Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada proses analisa video, permasalahan deteksi dan identifikasi objek adalah masalah yang sering dijumpai dan menjadi akar masalah yang menyebabkan analisa video masih belum bisa dilakukan secara real time dan diaplikasikan untuk hal yang kompleks. Oleh sebab itu, telah banyak metode yang dikembangkan untuk mengatasi permasalahan tersebut. Salah satu metode yang digunakan untuk identifikasi objek adalah Gaussian Bayes Classifier. Pada skripsi ini dirancang dan disimulasikan identifikasi objek yang berada di tangan dengan menggunakan Gaussian Bayes Classifier. Parameter correctness percentage digunakan untuk menguji performansi dari identifikasi objek (kaleng Green Sands, kaleng Pocari Sweat, dan Biore) yang berada di tangan. Hasil simulasi menunjukkan bahwa hasil pengidentifikasian objek yang memiliki ketepatan pengidentifikasian yang paling paling baik adalah ketika mengidentifikasi antara tidak ada objek dengan objek kaleng Green Sands yang memiliki nilai rata ? rata correct percentage yang mencapai 89% untuk setiap percobaannya dan 94,6% untuk setiap percobaannya saat pengidentifikasian tidak ada objek.

---

In video analysis process, problem in object detection and object identification is a common problem and the root problem that causes the video analysis still can?t be used in real time and applied to complex condition. Therefore, many methods have been developed to overcome these problems. One of the methods which is used for object identification is Gaussian Bayes Classifier method. In this thesis is designed and simulated object identification in hand using Gaussian Bayes Classifier. Correctness percentage parameter is used to test the performance of in hand object identification (for object Greend Sands?s can, Pocari Sweat?s can, and Biore) . The simulation result show that identification result which has best accuracy is when identifying between no object and object Green Sands?s can which has average value of correct percentage that reach 89% for each experiment and 94,6% for each experiment when identifying no object."

"Geowisata merupakan suatu jenis komoditas pariwisata yang memanfaatkan keindahan,keunikan fenomena,daya tarik dan keindahan alam yang dinilai dapat memberikan kontribusi perkembangan pariwisata bagi suatu daerah....."

"Animo penghujung yang sangat banyak di museum dirgantara mandala belum terpantau secara jelas karena penghitungannya dilakukan secara manual saat pengunjung masuk."

"The research to identify unkown scallop species that was collected from vietnam by isolation,amplification and determination sequence of mitochondrial 16S rDNA has been done....."

"ABSTRAKSistem pendeteksi emosi EmoLogus ditujukan untuk mengetahui nilai emosiyang terkadung didalam sebuah kalimat percakapan di dalam bahasa perancispada anak-anak berusia antara 5-9 tahun. Proses pengolahan kalimat untukmendapatkan nilai emosi meliputi proses pemisahan kalimat kedalam bentuk kata,pembentukan kata agar sesuai dengan struktur bahasa perancis, prosespemahaman kalimat, dan perhitungan nilai emosi. Nilai emosi di definisikandalam nilai positif dan negative dengan range -2 sampai +2. Nilai negativemewakili perasaan jijik, ketakutan, kemarahan, dan kesedihan, nillai nol mewakilirasa netral, dan nilai positif mewakili rasa gembira dan kejutan. Penelitian iniditujukan untuk merancang ulang sistem Emologus untuk menghasilkan sebuahaplikasi baru yang lebih mudah di gunakan oleh pengguna awam, sehinggakedepannya EmoLogus tidak hanya diterapkan untuk robot saja, tapi juga untukaplikasi-aplikasi komputer, mobile dan lain-lain. Dalam penelitian ini digunakanbahasa pemrograman java untuk desain interface grafis dan bahasa pemrogramanλProlog yang digunakan untuk pengembangan Emolgus. Hasil penelitianmenunjukan bahwa Java dapat berkomunikasi dengan baik dengan bahasapemrograman λProlog dan aplikasi yang dihasilkan lebih user mudah digunakanyang mana sebelumnya tidak dapat dilakukan dengan bahasa pemrogramanλProlog.

---

ABSTRACTEmoLogus emotion detection system is intended to determine the value ofemotions which is contained in a conversational sentence in French towardschildren aged between 5-9 years old. The word processing to get the value ofemotion includes the sentence separation process into the form of word, formationof words in the structure of French, process of sentence comprehension andcalculating the value of emotional. The value of emotion is defined in the positiveand negative values with a range of -2 to +2. Negative value represents thefeelings of disgust, fear, anger, and sadness. The value of zero represents a senseof neutral. Positive value represents a sense of joy and surprise. This study isaimed to redesign the system of Emologus to generate a new application which iseasier to be used by novice users, so that Emologus is not only applied for robots,but also for computer applications, mobiles and others. This study uses javaprogramming language for graphics and interface design and λProlog which isused for the development Emolgus before. The result of this research shows thatJava can communicate well with λProlog programming language and theapplication which is produced is better than before. It could not be done beforewith λProlog programming language, but now it can."

