Salah satu aktivitas ternak yang popular di Indonesia adalah ternak burung puyuh. Rentannya burung puyuh mengalami kematian yang bisa menyebabakan kegagalan panen melatarbelakangi penulis melakukan moniting kandang burung puyuh. Pada penelitian ini secaraa khusus dilakukan pengembangan system pada layer aplikasi dan layer servis di system berbasis internet of thing dengan melakukan penggunaan platform Node-Red dan pembuatan basis data local menempung data dari platform. Data akan dianalisis menggunakan salah satu metode data mining berupa metode naïve bayes. Digunakan sensor LDR dan DHT11 untuk melakukan akuisisi data sushu, kelembaban dan intensitas cahaya. Jika sushu kandang melebihi atau sama dengan 34 derajat celcius, lampu dalam kandang akan mati dan jika Jika data kurang dari sama dengan 33 derajat selsius, maka system akan menyalakan lampu dalam kandang.. Selain itu digunakan juga beberapa komponen lain seperti Arduino Mega 2560, NodeMcu ESP8266, dan media jaringan computer serta cloud application berupa platform Node-Red. Dapa diimplementasikan proto type system monitoring kandang burung puyuh berbasis IoT pada platform Node-Red menggunakan metode Naïve Bayes. Terhadap Data yang diperoleh dilakukan pengujian akurasi dan diperoleh nilai akurasi 80 persen.
Sistem peringkas teks otomatis berita kesehatan multi bahasa dapat digunakan oleh pembaca untuk meringkas teks berita kesehatan berbagi terjemahanya untuk kebutuhan berbagai jenis kegiatan. Untuk mengembangkan perangkat lunak yang sesuai dan mudah dimengerti untuk pengguna dalam membaca berita dan menterjemahkannya dalam bahasa internasional. Berita kesehatan dilakukan proses teks diproses hapus tanda baca, stopword, stemming, tokenizing, pembobotan kata dan pembobotan kalimat. Setelah pemrosesan teks setiap kalimat akan memiliki bobot masing-masing dari yang bernilai hingga terendah. K8 mendapatkan bobot 37.19723289, K9 mendapatkan bobot 17.89999416, K10 mendapatkan bobot 16.52464106 dan K3 mendapatkan bobot 14.77709596. metode yang digunakan adalah Metode Term frequency inverse document frequency (TF-IDF). Sistem menerima entri berita, menterjemahkan, dokumen menjadi kalimat, membuang karakter, memecahkanya menjadi kata, memberikan nilai bobot pada kata, menjumlahkan nilai bobot, menghitung nilai idf dan TD-IDF sehingga dapat memperoleh nilai bobot dari setiap kalimat yang akan menghasilkan nilai paling tinggi. Bahasa pemrograman yang digunakan adalah PHP dan DBMS menggunakan MySQL. Editor menggunakan Sublime dan Tools menggunakan Xampp 3.2.2 Sistem peringkas teks berita kesehatan multi-bahasa otomatis tidak perlu menyita waktu yang cukup lama untuk membaca dan menerjemahkan. Sistem peringkas teks berita kesehatan dengan cara menguji pembobotan kalimat manual dan otomatis dengan hasil penilaian yang sama dan sistem ini dapat memahami isi berita penting yang diinputkan, dengan memiliki verifikasi pengujian responden 54,17%.
Teknologi saat ini berkembang pesat sehingga pengguna internet mudah untuk mengetahui berita yang ada di internet. Berita artikel gempa yang banyak menyulitkan pembaca mengetahui isi berita secara terperinci. Karena itu peringkas teks multi dokumen menjadi penting untuk dilakukan. Agar pembacaan menjadi cepat dan mudah serta informasi bisa di dapat secara singkat. Dengan adanya peringkas teks pembaca bisa mengetahui kliping artikel berita gempa secara singkat tidak hanya dari satu dokumen tetapi beberapa dokumen atau multi dokumen bisa dilakukan, minimal dari dua dokumen. Penulis membuat prototype system peringkas teks multi dokumen menggunakan metode Term frquency inverse document frequency (TF-IDF) yaitu memecah isi dokumen menjadi kalimat, membuang karakter, memecah kalimat menjadi kata, memberi nilai bobot pada kata, menjumlahkan nilai bobot, menghitung nilai idf dan TF-IDF sehingga di dapat nilai bobot kata dari setiap kalimat, diperoleh bobot kalimat dimana bobot yang tertinggi atau beberpa kalimat dengan rangking tertinggi dijadikan ringkasan dari masing-masing dokumen. Ringkasan dari setiap dokumen digabung dan diringkaskan lagi, sehingga menjadi ringkasan ketiga sebagai gabungan dua dokumen. Digunakan tools berbasis web, Bahasa pemogramman yang digunakan yaitu PHP dan DBMS MySQL. Aplikasi ini dapat mengimplementasikan peringkas teks otomatis multi dokumen kliping artikel berita di internet metode TF-IDF. Sistem ini dapat membantu mengetahui isi penting dari kliping artikel berita yang banyak di internet. Memiliki akurasi hasil uji responden 54.45% dan uji kemiripan dokumen sebesar 78.023%. Kata kunci: peringkas teks multi dokumen, kliping artikel berita, TF-IDF..
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.