Fruit is part of a plant that comes from the flower or pistil of the plant and usually has seeds. Meanwhile, vegetables are leaves, legumes, or seeds that can be cooked. Fruits and vegetables have many variants that can be distinguished based on color, shape, and texture. The Saliency-HOG feature and Color moments were used in this study to extract shapes and colors features in fruit and vegetable images. In this study, the Support Vector Machine (SVM) method was used to classify the types of fruit and vegetables. The dataset used in this study is a public dataset consisting of 114 images of fruit and vegetables. Each type of fruit and vegetable contains 100 images consisting of 70 images as training data and 30 images as testing data. There are 4 saliency features used in the testing phase, namely Region Contrast (RC), Frequency-tuned (FT), Histogram Contrast (HC), and Spectral Residual (SR). Based on the test results, the Saliency-HOG and Color Moments features were able to provide good results with the best precision, recall, and accuracy being 98.57%, 98.55%, and 99.120%, respectively.
Opinion classification is an analysis that aims to determine the sentiments of the community or a group about a particular entity. Opinion classification can be categorized as positive, negative, and neutral. This research of the classification of public opinion was conducted on the MyRepublic internet service provider. At the moment, MyRepublic has reached seven provinces in Indonesia. MyRepublic has used a lot of media to communicate with its customers, especially Twitter. MyRepublic Twitter account is MyRepublicid with a number of followers of 9,414. This research uses comments or tweets from followers that can be used to see opinions from followers of My Republic, whether positive or negative. The comments or tweets classification on Twitter is using naïve Bayes method. The data used is 1,553. As much as 70% of the data from each category is used as training data and the remaining 30% as testing data. The naïve Bayes method produces positive accuracy value of 0.976%, negative accuracy value of 0.82895%, and neutral accuracy value of 0.8333%, with an average of 0.87949%. Based on the result, it can be concluded that the naïve Bayes method is able to classify the data very well. Intisari-Klasifikasi opini adalah analisis yang bertujuan untuk menentukan sentimen komunitas atau kelompok tentang entitas tertentu. Klasifikasi opini dapat dikategorikan sebagai positif, negatif, dan netral. Klasifikasi opini publik ini dilakukan pada penyedia layanan internet MyRepublic. Saat ini, MyRepublic telah menjangkau tujuh provinsi di Indonesia. MyRepublic menggunakan banyak media untuk berkomunikasi dengan pelanggannya, terutama menggunakan Twitter. Akun MyRepublic di Twitter adalah MyRepublicid dengan jumlah pengikut 9.414. Makalah ini mengambil komentar atau tweet dari pengikut yang dapat digunakan untuk melihat pendapat dari pengikut My Republic, positif atau negatif. Klasifikasi komentar atau tweet di Twitter menggunakan metode naïve Bayes. Dari sejumlah 1.553 data yang digunakan, diambil 70% dari masingmasing kategori sebagai data latih dan 30% sisanya sebagai data uji. Metode Naïve Bayes menghasilkan nilai akurasi positif 0,976%, negatif 0,82895%, dan netral 0,8333%, sehingga memiliki rata-rata 0,87949%. Dengan hasil akurasi ini dapat disimpulkan bahwa metode Naïve Bayes mampu mengklasifikasikan data dengan baik.
Pertanian 4.0 merupakan suatu gebrakan dimana konsumen lebih dekat pada petani atau para perusahaan pertanian. Salah satu bentuk pertanian 4.0 ini adalah pertanian digital agar setiap kegiatan pertanian dapat terekam, menghasilkan data dan informasi terhadap bentuk dukungan untuk aktivitas pertanian di Indonesia. Pada penelitian ini menerapkan text mining pada data tweet agar dapat mengelompokkan data tersebut dengan menggunakan Algoritma K-Means. Dalam implementasi peneletian ini dibantu dengan menggunakan 2 tools, yakni orange tools untuk melakukan text processing dan Rapidminer untuk melakukan pengolahan algoritma KMeans. Hasil dari penerapan algortima K-Means terdapat 5 klaster, yaitu Pangan, Produksi, Lahan, Ekspor dan Teknologi. Dari 5 (lima) klaster tersebut kemudian menggunakan operator % performance pada rapidminer untuk mendapatkan rata-rata akurasi terhadap klaster tersebut adalah 0.344%. maka hasil dari penelitian ini terdapat 2 klaster yang nilainya tinggi yaitu kluster 0 Pangan dengan nilai 0.528% dan kluster 2 Produksi dengan nilai 0.523% dan untuk kluster yang nilai paling rendah adalah klaster 3 tentang ekspor dengan nilai 0.123% dengan hasil tersbut artinya implementasi text mining dapat dilakukan pada tools rapidminer.
Investasi saham merupakan salah satu pilihan yang tepat untuk mendapatkan keuntungan lebih. Akan tetapi dalam melakukan investasi saham diperlukan ilmu analisis terhadap data sebuah perusahaan yang dapat menentukan naik atau turunnya suatu harga saham pada perusahaan tersebut. Pergerakan yang sangat dinamis memerlukan pemodelan data untuk melakukan prediksi harga saham agar mendapatkan tingkat akurasi yang tinggi. Sebuah algoritma dikembangkan untuk mengatasi masalah data jangka panjang atau data historis yaitu Long Short Term Memory (LSTM). Dengan menggunakan Long Short Term (LSTM) penelitian ini menghasilkan nilai RMSE yang cukup baik dengan peningkatan nilai RMSE berdasarkan penambahan jumlah variasi epoch. Variasi epoch optimal didapatkan dengan jumlah epoch sebesar 200. Sedangkan nilai RMSE optimal yang dihasilkan metode Long Short Term Memory (LSTM) dihasilkan oleh emiten TINS dengan RMSE sebesar 31.71.
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.