Updated 2025-06-19 20:02:49 +07:00
Updated 2025-05-16 12:09:09 +07:00
Updated 2025-05-15 12:56:23 +07:00
Updated 2025-05-15 12:49:34 +07:00
Updated 2025-05-14 11:49:40 +07:00
Updated 2025-05-08 13:15:02 +07:00
Updated 2025-05-08 13:14:49 +07:00
Updated 2025-05-07 09:59:16 +07:00
Tugas AKhir sayaa, hahahahaha
Updated 2025-04-20 00:08:41 +07:00
Updated 2024-07-31 14:53:04 +07:00
siskayura / TIF_E41200999
Template
Updated 2024-07-03 11:39:44 +07:00
Updated 2024-06-27 12:24:47 +07:00
Dimas-Mulya / TIF-E41201045
Template
Analisis Sentimen Menggunakan Machine Learning & Deep Learning Pada Komentar Twitter
Updated 2024-06-10 10:20:55 +07:00
TA/Skripsi Analisis Sentimen Masyarakat Terhadap Berita KDRT Di Indonesia Berdasarkan Opini Dari Media Sosial Twitter Menggunakan Algoritme Naive Bayes Classifier (NBC)
Updated 2024-06-05 16:16:24 +07:00
Updated 2024-06-05 09:21:30 +07:00
Updated 2024-06-04 12:52:48 +07:00
Updated 2024-06-04 12:47:31 +07:00
Penelitian ini difokuskan pada pengembangan sistem deteksi dini penyakit Parkinson melalui gambar spiral dan gelombang yang bertujuan untuk mendukung skrining awal sebelum dilakukan pengecekan lebih lanjut ke Dokter Spesialis Saraf. Penelitian ini bertujuan untuk mengembangkan sebuah sistem deteksi dini penyakit Parkinson melalui gambar spiral dan gelombang. Metode yang digunakan melibatkan penggunaan Convolutional Neural Network (CNN) dengan arsitektur DenseNet-169 untuk mengklasifikasikan tulisan tangan sebagai tremor atau non tremor.
Updated 2024-05-29 08:57:54 +07:00
fruits zone merupakan aplikasi media pembelajaran pengenalan buah untuk anak usia dini
Updated 2024-05-21 19:03:50 +07:00
Penggunaan teknologi smart home saat ini semakin berkembang pesat, terutama di Indonesia. Terlebih lagi terobosan-terobosan yang digunakan salah satunya yaitu pengenalan biometrik berupa suara. Namun, terobosan tersebut memiliki resiko keamanan, seperti kesalahan identifikasi suara atau speech misidentification. Berbagai penelitian yang mengkombinasikan berbagai metode ekstraksi ciri suara dan algoritma klasifikasi suara dengan metode MFCC dan Supervised Learning. Hasil dari penelitian ini menunjukkan bahwa pada pengujian manual yang menggunakan model SVM Multiclass dapat mencapai tingkat akurasi 98,7 pada pengujian confusion matrix. Sedangkan pada penggunaan model Backpropagation tingkat akurasi yang didapatkan bisa mencapai 98,3%. Kemudian dari hasil implementasi sistem kedalam prototype diperoleh waktu response time pada perangkat terhadap suara mendapatkan rata-rata 319.95 ms dalam keadaan online yang tersambung pada firebase. Sedangkan untuk response time pada proses pengenalan sistem dapat mencapai rata-rata 1.31 ms.
Updated 2024-05-21 11:10:49 +07:00