada Sudoku biasa. Tingkat kompleksitas yang tinggi membuat pemainan ini menjadi brain teaser yang baik dan sangat cocok diambil sebagai media untuk menguji algoritma metaheuristik. Algoritma yang populer pada dekade terakhir ini adalah algoritma metaheuristik berbasis populasi, yang mengadaptasi perilaku binatang dalam memecahkan permasalahan optimasi, salah satunya adalah Harris Hawks Optimization (HHO). Seperti kebanyakan metode swarm intelligence (SI) lainnya, algoritma ini mengandalkan proses diversification dan intensification. Selain itu, HHO mempunyai empat strategi khusus untuk mencari solusi dengan kondisi yang berbeda. HHO mampu mencakup solusi multi dimensi, sehingga sangat cocok diimplementasikan pada persoalan Hyper Sudoku. Untuk uji coba, peneliti menggunakan bantuan aplikasi Visual Studio 2017 dan MATLAB R2018a. Pada proses pengujian, digunakan dua setting parameter yang berbeda, tiga macam persoalan Hyper Sudoku, dan tiga puluh independent run untuk mencapai hasil yang diinginkan. Berdasarkan hasil pengujian, dapat disimpulkan bahwa tingkat keberhasilan untuk mencari solusi pada persoalan Hyper Sudoku dengan menggunakan HHO berkisar antara 86 hingga 88%, dilihat dari fitness value-nya.","PeriodicalId":183705,"journal":{"name":"Journal of Intelligent System and Computation","volume":"6 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":"127889178","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

Journal of Intelligent System and Computation Pub Date : 2021-07-15 DOI: 10.52985/INSYST.V2I1.150

A. Syaifuddin, R. Harianto, Joan Santoso

{"title":"Analisis Trending Topik untuk Percakapan Media Sosial dengan Menggunakan Topic Modelling Berbasis Algoritme LDA","authors":"A. Syaifuddin, R. Harianto, Joan Santoso","doi":"10.52985/INSYST.V2I1.150","DOIUrl":"https://doi.org/10.52985/INSYST.V2I1.150","url":null,"abstract":"Aplikasi WhatsApp merupakan salah satu aplikasi chatting yang sangat populer terutama di Indonesia. WhatsApp mempunyai data unik karena memiliki pola pesan dan topik yang beragam dan sangat cepat berubah, sehingga untuk mengidentifikasi suatu topik dari kumpulan pesan tersebut sangat sulit dan menghabiskan banyak waktu jika dilakukan secara manual. Salah satu cara untuk mendapatkan informasi tersirat dari media sosial tersebut yaitu dengan melakukan pemodelan topik. Penelitian ini dilakukan untuk menganalisis penerapan metode LDA (Latent Dirichlet Allocation) dalam mengidentifikasi topik apa saja yang sedang dibahas pada grup WhatsApp di Universitas Islam Majapahit serta melakukan eksperimen pemodelan topik dengan menambahkan atribut waktu dalam penyusunan dokumen. Penelitian ini menghasilkan model topic dan nilai evaluasi f-measure dari model topik berdasarkan uji coba yang dilakukan. Metode LDA dipilih untuk melakukan pemodelan topik dengan memanfaatkan library LDA pada python serta menerapkan standar text-preprocessing dan menambahkan slang words removal untuk menangani kata tidak baku dan singkatan pada chat logs. Pengujian model topik dilakukan dengan uji human in the loop menggunakan word instrusion task kepada pakar Bahasa Indonesia. Hasil evaluasi LDA didapatkan hasil percobaan terbaik dengan mengubah dokumen menjadi 10 menit dan menggabungkan dengan reply chat pada percakapan grup WhatsApp merupakan salah satu cara dalam meningkatkan hasil pemodelan topik menggunakan algoritma Latent Dirichlet Allocation (LDA), didapatkan nilai precision sebesar 0.9294, nilai recall sebesar 0.7900 dan nilai f-measure sebesar 0.8541.","PeriodicalId":183705,"journal":{"name":"Journal of Intelligent System and Computation","volume":"52 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":"124026156","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: 4

