Updated 2025-07-01 11:30:27 +07:00
Updated 2025-05-25 13:39:56 +07:00
Updated 2025-05-08 10:28:49 +07:00
Updated 2025-05-07 13:56:14 +07:00
Updated 2025-05-07 12:04:46 +07:00
Updated 2025-05-07 11:25:03 +07:00
Updated 2025-05-07 10:49:54 +07:00
Ini adalah dokumentasi dari program alat saya yang berjudul Sistem kontrol lampu rumah menggunakan Raspberry Pi 3 berbasis RPi Display control dan aplikasi android.
Updated 2024-07-25 15:26:25 +07:00
Updated 2024-07-24 09:07:26 +07:00
Imeplementasi Intrusion Detection System (IDS) Menggunakan Honeypot dan Port Knocking berbasis Ubuntu Server
Updated 2024-07-17 12:09:51 +07:00
Updated 2024-07-17 11:54:04 +07:00
Updated 2024-07-17 08:00:32 +07:00
Updated 2024-07-11 10:58:37 +07:00
Dari judul skripsi "Analisis Sentiment Program Merdeka Belajar Kampus Merdeka Pada Pengguna Twitter Menggunakan Metode Naive Bayes". Sistem ini memberikan pandangan kepada masyarakat dan penulis tentang bagaimana pandangan masyarakat terhadap program merdeka belajar kampus merdeka yang telah pemerintah jalankan. Dengan sistem ini, diharapkan menjadi reverensi untuk dilakukannya evaluasi oleh pemerintah dari analisis sentiment yang dilakukan.
Updated 2024-07-10 13:36:05 +07:00
Updated 2024-07-05 09:53:39 +07:00
Klasifikasi Jenis Tanaman Rimpang untuk Mendukung Pengenalan Tanaman Obat Tradisional Menggunakan Metode Convolutional Neural Network (CNN)
Updated 2024-06-14 11:19:06 +07:00
Updated 2024-06-04 13:09:31 +07:00
webservice-clustering-products-from-tokopedia-api-using-k-means
Updated 2024-05-25 13:57:35 +07:00
Fokus utama dalam meningkatkan kepuasan pelanggan dan kualitas pelayanan yaitu pada sistem deteksi kepuasan pelanggan. Penelitian ini bertujuan untuk mengembangkan sebuah sistem deteksi kepuasan pelanggan menggunakan Convolutional Neural Network (CCN). Metode ini memungkinkan untuk deteksi ekspresi wajah pelanggan secara real-time untuk menilai tingkat kepuasan mereka. Tiga jenis dataset digunakan dalam penelitian ini untuk melatih model CNN yang berbeda-beda yaitu dataset primer, sekunder dan campuran. Hasil dari beberapa uji coba yang dilakukan menunjukkan bahwa Model CNN FS 3 dengan dataset campuran dengan pembagian dataset pada perbandingan 80:20, dimana data dibagi menjadi 80% sebagai data latih dan 20% sebagai data uji mencapai akurasi yaitu 90,43% untuk pelatihan dan 90,46% pengujian. Uji coba menggunakan User Acceptance Testing (UAT) website deteksi ekspresi wajah pelanggan menunjukkan tingkat keberhasilan sebesar 88% yang menandakan bahwa pengguna dapat menerima dengan cukup baik website deteksi ekpresi pelanggan. Waktu yang digunakan untuk mendeteksi ekspresi wajah pelanggan yaitu selama 30 detik hal ini sudah di uji pada toko secara langsung
Updated 2024-05-21 11:05:25 +07:00