Judul : Klasifikasi Jamur ke dalam Kelas Dapat Dikonsumsi atau Beracun Menggunakan Algoritma VFI5 (Studi kasus : famili Agaricus dan Lepiota).
Penulis : Bayu Mahardhika Putra ( G64104045)
URL : http://hdl.handle.net/123456789/12323
Latar belakang penelitian ini untuk mengklasifikasikan jamur yang beracun dan jamur yang dapat dikonsumsi. Salah satu jenis jamur yang banyak dikonsumsi adalah family Agaricus dan Lepiota. Hal yang dapat membedakan jamur yang dapat dikonsumsi atau tidak berdasarkan pada bentuk, sifat, dan keadaannya.
Pada penelitian ini menggunakan metode voting feature intervals (VFI5). Data yang digunakan berupa kumpulan data jamur yang diambil dari UCI repository of machine learning database. Setiap jamur menggambarkan 22 kumpulan bentuk (atribut) yang berbeda. Hal ini memungkinkan untuk mendeskripsikan spesies dari jamur ini berdasarkan 22 fitur yang berbeda.
Hasil dari penelitin ini, mempunyai akurasi klasifikasi yang cukup tinggi pada tahap pengujian. Pada pengujian tahap pertama, dihasilkan nilai akurasi tertinggi sebesar 87.70% dengan menggunakan 22 fitur pada data jamur. Pada pengujian tahap kedua dihasilkan nilai akurasi sebesar 94.85% dengan menggunakan 9 fitur yang merupakan ciri khas dari kelas jamur.
Rabu, 05 Mei 2010
Tugas MPTP-6
Judul : Analisis Pola Kunjungan Pengguna Situs Web IPB Menggunakan Algoritma Totally Fuzzy.
Penulis : Ayudya Paramita ( G64104069)
URL : http://iirc.ipb.ac.id/jspui/handle/123456789/11535
Pembuatan penelitian ini untuk mengetahui pola sekuensial terhadap sebuah situs. Pola sekuensial adalah penggambaran pola pengaksesan pengguna terhadap sebuah situs. Pola sekuansial mengindikasikan bahwa transakasi biasanya terjadi secara sekuensial terhadap waktu. Untuk mengetahui trends pengguna situs web terkait pola pengaksesannya, dapat diguanakn metode web mining. Salah satu teknik web mining yang dapat digunakan untuk mengetahui pola sekuensial yaitu Totally Fuzzy. Data numerik diubah menjadi bentuk data fuzzy menggunakan teknik Fuzzy C-Means yang menerapkan konsep ketidakmiripan dalam mengelompokkan suatu objek. Informasi tersebut dapat digunakan oleh web master sebagai dasar untuk perancangan ulang disain sebuah situs web, baik tatanan antarmuka maupun isi.
Data yang digunakan pada penelitian ini adalah data log akses situs web IPB (www.ipb.ac.id) pada periode 5 Januari sampai dengan 18 Juni 2007. Data dikelompokkan ke dalam dua bagian, yaitu pengguna internal dan pengguna eksternal. Dalam hal ini digunakan alamat IP dari server proxy untuk mengasumsikan bahwa seorang pengguna termasuk ke dalam kelompok pengguna internal atau eksternal. Pada penelitian ini digunakan nilai ambang batas (threshold) dari 0,1 hingga 0,6 dengan peningkatan sebesar 0,05 dan nilai minimum support sebesar 3% hingga 56% untuk data pengguna internal serta 14% hingga 65% untuk data pengguna eksternal.
Dari percobaan ini, menghasilkan suatu kesimpulan bahwa dengan nilai minimum support sebesar 10 %, terdapat delapan halaman yang sering diakses oleh pengguna internal IPB, yaitu halaman home, ipb-bhmn, ipb-bhmn/akademik, ipb-bhmn/others, ipb-bhmn/ipbphoto, id, id/uploaded pictures, dan ipb-bhmn/gallery. Dengan nilai minimum support yang sama yaitu 10%, terdapat tujuh halaman yang sering diakses oleh pengguna eksternal IPB, yaitu halaman home, ipb-bhmn, ipbbhmn/ direktori, ipb-bhmn/akademik, ip-bhmn/others, ipb-bhmn/ipbphoto dan id.