Pengaruh Penggunaan Augmented Reality pada Pembelajaran Sistem Saluran Pernapasan dan Sistem Saluran Pencernaan pada Tubuh Manusia

Journal of Intelligent System and Computation Pub Date : 2021-07-15 DOI: 10.52985/INSYST.V2I1.155

R. Rico, Hendrawan Armanto

{"title":"Pengaruh Penggunaan Augmented Reality pada Pembelajaran Sistem Saluran Pernapasan dan Sistem Saluran Pencernaan pada Tubuh Manusia","authors":"R. Rico, Hendrawan Armanto","doi":"10.52985/INSYST.V2I1.155","DOIUrl":"https://doi.org/10.52985/INSYST.V2I1.155","url":null,"abstract":"Dituliskan Augmented Reality (AR) merupakan peluang baru untuk mempermudah kegiatan manusia dalam mengilustrasikan sesuatu. Karena pada dasarnya konsep AR adalah menampilkan objek grafis menjadi tampak nyata seolah ada dihadapan kita. Dalam segi pendidikan hal ini akan sangat berpengaruh mengingat konsep dari AR itu sendiri. Aplikasi ini akan mempermudah interaksi dua arah mengenai materi yang sedang disampaikan khususnya dalam jenjang sekolah dasar. Peserta didik seolah akan melihat objek yang sedang diajarkan berada didepan mereka. Hal ini membuat peserta didik dapat mengerti secara komplek dan terstruktur mengenai sistem pencernaan dan sistem pernapasan pada tubuh manusia dengan hanya menggunakan smartphone dan sebuah gambar sebagai marker. Hasil penelitian disalah satu sekolah mengungkap hasil belajar siswa dengan menggunakan metode pembelajaran AR akan meningkatkan pemahaman peserta didik dalam mengenal organ sesuai dengan kuisoner yang sudah diberikan. Aplikasi ini berhasil membantu belajar peserta didik untuk memperlajari sistem pernapasan dan sistem perncernaan pada tubuh manusia dengan menggunakan teknologi Augmented Reality (AR).","PeriodicalId":183705,"journal":{"name":"Journal of Intelligent System and Computation","volume":"1 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":"130291962","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

Market Basket Analysis untuk Swalayan KSU Sumber Makmur dengan Algoritma FP Growth

Journal of Intelligent System and Computation Pub Date : 2021-07-15 DOI: 10.52985/INSYST.V2I1.149

Ramadhan Ramadhan, E. Setiawan

引用次数: 1

Pengukuran Material Pada Bak Truk Berbasis Citra 测量图像卡车车厢的材料

Journal of Intelligent System and Computation Pub Date : 2021-04-01 DOI: 10.52985/insyst.v3i1.187

