Article Per Year (5 Year)
p-Index From 2019 - 2024
0.61
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) JUSTIN (Jurnal Sistem dan Teknologi Informasi) Scientica: Jurnal Ilmiah Sains dan Teknologi
Rudy Dwi Nyoto
Universitas Tanjungpura
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Social Sciences Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Implementasi Sentimen Masyarakat berdasarkan Tweet terkait Kebijakan Kemendikbud di Masa Pandemi Covid-19 Chavin Lorento; Arif Bijaksana Putra Negara; Rudy Dwi Nyoto
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 10, No 3 (2022)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v10i3.54243

Abstract

Twitter selalu menyajikan informasi trending sehingga pengguna selalu update terkait segala sesuatu yang sedang hangat diperbincangkan (tweet), contohnya sentimen masyarakat terkait kebijakan kemendikbud di masa pandemi Covid-19. Identifikasi tweets tersebut dapat dilakukan dengan klasifikasi. Sentimen tweets diklasifikasikan ke dalam tiga kelas, yaitu negatif, netral, atau positif. Tujuan penelitian ini adalah menghasilkan model klasifikasi yang memiliki performa terbaik dalam implementasi permasalahan tersebut. Selain itu, penelitian juga melihat pengaruh tuning hyperparameter dan pendekatan multi class SVM. Metode klasifikasi yang digunakan adalah multi class SVM (Support Vector Machine) dengan pendekatan OVO (One Versus One) dan OVA (One Versus All), serta PSO (Particle Swarm Optimization) digunakan sebagai tuning hyperparameter. Pembagian dataset dilakukan menjadi data training sebanyak 5939 data dan data testing sebanyak 660 data dengan rasio 90%:10%. Evaluasi dilakukan menggunakan 10-fold CV terhadap data training dan confusion matrix terhadap data testing. Berdasarkan evaluasi terhadap empat model skenario yang dibangun berupa nilai akurasi training dan testing, model OVO tanpa PSO sebesar 76,86% dan 79,70%, model OVO dengan PSO sebesar 77,94% dan 83,03%, model OVA tanpa PSO sebesar 76,66% dan 79,70%, dan model OVA dengan PSO sebesar 78,62% dan 83,18%. Kemudian, PSO dapat meningkatkan nilai akurasi training dan testing, yaitu OVO sebesar 1,08% dan 3,33%, serta OVA sebesar 1,96% dan 3,48%. Setelah itu, OVA memiliki akurasi training dan testing lebih tinggi dibanding OVO hanya jika menggunakan PSO, yaitu 0,68% dan 0,15%. Sedangkan, OVO memiliki nilai akurasi training lebih tinggi dibanding OVA hanya jika tidak menggunakan PSO, yaitu 0,2% dan keduanya memiliki nilai akurasi testing yang sama. Setelah hasil evaluasi tersebut, model OVA dengan PSO memberikan performa terbaik dibanding model lainnya dan digunakan sebagai model prediksi machine learning aplikasi generik yang dibangun dalam penelitian ini.
DIAGNOSIS PEYAKIT PENCERNAAN MENGGUNAKAN METODE EUCLIDEAN DISTANCE DENGAN PENDEKATAN CASE BASED REASONING Firman Exaudi Pasaribu; Tursina Tursina; Rudy Dwi Nyoto
Scientica: Jurnal Ilmiah Sains dan Teknologi Vol. 1 No. 1 (2023): Scientica: Jurnal Ilmiah Sains dan Teknologi
Publisher : Komunitas Menulis dan Meneliti (Kolibi)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.572349/scientica.v1i1.66

