Literature Review Klasifikasi Data Menggunakan Metode Cosine Similarity dan Artificial Neural Network

Meilina, Lely; Kumara, I Nyoman Satya; Setiawan, Iwan

doi:10.24843/mite.2021.v20i02.p15

Cited by 7 publications

(8 citation statements)

References 17 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Dengan berbagai masalah yang dapat dicangkup, pendekatan arsitektur neural network turut mengalami perkembangan pada permasalahan yang spesifik. Klasifikasi dan rekognisi pola (classification and pattern recognition) pada serangkaian data (data series) merupakan salah satu pendekatan yang dimuat oleh neural network [10], [11]. Penerapan recurrent neural network (RNN) dapat dijadikan pendekatan pada permasalahan data series, menimbang kemampuan aristektur tidak hanya melihat setiap data point sebagai bagian yang terpisah, namun juga meninjau hubungan antar data point-nya [12].…”

Section: B Machine Learning Neural Networkunclassified

Evaluasi Model Machine Learning Klasifikasi Gerak Tangan Untuk Sistem Kontrol Prototipe Prostesis Tangan

Putra¹,

Fauzi²,

Prasad³

et al. 2023

JTE

View full text Add to dashboard Cite

Hambatan berupa kehilangan fungsi bagian tubuh akan menyebabkan kesulitan dalam melakukan kegiatan secara normal. Dalam penerapan sensor electromyography (EMG) dan electroencephalography (EEG) yang kurang baik dalam mengimbangi berbagai macam kondisi fisik manusia, sensor force sensing resistor (FSR) dapat menjadi alternatif pengganti EMG dan EEG pada prostesis tangan. Dalam perencanaan model neural network, data yang dibutuhkan pada actual output hanya berupa hand gesture pada orang non pasien pasca amputasi. Long Short Term Memory (LSTM) digunakan karena dapat menangani proses data dalam jangka panjang yang merupakan salah satu keadaan timbul dalam pengolahan data sekuensial.evaluasi metrics yang dihasilkan berupa nilai accuracy pada data training dengan epoch 200 dan accuracy pada data testing. Hasil pertama dengan tanpa variasi dropout menunjukkan nilai accuracy pada training 0,9449 dan accuracy pada testing 0,961 dengan nilai loss pada training 0,1284 dan loss pada testing 0,0717. Hasil kedua dengan variasi dropout menunjukkan nilai accuracy pada training 0,9699 dan accuracy pada testing 0,9688 dengan nilai loss pada training 0,0803 dan loss pada testing 0,1061. evaluasi metrics accuracy yang dihasilkan pada dataset telah melampui nilai 0,9. Hal ini mengindikasikan model telah berjalan dengan baik untuk klasifikasi pada 11 gerakan. Kata Kunci— Sistem kontrol; machine learning; gerakan tangan; prostesis tangan.

show abstract

Section: B Machine Learning Neural Networkunclassified

Evaluasi Model Machine Learning Klasifikasi Gerak Tangan Untuk Sistem Kontrol Prototipe Prostesis Tangan

Putra¹,

Fauzi²,

Prasad³

et al. 2023

JTE

View full text Add to dashboard Cite

show abstract

“…In addition, algorithms used to find similarity scores, including Jaccard, dice similarity, neural network, and cosine similarity, are considered to have better similarity rates [13]. Reference [14] has investigated the collaborative use of the cosine similarity method with other weighting algorithms, such as artificial neural network (ANN) and support vector machine (SVM). However, the combination of winnowing method has not been explored in the study.…”

Section: En-219mentioning

confidence: 99%

Pengaruh Synonym Recognition dalam Deteksi Kemiripan Teks Menggunakan Winnowing dan Cosine Similarity