R. Harianto

{"title":"Pengukuran Material Pada Bak Truk Berbasis Citra","authors":"R. Harianto","doi":"10.52985/insyst.v3i1.187","DOIUrl":"https://doi.org/10.52985/insyst.v3i1.187","url":null,"abstract":"Proses pengukuran Material bak Truk membutuhkan waktu yang lama jika dilakukan dengan manual. Pengukuran Material Pada Bak Truk Berbasis Citra adalah sebuah terobosan untuk mengukur volume material secara otomatis menggunakan stereo image dengan durasi yang cepat. ZED Stereo Camera digunakan untuk scanning bak truk dan NVIDIA Jetson TX 1 digunakan menghitung muatannya. Pada tahap scanning dilakukan berbagai proses pengolahan citra seperti grayscaling, blurring, thresholding otsu, morphology operation dengan tujuan mengambil nilai depth bak truk dan mencari jarak maksimum serta minimum pada depth bak truk. Proses scanning dilakukan 2 kali yaitu pada saat truck kosong dan truk yang terdapat muatan. Setelah kedua data scanning terpenuhi dilakukan tahap perhitungan material dengan mengolah depth value, sebelumnya depth value dilakukan normalisasi terlebih dahulu. Setelah nilai depth didapatkan dilakukan rumus perhitungan volume pada bak yang berisi, dan juga di lakukan perhitungan volume bak kosong. Selisih dari nilai bak kosong di bandingkan dengan nilai bak isi inilah yang disebut sebagai volume muatan bak truk. Uji coba dilakukan pada jam 07.00-17.30 dengan truk yang berbeda. Terdapat 147 data percobaan terdapat 31 data yang tidak dapat ditemukan nilai depth value nya di karenakan pencahayaan yang kurang baik pada proses scanning. Dari scanning yang berhasil diprediksi nilai volume nya dan dibandingkan dengan nilai volume dengan metode perhitungan manual RMSE perhitungannya pada angka 0.814.","PeriodicalId":183705,"journal":{"name":"Journal of Intelligent System and Computation","volume":"105 5 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-04-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"116521853","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

Deteksi Citra Pornografi Memanfaatkan Deep Convolutional Neural Network 检测色情图像利用深度转换神经网络

Journal of Intelligent System and Computation Pub Date : 2021-04-01 DOI: 10.52985/insyst.v3i1.172

Kevin Setiono, Yosi Kristian, Gunawan Gunawan

引用次数: 0

Ekstraksi Ulasan Sentimen Film dari Twitter dengan Naïve Bayes pada Situs Web Media Sosial Penggemar Film 从Twitter上获取影迷社交媒体网站上天真的原创情感评论

Journal of Intelligent System and Computation Pub Date : 2021-04-01 DOI: 10.52985/insyst.v3i1.186

A. G. Sooai, Melania Laniwati

{"title":"Ekstraksi Ulasan Sentimen Film dari Twitter dengan Naïve Bayes pada Situs Web Media Sosial Penggemar Film","authors":"A. G. Sooai, Melania Laniwati","doi":"10.52985/insyst.v3i1.186","DOIUrl":"https://doi.org/10.52985/insyst.v3i1.186","url":null,"abstract":"Film dianggap sebagai bentuk seni serta merupakan sumber hiburan yang populer. Pembuatan penelitian ini diharapkan bisa membantu orang Indonesia untuk mendapatkan informasi tentang film serta membaca review dari film. Review film yang ada pada website ini didapatkan dari user-user lokal maupun dari Twitter. Sistem mengekstraksi dan mengkategorikan isi sentiment dari sebuah barisan teks tweet dengan menggunakan metodologi Basic Unified Process. Proses klasifikasi sentiment yang ada bertujuan untuk mengklasifikasi review sebagai positif/negatif. Seluruh tweet akan diproses melalui Feature Reduction dan Normalisasi. Proses Feature Reduction akan menghapus hashtag, username, link, dan tanda baca pada tweets. Pada proses Normalisasi, seluruh singkatan dan kata bukan baku pada tweets akan diganti. Penelitian ini menggunakan sistem Rule-Based dalam menentukan apakah tweet tersebut merupakan review film atau bukan. Penulis menggunakan algoritma Naïve Bayes untuk mengklasifikasi sentiment (positif/negatif) dari review. Penulis telah melakukan 8 buah pengujian, masing-masing 4 kali untuk pengujian sistem Rule-Based dan Naïve Bayes Classifier. Total data tweet yang diujicobakan adalah sebanyak 6.323, dan hasil akhir paling optimal yang didapatkan oleh sistem terhadap Rule-Based System menghasilkan akurasi sebesar 82,64% dan terhadap Naïve Bayes Classifier sebesar 74,09%. Dari hasil pengujian paling optimal ini, sistem mendapatkan nilai recall dan presisi masing-masing sebesar 71,44% dan 77,92% untuk Rule-Based System, serta 83,77% dan 77,65% untuk Naïve Bayes.","PeriodicalId":183705,"journal":{"name":"Journal of Intelligent System and Computation","volume":"30 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-04-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"124961536","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