Penulis : Ayudya Paramita ( G64104069)
URL : http://iirc.ipb.ac.id/jspui/handle/123456789/11535
Pembuatan penelitian ini untuk mengetahui pola sekuensial terhadap sebuah situs. Pola sekuensial adalah penggambaran pola pengaksesan pengguna terhadap sebuah situs. Pola sekuansial mengindikasikan bahwa transakasi biasanya terjadi secara sekuensial terhadap waktu. Untuk mengetahui trends pengguna situs web terkait pola pengaksesannya, dapat diguanakn metode web mining. Salah satu teknik web mining yang dapat digunakan untuk mengetahui pola sekuensial yaitu Totally Fuzzy. Data numerik diubah menjadi bentuk data fuzzy menggunakan teknik Fuzzy C-Means yang menerapkan konsep ketidakmiripan dalam mengelompokkan suatu objek. Informasi tersebut dapat digunakan oleh web master sebagai dasar untuk perancangan ulang disain sebuah situs web, baik tatanan antarmuka maupun isi.
Data yang digunakan pada penelitian ini adalah data log akses situs web IPB (www.ipb.ac.id) pada periode 5 Januari sampai dengan 18 Juni 2007. Data dikelompokkan ke dalam dua bagian, yaitu pengguna internal dan pengguna eksternal. Dalam hal ini digunakan alamat IP dari server proxy untuk mengasumsikan bahwa seorang pengguna termasuk ke dalam kelompok pengguna internal atau eksternal. Pada penelitian ini digunakan nilai ambang batas (threshold) dari 0,1 hingga 0,6 dengan peningkatan sebesar 0,05 dan nilai minimum support sebesar 3% hingga 56% untuk data pengguna internal serta 14% hingga 65% untuk data pengguna eksternal.
Dari percobaan ini, menghasilkan suatu kesimpulan bahwa dengan nilai minimum support sebesar 10 %, terdapat delapan halaman yang sering diakses oleh pengguna internal IPB, yaitu halaman home, ipb-bhmn, ipb-bhmn/akademik, ipb-bhmn/others, ipb-bhmn/ipbphoto, id, id/uploaded pictures, dan ipb-bhmn/gallery. Dengan nilai minimum support yang sama yaitu 10%, terdapat tujuh halaman yang sering diakses oleh pengguna eksternal IPB, yaitu halaman home, ipb-bhmn, ipbbhmn/ direktori, ipb-bhmn/akademik, ip-bhmn/others, ipb-bhmn/ipbphoto dan id.
Senin, 03 Mei 2010
Tugas MPTP-5
Judul : Sistem Informasi Kepariwisataan (Studi Kasus Propinsi Banten)
Penulis : Esi Hisnaina ( G06499017)
URL : http://iirc.ipb.ac.id/jspui/handle/123456789/2303
Penelitian ini bertujuan untuk membuat Sistem Informasi Kepariwisataan untuk mendukung promosi kepariwisataan Propinsi Banten. Sistem Informasi Kepariwisataan dikembangkan dengan menggunakan pendekatan System Development Life Cycle (SDLC) menurut McLeod(1996).
Sistem yang berbasis web ini menggunakan bahasa inggris sebagai bahasa pengantar dalam user interface karena lebih menargetkan kepada calon wisatawan asing. Sistem ini dilengkapi dengan fitur-fitur yang dapat memudahkan pengguna seperti menyediakan informasi kepariwisataan informasi propinsi Banten secara umum, informasi mengenai kota dan kabupaten yang ada di Banten, informasi objek pariwisata yang terdapat di Propinsi Banten yang dikategorikan berdasarkan jenis tujuan wisata, wisata minat khusus, kesenian dan budaya, serta informasi penunjang kepariwisataan mencakup kegiatan pariwisata, paket wisata, akomodasi, rumah makan, transportasi, agen wisata dan Dinas Pariwisata yang ada.
Sistem ini mempunyai pencarian yang dapat mempermudah pengunjung mencari informasi secara lebih spesifik tanpa harus menelusuri seluruh informasi dalam sistem. Metode yang digunakan untuk pencarian adalah pengindeksan berbasis teks yang berguna untuk mencari kata dalam dokumen teks, dan metode pencarian pada table basis data. Adapun basis data pada sistem ini menggunakan model basis data relasional yang melibatkan 20 tabel dengan normalisasi tingkat 3.
