Diajukan Oleh:
Muhammad Syafa Choirul Habib (20/460227/TK/50816)
Dosen Pembimbing:
Ir. Nazrul Effendy, S.T, M.T, Ph.D., IPM.
Hormat saya
Pemohon Studi Mandiri
Mengetahui,
Ketua Departemen Teknik Nuklir dan Teknik Fisika
Fakultas Teknik, Universitas Gadjah Mada
Kecerdasan buatan (AI) telah berkembang dengan pesat sejak awal abad 21. Hal ini
disebabkan oleh kemajuan yang luar biasa dalam teknologi pengolahan data dan
algoritma machine learning. Salah satu masalah yang dapat diselesaikan oleh AI yang
sedang berkembang pesat adalah Human Activity Recognition (HAR). HAR adalah proses
pengenalan aktivitas manusia dari sekumpulan data yang dikumpulkan dari berbagai
sensor yang terhubung dengan sistem (dalam hal ini smartphone). Ini memberikan
kemampuan untuk mengidentifikasi dan mengklasifikasikan berbagai aktivitas yang
dilakukan oleh manusia.
Metode K Nearest Neighbor (KNN) telah digunakan secara luas untuk pengenalan
aktivitas manusia. KNN adalah algoritma klasifikasi yang bergantung pada jumlah
tetangga terdekat untuk memprediksi kelas suatu obyek. Ini berdasarkan pada asumsi
bahwa obyek yang lebih dekat secara geografis dan merupakan bagian dari kelas yang
sama. Metode ini dikatakan lebih mudah untuk diimplementasikan dan relatif memiliki
kemampuan yang lebih baik untuk mengidentifikasi aktivitas berbasis sensor.
Kegiatan kerja praktik ini bertujuan untuk mengevaluasi kemampuan KNN untuk
mengklasifikasikan aktivitas manusia berdasarkan data yang dikumpulkan dari berbagai
sensor. Saya akan menggunakan dataset open source yang berisi data dari berbagai
aktivitas manusia yang telah dikumpulkan dengan menggunakan berbagai sensor. Akan
menganalisis data dan mengoptimalkan parameter KNN untuk meningkatkan akurasi
klasifikasi. Kami juga akan membandingkan performa KNN dengan metode klasifikasi
lain untuk melihat mana yang lebih cocok untuk pengenalan aktivitas manusia. Hasil dari
kajian ini akan dipresentasikan dalam bentuk laporan yang menyertakan diskusi dan
kesimpulan.
Tempat : Departemen Teknik Nuklir dan Teknik Fisika, Universitas Gadjah Mada
V. FOKUS KAJIAN
Fokus bidang yang akan dikaji adalah studi tentang Human Activity Recognition
menggunakan Supervised Machine Learning Model K Nearest Neighbor Classifier.
Dimana K Nearest Neighhbor merupakan algoritma klasifikasi yang bergantung pada
jumlah tetangga terdekat untuk memprediksi kelas suatu obyek. Ini berdasarkan pada
asumsi bahwa obyek yang lebih dekat secara geografis dan merupakan bagian dari kelas
yang sama. Metode ini dikatakan lebih mudah untuk diimplementasikan dan relatif
memiliki kemampuan yang lebih baik untuk mengidentifikasi aktivitas berbasis sensor.
VII. PENUTUP
Demikian proposal ini saya buat, semoga dapat menjadi gambaran mengenai maksud dan
tujuan dari kerja praktik yang saya lakukan. Besar harapannya saya dapat mendapat
bimbingan agar dapat mematangkan kemampuan saya sehingga nantinya kemampuan ini
dapat digunakan dalam bersaing di dunia industri 4.0. Atas perhatian serta kesediaan
bapak/ibu dalam membaca proposal ini saya ucapkan terima kasih.
Dokumen ini telah melalui proses approval secara daring sebelum QR Code dibubuhkan.
Scan QR Code yang ada di setiap halaman dokumen ini untuk verifikasi.