"ABSTRAKKlasifikasi sentimen merupakan salah satu cabang dari text mining. Klasifikasi sentimen dapat menjadi sesuatu yang penting dalam proses evaluasi terhadap sebuah topik permasalahan. Tujuan utama dari klasifikasi sentimen adalah untuk mencari tahu polaritas dari sentimen positif, negatif dan netral. Klasifikasi sentimen salah satunya dapat diperoleh melalui tweet yang ada pada Twitter. Dalam tulisan ini, tweet yang berhubungan dengan kata kunci yang dicari dihimpun dengan menggunakan tools yaitu API Twitter. Data yang didapat dari proses penghimpunan akan diolah dengan menggunakan Natural Language Toolkit yang berjalan diatas bahasa pemrograman Python. Data selanjutnya akan dilakukan klasifikasi sentimen dengan menggunakan Naive Bayes untuk melihat sentimen yang dihasilkan. Dari proses klasifikasi yang telah dilakukan akan diukur tingkat akurasi. Dari hasil uji coba sebanyak 3 kali, didapatkan tingkat akurasi pada percobaan pertama 64.95%, kedua 66.36% dan ketiga 66.79% Hasil lain yang didapatkan dari proses klasifikasi yaitu sentimen positif 28% sentimen negatif 20% dan sentimen netral 52%. Berdasarkan hasil persentase kelas sentimen, sentimen neutral merupakan sentimen yang paling banyak apabila dikaitkan dengan topik Presiden Joko Widodo dan pemerintahannya."

"ABSTRACTDewasa ini, sudah banyak rumah sakit modern yang dilengkapi dengan peralatan monitoring yang lengkap, yang menyebabkan makin banyaknya data medis yang tersimpan. Data medis ini memiliki karakteristik khusus, dan biasanya metode statistika biasa tidak dapat diterapkan begitu saja. Dari sinilah kemudian muncul gagasan mengenai Medical Data Mining (MDM) yang sudah terbukti cocok untuk diterapkan dalam analisis data medis. Naive Bayes Classifier (NBC) merupakan salah satu implementasi dari MDM. Kendati terbukti memiliki hasil yang akurat dan memuaskan dalam proses diagnosis medis, metode-metode dalam MDM belum sepenuhnya diterima dalam praktek medis untuk diterapkan. Alasan utama mengapa metode ini belum dapat diterima adalah karena terdapatnya resistansi dari tenaga medis terhadap metode diagnosis yang baru. Tujuan dari penelitian ini adalah untuk menerapkan dan mengevaluasi performa NBC  pada data rekam medis pasien kanker payudara di salah satu rumah sakit di Jakarta dalam masalah klasifikasi subtipe molekular kanker payudara, serta membandingkan hasil klasifikasi NBC dengan metode MDM lain, yaitu Decision Tree (DT). Hasil analisis menunjukkan bahwa NBC mengungguli DT dengan tingkat akurasi sebesar 92,8%. Selain itu, dapat juga ditunjukkan secara empiris bahwa NBC mampu menangani missing value dengan cukup baik dan tidak membutuhkan data dalam jumlah banyak untuk tetap dapat mengklasifikasikan sebagian besar pasien dengan benar.

---

ABSTRACTNowadays, modern hospitals are well equipped with data monitoring devices, which resulted in an abundant amount of medical data. These medical data possess specific characteristics and usually, statistical methods could not be applied directly. This is what started the notion of Medical Data Mining (MDM), which has proven to be effective in analysing medical data. Naive Bayes Classifier (NBC) is an implementation of MDM. Even though MDM methods produce a sufficiently accurate and satisfying results in diagnosis problems, these methods are still not well accepted in the medical practice. One of the main reasons is because there is a resistance of physicians to a new diagnosis method. The main goal of this study is to apply and evaluate the performance of NBC in classifying breast cancer patients in a private hospital in Indonesia into five classes of molecular subtypes and compare its performance with another popular MDM method, Decision Tree (DT). Results showed that NBC outperformed DT by reaching an accuracy rate of 92.8%. This study could also show empirically that NBC does not need a big dataset to be able to achieve a high accuracy rate and that NBC could handle the problem of missing values just fine."