Stance Classification Pada Berita Berbahasa Indonesia Berbasis Bidirectional LSTM

Journal of Intelligent System and Computation Pub Date : 2021-04-01 DOI: 10.52985/insyst.v3i1.148

Esther Irawati Setiawan, I. Lestari

{"title":"Stance Classification Pada Berita Berbahasa Indonesia Berbasis Bidirectional LSTM","authors":"Esther Irawati Setiawan, I. Lestari","doi":"10.52985/insyst.v3i1.148","DOIUrl":"https://doi.org/10.52985/insyst.v3i1.148","url":null,"abstract":"Berita palsu masih menjadi masalah yang harus mendapat perhatian khusus. Media sosial, termasuk Facebook menjadi salah satu sarana yang mudah dan murah untuk menyebarkan suatu informasi yang bahkan belum tentu kebenarannya. Informasi tentang kesehatan menjadi salah satu topik berita palsu yang banyak tersebar ke masyarakat. Cara yang berbeda untuk mendeteksi berita palsu yaitu dengan menggunakan deteksi sikap (stance detection). Tujuan utama dari penelitian ini adalah merancang model yang memiliki kemampuan terbaik untuk melakukan tugas stance classification pada konteks bahasa Indonesia. Model ini diharapkan dapat digunakan untuk berkontribusi dalam menanggulangi masalah penyebaran berita palsu, khususnya di Indonesia. Metode BiLSTM dan GRU diusulkan untuk digunakan dalam melakukan stance classification terhadap headline berita dengan kelas for (mendukung), against (menentang), dan observing (netral). Stance classification pada penelitian ini menggunakan data sebanyak 3.941 headline berita yang terdiri dari 563 klaim dengan 7 tanggapan. Dataset dikumpulkan dari artikel-artikel berita kesehatan berbahasa Indonesia yang diposting pada laman Facebook. Model pada penelitian ini mampu menghasilkan akurasi F1-score paling tinggi sebesar 64% dengan FastText embedding. Metode GRU dapat menjadi salah satu pilihan tepat untuk melakukan stance classification dengan komputasinya yang lebih sederhana. Kinerja FastText jauh lebih unggul dibandingkan dengan Word2Vec dalam melakukan pembentukan vektor kata karena mampu mengatasi masalah out-of-vocabulary (OOV).","PeriodicalId":183705,"journal":{"name":"Journal of Intelligent System and Computation","volume":"50 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-04-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"122109327","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: 2

DETEKSI POLISI TIDUR PADA JALAN MENGGUNAKAN ANILISIS BLOB DAN KONVOLUSIONAL NEURAL NETWORK 警方发现露宿街头的警察使用BLOB区和反神经网络

Journal of Intelligent System and Computation Pub Date : 2021-04-01 DOI: 10.52985/insyst.v3i1.180

