Updated 2024-05-29 17:20:44 +07:00
Updated 2024-05-29 11:12:55 +07:00
Updated 2024-05-29 09:53:24 +07:00
Updated 2024-05-29 09:42:21 +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
Updated 2024-05-28 14:12:34 +07:00
Updated 2024-05-25 15:26:32 +07:00
webservice-clustering-products-from-tokopedia-api-using-k-means
Updated 2024-05-25 13:57:35 +07:00
fruits zone merupakan aplikasi media pembelajaran pengenalan buah untuk anak usia dini
Updated 2024-05-21 19:03:50 +07:00
Ananda Zakia Syahfitri (E31210529)
Updated 2024-05-21 12:55:51 +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
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
SIPETAN merupakan Sistem Pendukung Keputusan Pemilihan Jenis Tanaman Pangan Berdasarkan Lahan Menggunakan Metode TOPSIS dengan studi kasus di Kabupaten Banyuwangi. Sistem ini di tujukan untuk Dinas Pertanian dan Pangan sebagai salah satu layanan untuk masyarakat guna untuk meningkatkan produktivitas pertanian khususnya tanaman pangan.
Updated 2024-05-20 12:43:41 +07:00
Updated 2024-05-07 12:03:17 +07:00