Claim Missing Document
Check
Articles

Found 2 Documents
Search

Perancangan Aplikasi Resep Masakan Dan Kue Khas Makassar Berbasis Android Muhammad Rijal; Firman Aziz; Rohmah Nur Hidayah; Satar Satar
Journal of System and Computer Engineering (JSCE) Vol 2 No 2 (2021): JSCE: JULI 2021
Publisher : Universitas Pancasakti

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47650/jsce.v2i1.238

Abstract

Penelitian ini bertujuan untuk membuat suatu mobile aplication yang dapat digunakan oleh user untuk mengetahui tentang resep-resep masakan dan kue khas tradisional Makassar. Saat ini, aplikasi yang menggunakan perangkat bergerak semakin meningkat dan beragam. Pada sistem ini, development tools yang digunakan adalah Java Eclips yang diimplementasikan pada perangkat smartphone android. Hasil penelitian menunjukkan bahwa sistem ini mampu memberikan informasi kepada user tentang resep-resep masakan dan kue khas tradisional Makassar, yang di tempatkan di perangkat mobile
Klasifikasi Penyakit Pernapasan berbasis Visualisasi Suara menggunakan Metode Support Vector Machine Andani Achmad; Adnan Adnan; Muhammad Rijal
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 6 No. 1 (2022): Volume VI - Nomor 1 - September 2022
Publisher : Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v6i1.330

Abstract

Abstract—Suara merupakan parameter yang sangat penting dalam sistem kesehatan pernapasan. Proses klasifikasi pernapasan dipengaruhi oleh dukungan tubuh dalam mendapatkan oksigen yang menghasilkan keadaan normal dan abnormal. Keadaan abnormal yang dimaksud adalah penyakit asma, bronkitis dan tuberkolosis. Tujuan panelitian ini yaitu mengusulkan Support Vector Machine untuk melakukan klasifikasi penyakit asma, bronkitis dan tuberkolosis. Pemilihan metode Support Vector Machine berdasarkan keunggulan dalam proses generalisasi dengan meminimalkan terjadinya salah prediksi dan estimasi parameter agar ditemukan hyperplane yang terbaik untuk memisahkan kelas. Hasil pengujian mengemukakan bahwa metode Support Vector Machine berhasil diterapkan dalam mengklasifikasi penyakit asma, bronkitis dan tuberkolosis dengan akurasi sebesar 46.37%. Keywords—Klasifikasi, Penyakit Pernafasan, Visualisasi Suara, MFCC, Support Vector Machine.