(Review journal)
DISUSUN OLEH :
NPM : 220210018
Judul Rediksi pembelajaran mesin data time series covid-19 di jawa barat,indonesia
Issn 2548-4265
Jilid 12
Volume 2
Tahun 2023
Penulis Intan nurma puspita
Arfida Helen
Mira suryani
Publikasi Jurnal internasional pendidikan informatika
Latar belakang Penyebaran covid-19 telah membuat beberapa negara tidak berdaya. selain
dampaknya covid-19 telah menghancurkan perekonomian beberapa negara.
Teori utama Pada penelitian ini, penulis menggunakan algoritma regresi fungsi basis radial
(RBF).
Metode Pada penelitian ini, jurnal ini menggunakan metode kuantitatif
penelitian
Sampel Penelitian mengambil sampel 275 kasus baru setiap hari selama 30 hari
penelitian kedepan.
Hasil Penelitian berhasil menerapkan pembatasan social untuk mencegah penyebaran
penyakit ini. jika tidak ada kasus yang terdektesi diwilayah tersebut, organisasi
kesehatan dunia (WHO) mengizinkan pelonggaran pembatasan social.
kesimpulan Pandemi covid-19 muncul pada tahun 2019. ada sebuah inisiatif yang diambil
untuk memperlambat perkembangan infeksi ini.
Tautan jurnal https://doi.org/10.23887/janapati.vl2i2.58505
jurnal 2
Judul Penerapan pendekatan use case 2.0 pada pengembangan system monitoring
curah hujan berbasis iot
Issn 2089-8673
Jilid 12
Volume 2
Tahun 2023
Penulis Mohammad fajar
Ferian bagus Chandra
Hamda arfandy
Judul Deteksi lubang mulsa plastic menggunakan template algoritma pencocokan dan
pembelajaran mesin
Issn 2089-8673
Jilid 12
Volume 2
Tahun 2023
Penulis Abdul aziz
Yandra arkeman
Wisnu ananta
Publikasi Jurnal internasional pendidikan informatika
Latar belakang Mulsa merupakan bahan penutup tanah untuk menjaga kelembaban tanah dan
ketasbilan suhu sebagai media tanaman. Mulsa juga membantu mencegah
pertumbuhan gulma untuk pertumbuhan tanaman yang lebih baik.
Teori utama Pertanian presisi diperlukan karena dapat diperoleh penghematan input
pembiyaa, tenega kerja, dan hasil panen yang lebuh baik, sehingga penelitian ini
bertujuan untuk mengidentifikasi lubang pada mulsa berdasarkan gambar
kendaraan udatra tak berawak.
Metode Penelitian ini menggabungkan algoritma pencocokan templat dan algoritma
penelitian pembelajaran mesin untuk meningkatkan akurasi dalam memprekdisi lubang
pada mulsa
Sampel Tiga algoritma pembelajaran mesin yang digunakan yaitu randon forest, support
penelitian vector machine, dan xgboost. Data yang digunakan adalah mosaic ortofoto dari
foto udara. Sembilan area diambil dari ortofoto untuk dijadikan sampel
penelitian.
Hasil Hasil penelitian ini diperoleh nilai rata-rata recall, presisi, dan f-measure
tertinggi menggunakan algoritma support vector machine dengan nilai recall
sebesar 87,7%, presisi sebesar 97,5%, dan f-score sebesar 92,3%.
kesimpulan Kajian ini menunjukkan bahawa algoritma template matching dapat mendektesi
lubang pada musa.untuk mencari gambar terbaik , diambil foto udara dengan
ketinggian terbang rata-rata sepuluh meter.
Tautan jurnal https://doi.org/10.23887//janapati. vl2i2.60628
jurnal 14
Judul Identifikasi tumor otak citra MRI dengan convolution neural network
Issn 2548-9356
Nomor 3
Volume 8
Tahun Jurnal pengembangan IT
Penulis Retno wardhani
Nur nafi’iyah
Publikasi Jurnal internasional pendidikan informatika
Latar belakang Pada tahun 2016 penyebab utama kematian di amerika serikat adalah tumor
otak. Tumor otak merupakan jenis kanker yang umum terjadi dianak dan
remaja, beberapa jenis tumor otak membutuhkan penangan medis yang berbeda.
Dalam sistem diagnosis yang menggunakan computer, massa tumor harus
diidentifikasikan dan disegmentasi sebelum dilakukan klasifikasi jenis tumor.
Teori utama Deteksi penyakit dengan berbasis computer dapat mengifisienkan waktu. Akan
tetai deteksi tumor pada citra MRI membutuhkan keseriusan dan memakan
waktu. Karena adanya keberangaman struktur ukuran, bentuk dan identifikasi
citra, maka diperliukan ketelitian dalam mengenali antara stuktur organ asli
dengan yang penyakit.
Metode Pada penelitian ini metode berbasis neural network mempunyai presisi yang
penelitian baik.lima arsitektur convolutional neural network untuk mengidentifikasi tumor
otak ( glioma, meningiona, notumor, dan pituitary ) citra MRI.
Sampel Penelitian ini menggunakan dataset dari kaggle dengan total data training 5712,
penelitian dan testing 1311.
Hasil Metode Parameter Akurasi (%)
Arsiktektur ( a ) 264260612 72.6
Arsiktektur ( b ) 63020100 81.9
Arsiktektur ( c ) 29605060 82.2
Arsiktektur ( d ) 264326404 74.1
Arsiktektur ( e ) 264459012 74.2
Inception 22097700 79.5
ResNet-50 24112004 94.1
VGG16 14845764 93
kesimpulan Hasil akurasi tertinggi adalah arsitektur c 82.2% dan pretrained CNN ResNet-50
94.1%.
Tautan jurnal https://doi.org/10.3059//jpit. vl2i2.4985