Abstract

Sistem pencernaan merupakan serangkaian jaringan organ dalam tubuh yang memiliki peran dan fungsi untuk mengolah makanan menjadi energi dalam bentuk molekul yang lebih kecil. Untuk itu pencernaan menjadi perang yang sangat penting dalam pendukung kebutuhan energi disetiap aktivitas manusia. Penyakit gastrointestinal adalah kondisi kelainan pada sistem pencernaan di dalam tubuh yang ditandai dengan kurangnya nafsu makan ataupun nyeri pada perut, yang dapat mengakibatkan tubuh kekurangan nutrisi hingga implikasi terhadap penyakit lain. Untuk itu tujuan penelitian ini dilakukan yaitu untuk membangun sebuah aplikasi yang dapat membantu masyarakat agar dapat mendiagnosa penyakit pencernaan yang diderita berdasarkan gejala yang dirasakan dengan menggunakan penalaran Case based reasoning (CBR). CBR merupakan penalaran yang digunakan untuk menyelesaikan kasus baru dengan cara mengadaptasi solusi yang terdapat pada kasus-kasus sebelumnya yang mempunyai permasalahan yang mirip dengan kasus baru. CBR memiliki empat tahapan dimana tahapan pertaman yaitu retrieve, pada retrieve terjadi proses menghitung kemiripan antara kasus baru dan kasus lama, menampilkan jarak terdekat antara kasus baru dan kasus lama di dalam basis kasus. Pada tahapan kedua yaitu reuse terjadi proses menggunakan kembali solusi kasus lama untuk menyelesaikan kasus baru. Solusi yang digunakan adalah solusi dari kasus lama yang memiliki jarak terdekat dengan kasus baru. Selanjutnya pada tahapan ketiga yaitu revise terjadi proses mengubah dan mengadopsi solusi yang ditawarkan jika perlu. Selanjutnya tahapan keempat retain, terjadi proses menyimpan solusi yang terakhir sebagai bagian dari kasus baru dimana kasus baru diperbaharui ke dalam basis kasus. Perhitungan kemiripan kasus pada penelitian ini menggunakan metode Euclidean Distance yang bertujuan untuk mendapatkan jarak similaritas terkecil, sehingga solusi yang digunakan untuk kasus baru adalah jarak similaritas terkecil di basis kasus. Perancangan sistem pada penelitian ini menggunakan metode Unified Modelling Language (UML), kemudian pengujian aplikasi dilakukan dengan dengan metode Black Box dan Membandingkan Hasil Diagnosis Pakar dengan Sistem. Hasil yang didapatkan dari pengujian Black Box adalah fitur dan sistem dapat bekerja sesuai yang diharapkan. Hasil pengujian dengan membandingkan Hasil Diagnosis Pakar dengan Sistem terhadap 40 kasus uji dan 153 basis kasus menghasilkan akurasi yang cukup tinggi yakni sebesar 95%.
Penghitung Trafik Kendaraan Berbasis Object Recognition Studi Kasus Jalan Utama Universitas Tanjungpura Agung Tuah Ananda; Yus Sholva; Rudy Dwi Nyoto
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 3 (2022): Volume 8 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i3.57136

Abstract

Pertumbuhan penggunaan kendaraan bermotor untuk transportasi oleh masyarakat terus meningkat seiring waktu. Sebagai lembaga pendidikan tinggi dengan jumlah mahasiswa aktif mencapai angka 31 ribu orang maka Universitas Tanjungpura perlu menyadari bagaimana penggunaan jalan oleh pengendara kendaraan bermotor di Universitas Tanjungpura dalam bagian dari perencanaan pembangunannya untuk menghindari permasalahan yang mungkin timbul dikemudian hari. Penelitian ini bertujuan untuk menghasilkan suatu sistem yang dapat menghitung trafik kendaraan di jalan masuk utama Universitas Tanjungpura. Peneliti menggunakan pendekatan object recognition untuk mengetahui jenis kendaraan yang lewat apakah merupakan kendaraan sepeda motor atau mobil, dimana digunakan metode background subtraction dan pemrosesan morfologi dalam tugas deteksi objek, dan metode Haar cascade classifier dalam tugas klasifikasi jenis kendaraan dari objek yang terdeteksi. Pada penelitian ini dilatih model klasifikasi kendaraan sepeda motor (masuk dan keluar) dengan masing-masing 5000 data latih dan model klasifikasi kendaraan mobil (masuk dan keluar) dengan masing-masing 500 data latih. Evaluasi pendeteksi objek menunjukkan bahwa program dapat mendeteksi objek yang bergerak dengan akurasi dengan akurasi terendah sebesar 67% dan akurasi tertinggi sebesar 93%. Evaluasi model klasifikasi kendaraan menunjukkan nilai F1-score rata-rata 0.916 (sepeda motor masuk), 0.311 (mobil masuk), 0.965 (sepeda motor keluar) dan 0.427 (mobil keluar). Evaluasi menunjukkan tidak terdapat pengaruh yang signifikan mengenai perbedaan kondisi waktu dan kepadatan trafik kendaraan terhadap performa model klasifikasi kendaraan. Di mana nilai rata-rata f1-score pada pengujian pagi, siang dan sore adalah masing-masing 68%, 62% dan 67% dan rata-rata akurasi pada pengujian padat, sedang dan sepi adalah masing-masing 89%, 86% dan 88%. Hasil pengujian unit testing dan integration testing menunjukkan sistem ini dapat mendeteksi objek kendaraan yang lewat, mengetahui jenis kendaraan tersebut dan menghitung jumlahnya serta menyediakan cara untuk mendapatkan data trafik kendaraan yang dihasilkan. Secara keseluruhan penelitian dinilai berhasil dalam membuat sebuah sistem penghitung trafik kendaraan berbasis object recognition studi kasus jalan utama Universitas Tanjungpura.
Co-Authors Agung Tuah Ananda Arif Bijaksana Putra Negara Chavin Lorento Firman Exaudi Pasaribu Sholva, Yus Tursina Tursina