Penulis : Esi Hisnaina ( G06499017)
URL : http://iirc.ipb.ac.id/jspui/handle/123456789/2303
Penelitian ini bertujuan untuk membuat Sistem Informasi Kepariwisataan untuk mendukung promosi kepariwisataan Propinsi Banten. Sistem Informasi Kepariwisataan dikembangkan dengan menggunakan pendekatan System Development Life Cycle (SDLC) menurut McLeod(1996).
Sistem yang berbasis web ini menggunakan bahasa inggris sebagai bahasa pengantar dalam user interface karena lebih menargetkan kepada calon wisatawan asing. Sistem ini dilengkapi dengan fitur-fitur yang dapat memudahkan pengguna seperti menyediakan informasi kepariwisataan informasi propinsi Banten secara umum, informasi mengenai kota dan kabupaten yang ada di Banten, informasi objek pariwisata yang terdapat di Propinsi Banten yang dikategorikan berdasarkan jenis tujuan wisata, wisata minat khusus, kesenian dan budaya, serta informasi penunjang kepariwisataan mencakup kegiatan pariwisata, paket wisata, akomodasi, rumah makan, transportasi, agen wisata dan Dinas Pariwisata yang ada.
Sistem ini mempunyai pencarian yang dapat mempermudah pengunjung mencari informasi secara lebih spesifik tanpa harus menelusuri seluruh informasi dalam sistem. Metode yang digunakan untuk pencarian adalah pengindeksan berbasis teks yang berguna untuk mencari kata dalam dokumen teks, dan metode pencarian pada table basis data. Adapun basis data pada sistem ini menggunakan model basis data relasional yang melibatkan 20 tabel dengan normalisasi tingkat 3.
Tugas MPTP-4
Judul : Perbandingan Algoritma Huffman Statistik dengan Algoritma Huffman Adaptif pada Kompresi Data Teks.
Penulis : Danny Dimas Sulistio ( G06499026)
URL : http://iirc.ipb.ac.id/jspui/handle/123456789/2502
Latar belakang pembuatan penelitian ini untuk mempelajari dan membandingkan algoritma Huffman Statik dan algoritma Huffman Adaptif pada kompresi data.
Penelitian ini hanya terbatas pada kompresi data teks (*.txt) yang dilakukan pada tiga percobaan, yaitu:
1. Percobaan dengan menggunakan file teks yang berasal dari potongan artikel,
2. Percobaan dengan menggunakan file teks dengan satu variasi karakter,
3. Percobaan dengan menggunakan file tekx dengan lima dan 256 variasi karakter.
Dari percobaan ini mempunyai beberapa kriteria untuk membandingkan kedua algoritma diantaranya kompresi, lamanya waktu yang diperlukan untuk mengkompresi file, dan lamanya waktu untuk mendekompresi file menjadi seperti semula.
Algoritma Huffman Statik menggunakan kompresi memiliki kompleksitas sebesar O(n lg m). sedangkan algoritma Huffman Adaptif memiliki kompleksitas sebesar O(nm), dengan nilai n adalah banayknya karakter dan m adalah besarnya variasi karakter.
Hasil penelitian ini, menunjukkan bahwa dengan menggunakan percobaan potongan artikel, algoritma Huffman statik menunjukkan waktu iterasi untuk melakukan kompresi dan dekompresi adalah cendrung lebih kecil dibandingkan dengan yang dilakukan algoritma Huffman adaptif. Tetapi, untuk hasil kompresi terlihat kerja Huffman adaptif lebih baik debandingkan Huffman Statik.
Penulis : Danny Dimas Sulistio ( G06499026)
URL : http://iirc.ipb.ac.id/jspui/handle/123456789/2502
Latar belakang pembuatan penelitian ini untuk mempelajari dan membandingkan algoritma Huffman Statik dan algoritma Huffman Adaptif pada kompresi data.
Penelitian ini hanya terbatas pada kompresi data teks (*.txt) yang dilakukan pada tiga percobaan, yaitu:
1. Percobaan dengan menggunakan file teks yang berasal dari potongan artikel,
2. Percobaan dengan menggunakan file teks dengan satu variasi karakter,
3. Percobaan dengan menggunakan file tekx dengan lima dan 256 variasi karakter.
Dari percobaan ini mempunyai beberapa kriteria untuk membandingkan kedua algoritma diantaranya kompresi, lamanya waktu yang diperlukan untuk mengkompresi file, dan lamanya waktu untuk mendekompresi file menjadi seperti semula.