Ervin Indra Nugraha, Yuliana Melita Pranoto

{"title":"DETEKSI POLISI TIDUR PADA JALAN MENGGUNAKAN ANILISIS BLOB DAN KONVOLUSIONAL NEURAL NETWORK","authors":"Ervin Indra Nugraha, Yuliana Melita Pranoto","doi":"10.52985/insyst.v3i1.180","DOIUrl":"https://doi.org/10.52985/insyst.v3i1.180","url":null,"abstract":"Polisi tidur merupakan pembatas kecepatan laju dari kendaraan yang sengaja ditempatkan diatas jalan. Polisi tidur memiliki dua jenis karakteristi. Polisi tidur memiliki ukuran berbeda yang ditemui pada beberapa perumahan, ditempat ujian sim, dan yang sering dijumpai pada perumahan atau jalan dengan beragam warna yang berbeda. Deteksi polisi tidur pada jalan akan menggunakan dua metode Anilisis blob dan CNN. Proses deteksi polisi tidur akan dilakukan menggunakan anilisis blob, saat metode anilisis blob tidak mendeteksi adanya polisi tidur maka akan dilakukan proses CNN untuk melakukan deteksi. Dalam proses anilisis blob, alur penelitian deteksi akan dilakukan menggunakan anilisis blob, pada saat proses blob tidak mendeteksi adanya polisi tidur maka proses deteksi akan dilanjutkan menggunakan CNN. Sebelum dilakukan proses deteksi menggunakan blob, gambar atau video frame akan diproses menggunakan proses preprosesing, morfologi erosi dan dilasi. Penggunaan proses preprosesing dan morfologi dilakukan agar objek berupa polisi tidur dapat dipisahkan dari gambar background yaitu aspal. Uji coba pada penelitian akan dilakukan pada 10 buah video dengan durasi minimal 30 detik dan 100 gambar polisi tidur yang diproses pada dataset. Pada dataset akan dikelompokan untuk dilakukan klasifikasi yaitu berwarna dan tidak berwarna. Setiap warna polisi tidur yang terdeteksi akan dicatat dan berapa banyak pada warna tersebut polisi tidur dapat dideteksi. Kedua metode yang digabungkan mendapatkan hasil deteksi yang baik dengan hasil 76% terhadap polisi tidur pada perumahan. Pada uji coba rata-rata polisi tidur tanpa warna atau warna yang sama dengan aspal dan penggunaan paving pada jalan mempengaruhi tingkat akurasi dari deteksi polisi tidur.","PeriodicalId":183705,"journal":{"name":"Journal of Intelligent System and Computation","volume":"13 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-04-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"128096291","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

Disjoint Community Detection pada Network Kegiatan Kemahasiswaan di ISTTS Menggunakan Fast Greedy dan Walktrap

Journal of Intelligent System and Computation Pub Date : 2021-04-01 DOI: 10.52985/insyst.v3i1.175

M. Setiawan, G. Gunawan, F. Ferdinandus

{"title":"Disjoint Community Detection pada Network Kegiatan Kemahasiswaan di ISTTS Menggunakan Fast Greedy dan Walktrap","authors":"M. Setiawan, G. Gunawan, F. Ferdinandus","doi":"10.52985/insyst.v3i1.175","DOIUrl":"https://doi.org/10.52985/insyst.v3i1.175","url":null,"abstract":"Disjoint community detection bertujuan untuk menemukan sebuah komunitas pada network dengan melakukan pemisahan. Pada penelitian ini, disjoint akan dilakukan pada network kegiatan kemahasiswaan di ISTTS. Metode disjoint community detection yang digunakan adalah fast greedy dan walktrap algorithm. Data kegiatan kemahasiswaan berisi mengenai mahasiswa bersama-sama dengan mahasiswa lainnya mengikuti kegiatan kemahasiswaan apa saja. Setelah disjoint berhasil dilakukan, maka akan dihitung nilai closeness centrality dari setiap mahasiswa, dimana pada akhirnya akan dihitung correlation coefficient dengan IPK mahasiswa tersebut untuk mencari hubungan antara centrality mahasiswa dengan IPK mereka. Hasil closeness centrality ini selanjutnya di rata-rata untuk semua hasil algoritma untuk melihat bagaimana korelasi closeness centrality dengan ipk mahasiswa tersebut. Uji coba dilakukan dengan membentuk gml dari kombinasi filter, yang menghasilkan sekitar 2527 gml dengan nilai akhir korelasi adalah 62 - 63% weak positif dengan diikuti 16-18% moderate positif, dan 14-16% tidak berkorelasi sama sekali. Akhirnya dapat disimpulkan bahwa closeness centrality dalam sebuah komunitasnya, hanya berpengaruh secara weak positif dengan ipk mahasiswa tersebut.","PeriodicalId":183705,"journal":{"name":"Journal of Intelligent System and Computation","volume":"12 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-04-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"131548413","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