Claim Missing Document
Check
Articles

Found 2 Documents
Search

Klasifikasi Keadaan Mata Berdasarkan sinyal EEG menggunakan Extreme Learning Machines Ersa Christian Prakoso; Untari Novia Wisesty; Jondri .
Indonesia Journal on Computing (Indo-JC) Vol. 1 No. 2 (2016): September, 2016
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2016.1.2.105

Abstract

Electroencephalography atau sinyal EEG adalah salah satu biosignal yang marak menjadi topikpenelitian saat ini. Sinyal EEG memiliki banyak manfaat seperti pendeteksian epilepsi, gangguantidur, atau input dalam aplikasi komputer. Salah satu input yang dapat dideteksi berdasarkan sinyalEEG adalah keadaan mata. Namun untuk digunakan sebagai input dalam aplikasi diperlukanklasifikasi dengan performansi yang memadai. Oleh karena itu penulis akan dilakukan penelitiandimana salah satu metode pembelajaran Jaringan Syaraf Tiruan yaitu Extreme Learning Machine(ELM) akan diimplementasikan untuk mengklasifikasikan kondisi mata berdasarkan sinyal EEG.Dataset yang digunakan untuk melatih dan menguji model adalah dataset eye-state yangdidonasikan oleh Oliver Roesler digabung dengan dataset yang berasal dari website repositoryUniversitas of California, IrvineI (UCI) . Terdapat 7 corpus yang terdiri dari perekaman EEGyang dilakukan kepada 4 orang berbeda, lalu ditambahkan 1 corpus yang merupakanpenggabungan seluruh corpus lain. Dari hasil pengujian yang dilakukan disimpulkan bahwa ELMdapat digunakan untuk klasifikasi keadaan mata dengan akurasi mencapai 97,95% dengan waktulatih hanya 0,81 detik jika masing-masing data digunakan secara terpisah, sedangkanpenggabungan keseluruhan dataset hanya mencapai akurasi 78,94% dengan waktu latih 5,71 detik.
Sentiment Analysis of Movie Review using Naïve Bayes Method with Gini Index Feature Selection Riko Bintang Purnomoputra; Adiwijaya Adiwijaya; Untari Novia Wisesty
Journal of Data Science and Its Applications Vol 2 No 2 (2019): Journal of Data Science and Its Applications
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/jdsa.2019.2.36

Abstract

In movie reviews, there is information that determines whether the movie is good or bad. Sentiment analysis is used to process information to determine the polarity of the sentence. With unstructured reviews and a lot of data attributes so that it requires much time and computational capabilities that become a problem in the classification process. To process a lot of data selection features becomes a solution to reduce dimensions so it accelerate the classification process and reduce the occurrence of misclassification. The first Gini Index Text feature selection used to classify documents and successfully enhanced the classifier performance. Multinomial Naïve Bayes (MNNB) is a popular classifier used for document classification however, will the Gini Index Text feature selection able to improve MNNB classification performance. Therefore in this study the author aims to use the Gini Index Text (GIT) for text feature selection with MNNB classifier to classify movie review into positive and negative classes. The data used is IMDB dataset that contains reviews in English sentences, the data will be divided into two parts, training data is 90% and data testing is 10%. The test results prove that the Gini index as a selection feature can increase accuracy where accuracy without feature selection is 56% and with feature selection of 59.54% with an increase of 3.54%.