Santi Purwaningrum,

Agus Susanto,

Ari Kristiningsih

2023

JNTETI

View full text Add to dashboard Cite

Plagiarisme adalah tindakan meniru dan mengutip bahkan menyalin atau mengakui hasil karya orang lain sebagai hasil karya diri sendiri. Tugas akhir merupakan salah satu syarat wajib mahasiswa untuk menyelesaikan pembelajaran pada perguruan tinggi. Tugas akhir harus disusun mahasiswa berdasarkan ide sendiri. Akan tetapi, banyak terjadi plagiarisme karena mudahnya melakukan kegiatan tersebut, yaitu hanya dengan menyalin teks gagasan orang lain kemudian ditempelkan dalam lembar kerja dan diakui bahwa gagasan tersebut adalah ide sendiri. Selain itu, mengganti beberapa kata dalam kalimat gagasan orang lain dengan gaya bahasa sendiri tanpa menuliskan sumber aslinya juga termasuk plagiarisme. Pengecekan tugas akhir yang masih manual juga menjadi masalah bagi koordinator tugas akhir, yang membutuhkan ketelitian tinggi dan waktu yang cukup banyak untuk mengecek plagiarime pada dokumen tugas akhir. Maka, deteksi plagiarisme sangat dibutuhkan untuk mencegah tindakan plagiarisme makin berkembang. Menyikapi hal tersebut, penelitian ini bermaksud mengembangkan sistem yang dapat mendeteksi persamaan antardokumen teks yang berfokus pada kata yang mengandung sinonim pada suatu kalimat. Salah satu algoritma yang digunakan adalah synonym recognition, yang berfungsi untuk mendeteksi kata yang mengandung sinonim, dengan proses membandingkan setiap kata dengan kata yang terdapat pada kamus. Synonym recognition dikombinasikan dengan metode winnowing, yang berfungsi untuk pembobotan teks berbasis fingerprint. Setelah diperoleh bobot dari masing-masing dokumen, tingkat kemiripan antardokumen dihitung dengan algoritma cosine similarity. Hasil rata-rata nilai kemiripan untuk deteksi judul dan abstrak dengan menambahkan synonym recognition meningkat sebesar 3,11% daripada tanpa menggunakan synonym recognition yang dikombinasikan dengan metode pembobotan winnowing. Hasil pengujian menunjukkan bahwa algoritma-algoritma yang digunakan akurat dengan pengujian akurasi dan root mean squared error (RMSE).

show abstract

“…Dan saran untuk penelitian selanjutnya adalah untuk menambah jumlah data dan memberikan variabel atau kriteria eksternal [4]. Dari penelitian ini didapatkan SVM memiliki akurasi yang paling bagus diantara keempat metode algoritma yang digunakan yaitu sebesar 80%, KNN 64%, Decision Tree 65% dan Naïve Bayes 77% [5]. Pada penelitian selanjutnya Peneliti berhasil mendapatkan nilai akurasi single classifier (naïve bayes) yaitu 77,4% dan nilai ensemble learning 96,8%.…”

Section: IIunclassified

“…Pada pra pemrosesan ini bertujuan untuk transformasi data sehingga data yang dipakai untuk pengaplikasian data mining lebih mudah diinterpretasikan untuk dianalisis. Selain itu, data yang digunakan juga dapat sesuai dengan penggunaan atau pengaplikasian yang dibangun sehingga hasil yang dikeluarkan juga sesuai dan optimal [5]. Setelah pra pemrosesan dilakukan EDA untuk mengetahui karakteristik data latih yang akan digunakan.…”

Section: Pengumpulan Dataunclassified

Perbandingan Metode Klasifikasi serta Analisis Faktor Akademis Pola Kelulusan Mahasiswa di Perguruan Tinggi

Putri,

Fatonah

2022

JPIT

View full text Add to dashboard Cite

Perkembangan Teknologi informasi di berbagai bidang diikuti dengan berkembangnya data. Pangkalan data yang menyimpan data pengelolaan pelaksanaan pendidikan tinggi dari seluruh perguruan tinggi yang terintegrasi secara nasional yaitu PDDIKTI. Data Mining merupakan proses penggalian data dari kumpulan database yang berjumlah besar yang digunakan untuk mendapatkan pengetahuan berupa informasi penting dan bermanfaat. Dalam penelitian ini penulis menerapkan penggunaan data mining untuk mengetahui klasifikasi pola akademik kelulusan mahasiswa. Pada penelitian ini penulis akan membandingkan metode klasifikasi Decision Tree, Ensemble Learning (Bagging Boosting), mengetahui faktor yang paling berpengaruh terhadap kelulusan serta Analisis data pola akademik mahasiswa. Hasil pengujian klasifikasi data kelulusan mahasiswa dengan hasil akurasi terbaik adalah metode algoritma Ensemble Learning Bagging atau Random Forest dengan melakukan cross validation dan hyperparameter tuning (Grid Search CV) dengan akurasi 96.1%. Penggunaan cross validation dan hyperparameter tuning terbukti dapat mempengaruhi dan mengoptimalkan akurasi learning. Faktor yang paling mempengaruhi pola kelulusan mahasiswa adalah jumlah SKS semester 5, Angkatan, Indeks Prestasi, Program Kelas dan Total Cuti.

show abstract

Literature Review Klasifikasi Data Menggunakan Metode Cosine Similarity dan Artificial Neural Network

Cited by 7 publications

References 17 publications

Evaluasi Model Machine Learning Klasifikasi Gerak Tangan Untuk Sistem Kontrol Prototipe Prostesis Tangan

Evaluasi Model Machine Learning Klasifikasi Gerak Tangan Untuk Sistem Kontrol Prototipe Prostesis Tangan

Pengaruh Synonym Recognition dalam Deteksi Kemiripan Teks Menggunakan Winnowing dan Cosine Similarity

Perbandingan Metode Klasifikasi serta Analisis Faktor Akademis Pola Kelulusan Mahasiswa di Perguruan Tinggi

Contact Info

Product

Resources

About