Algoritma Huffman Statik menggunakan kompresi memiliki kompleksitas sebesar O(n lg m). sedangkan algoritma Huffman Adaptif memiliki kompleksitas sebesar O(nm), dengan nilai n adalah banayknya karakter dan m adalah besarnya variasi karakter.
Hasil penelitian ini, menunjukkan bahwa dengan menggunakan percobaan potongan artikel, algoritma Huffman statik menunjukkan waktu iterasi untuk melakukan kompresi dan dekompresi adalah cendrung lebih kecil dibandingkan dengan yang dilakukan algoritma Huffman adaptif. Tetapi, untuk hasil kompresi terlihat kerja Huffman adaptif lebih baik debandingkan Huffman Statik.
Tugas MPTP-3
Judul : Pengenalan Pembicara dengan Jaringan Syaraf Tiruan Backpropagation
Penulis : Baskoro Oktianto ( G06499043)
URL : http://iirc.ipb.ac.id/jspui/handle/123456789/2266
Latar Belakang pembuatan skripsi ini untuk mengenali identitas pembicara. Masalah dalam pengenalan pembicara terbagi menjadi dua bagian, yaitu identifikasi pembicara (menentukan identitas pembicara) dan verifikasi pembicara (melakukan verifikasi identitas yang diklaim oleh pembicara). Dengan menggunakan Jaringan Syaraf Truan, dapat mengenali pola-pola suara pembicara yang dapat menyelesaikan masalah nonalgorithmic. Pengenalan pembicara termasuk masalah Nonalgorithmic.
Metode yang digunakan dalam penelitian ini, menggunakan JST backpropagation. Dalam pemrosesan suara menggunakan JST, sebelumnya data suara diproses dengan proses-proses sinyal digital melalui suatu proses feature extraction ditambah dengan proses feature selection. Feature extraction dilakukan dengan analisis cepstral dan feature selection dilakukan dengan principal component analysis. Hasil dari JST selanjutnya diolah oleh model pembuatan keputusan. Model keputusan dalam sistem identifikasi akan menentukan identitas pembicara dan dalam sistem verifikasi akan menerima atau menolak klaim yang diajukan oleh pembicara.
Hasil dari penelitian ini, mampu mengidentifikasi dengan tingkat generalisasi tertinggi sebesar 92,3077% dan melakukan verifikasi dengan nilai equal error rate sebesar 6,5657%.
Penulis : Baskoro Oktianto ( G06499043)
URL : http://iirc.ipb.ac.id/jspui/handle/123456789/2266
Latar Belakang pembuatan skripsi ini untuk mengenali identitas pembicara. Masalah dalam pengenalan pembicara terbagi menjadi dua bagian, yaitu identifikasi pembicara (menentukan identitas pembicara) dan verifikasi pembicara (melakukan verifikasi identitas yang diklaim oleh pembicara). Dengan menggunakan Jaringan Syaraf Truan, dapat mengenali pola-pola suara pembicara yang dapat menyelesaikan masalah nonalgorithmic. Pengenalan pembicara termasuk masalah Nonalgorithmic.
Metode yang digunakan dalam penelitian ini, menggunakan JST backpropagation. Dalam pemrosesan suara menggunakan JST, sebelumnya data suara diproses dengan proses-proses sinyal digital melalui suatu proses feature extraction ditambah dengan proses feature selection. Feature extraction dilakukan dengan analisis cepstral dan feature selection dilakukan dengan principal component analysis. Hasil dari JST selanjutnya diolah oleh model pembuatan keputusan. Model keputusan dalam sistem identifikasi akan menentukan identitas pembicara dan dalam sistem verifikasi akan menerima atau menolak klaim yang diajukan oleh pembicara.
Hasil dari penelitian ini, mampu mengidentifikasi dengan tingkat generalisasi tertinggi sebesar 92,3077% dan melakukan verifikasi dengan nilai equal error rate sebesar 6,5657%.
Langganan:
Postingan (Atom)
