Standar SNI 6128:2020 menjelaskan kualitas beras menjadi 3 kelas berdasarkan komposisi dari komponen-komponen mutu beras, yaitu komponen mutu beras kepala, butir patah, butir menir, butir merah/hitam, butir rusak, butir kapur, benda asing, dan butir gabah, dimana beras kepala merupakan komponen mutu yang paling diinginkan dan sisanya tidak diinginkan. Oleh karena itu, dapat dilihat urgensi untuk membangun sistem yang dapat melakukan proses pemisahan beras tersebut dari komponen yang tidak diinginkan. Dikembangkan sebuah sistem berbasis deep learning yang dapat mendeteksi beras dan benda asing yang diimplementasikan menggunakan framework deep learning keras melalui platform google colaboratory, yang menggunakan bahasa pemrograman python. Sistem ini diharapkan dapat mempunyai performa terbaik yang kemudian dapat digunakan pada sistem pemisahan beras sebagai subsistem rekognisi yang menerima input subsistem sensor kamera dan menghasilkan informasi yang bermanfaat yang kemudian akan diproses oleh subsistem aktuator. Hasil dari penelitian ini adalah sebuah sistem yang dapat mendeteksi himpunan objek yang ada pada citra dengan kategori beras dan benda asing.
Information extraction is an early stage of a process of textual data analysis. Information extraction is required to get information from textual data that can be used for process analysis, such as classification and categorization. A textual data is strongly influenced by the language. Arabic is gaining a significant attention in many studies because Arabic language is very different from others, and in contrast to other languages, tools and research on the Arabic language is still lacking. The information extracted using the knowledge dictionary is a concept of expression. A knowledge dictionary is usually constructed manually by an expert and this would take a long time and is specific to a problem only. This paper proposed a method for automatically building a knowledge dictionary. Dictionary knowledge is formed by classifying sentences having the same concept, assuming that they will have a high similarity value. The concept that has been extracted can be used as features for subsequent computational process such as classification or categorization. Dataset used in this paper was the Arabic text dataset. Extraction result was tested by using a decision tree classification engine and the highest precision value obtained was 71.0% while the highest recall value was 75.0%. AbstrakKnowledge Dictionary untuk Ekstraksi Informasi pada Data Teks Arab. Ekstraksi informasi merupakan sebuah tahap awal dari proses analisis data tekstual. Ekstraksi informasi diperlukan untuk mendapatkan informasi dari data tekstual sehingga dapat digunakan untuk proses analisis seperti misalnya klasifikasi dan kategorisasi. Data tekstual sangat dipengaruhi oleh bahasa, jika sebuah data tekstual berbahasa Arab maka karakter yang digunakan adalah karakter arab. Knowledge dictionary merupakan sebuah kamus yang dapat digunakan untuk mengekstraksi informasi dari data tekstual. Informasi yang diekstraksi menggunakan knowledge dictionary adalah konsep. Knowledge dictionary biasanya dibangun secara manual oleh seorang pakar yang tentunya membutuhkan waktu yang lama dan spesifik untuk setiap masalah. Pada penelitian ini diusulkan sebuah metode untuk membangun knowledge dictionary secara otomatis. Pembentukan knowledge dictionary dilakukan dengan cara mengelompokkan kalimat yang memiliki konsep yang sama, dengan asumsi kalimat yang memiliki konsep yang sama akan memiliki nilai similaritas yang tinggi. Konsep yang telah diekstraksi dapat digunakan sebagai fitur untuk proses komputasi berikutnya misalnya klasifikasi ataupun kategorisasi. Dataset yang digunakan dalam penelitian ini adalah dataset teks Arab. Hasil ekstraksi diuji dengan menggunakan mesin klasifikasi decision tree dan didapatkan nilai presisi tertinggi 71,0% dan nilai recall tertinggi 75,0%.
Vending machine yang tersedia saat ini rata-rata masih menggunakan metode transaksi tunai atau menggunakan uang cash. Pandemi Covid-19 membuat masyarakat harus merubah kebiasaan dan perilaku dalam bertransaksi dari pembayaran tunai menjadi non tunai (cashless). Metode transaksi cashless di pandemi saat ini sangat berfungsi guna meminimalisir penyebaran Covid-19 dari transaksi secara tunai. Berdasarkan permasalahan tersebut maka akan dikembangkan sistem smart vending machine berbasis IoT. Sistem smart vending machine ini menggunakan Kontroler PID sebagai pengendali suhu minuman. Lalu untuk dapat terintegrasi dengan aplikasi vending machine maka komunikasi dapat dilakukan dengan protokol MQTT. Berdasarkan hasil penelitian dan pengujian Kontroler PID pada sistem smart vending machine sebanyak 11 kali yang membandingkan hasil suhu dengan PWM menggunakan Arduino IDE. Hasil menunjukkan bahwa penggunaan sistem tersebut telah berhasil mengontrol suhu menggunakan kontroler PID sehingga dapat dikatakan bahwa sistem ini memiliki hasil yang sangat baik.
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.