Kemajuan teknologi khususnya teknologi internet dan media sosial telah memungkinkan masyarakat di seluruh negeri untuk terhubung dan berinteraksi satu sama lain. Dalam konteks ini, Instagram menjadi platform yang populer bagi para content creator untuk berbagi karya mereka. Dalam upaya untuk bersaing dengan platform lain, Instagram meluncurkan aplikasi yang terintegrasi bernama Threads, yang memiliki beberapa fitur mirip dengan Twitter. Threads memungkinkan pengguna untuk berbagi unggahan berbasis teks dan menyediakan berbagai fitur lainnya. Untuk meningkatkan kualitas aplikasi ini, pengembang perlu memeriksa komentar pengguna. Namun, jumlah komentar yang masuk sangat banyak sehingga pemeriksaan manual tidak efisien. Oleh karena itu, diperlukan aplikasi otomatis yang dapat mengkategorikan komentar dan menganalisis sentimen pengguna. Dengan menggunakan teknik text mining untuk analisis sentimen, pengembang dapat dengan mudah memilah komentar menjadi positif dan negatif. Multinomial Naive Bayes dipilih karena dirancang khusus untuk data frekuensi kemunculan, seperti dalam analisis teks. Diharapkan bahwa aplikasi ini dapat membantu pengembang dalam meningkatkan kualitas aplikasi yang dihasilkan. Dari hasil penelitian ini didapatkan akurasi sebesar 76%, sudah cukup baik dan sangat memungkinkan untuk dikembangkan sehingga diperoleh hasil yang lebih baik.
Tujuan dari penelitian ini adalah mengimplementasikan algoritma A* untuk mencari jalan terpendek pada game shooter. Dalam perancangan sistem, use case diagram digunakan untuk menjelaskan kebutuhan fungsional sistem, dan activity diagram untuk menggambarkan alur kerja sistem. Sedangkan dalam pembuatan aplikasi yang dapat digunakan pada desktop bersistem operasi Windows digunakan Unity. Metode pengujian, yang digunakan dalam penelitian ini adalah metode black box untuk memvalidasi game dapat bekerja sesuai dengan rancangan sistem, kemudian pengujian beta dan software quality untuk memverifikasi bahwa algoritma A* telah diimplementasikan dengan baik. Hasil dari penelitian ini adalah 1) hasil pengujian menggunakan metode black box yang telah dilakukan dapat disimpulkan bahwa semua tombol dan fitur-fitur yang telah dirancang pada aplikasi dapat berfungsi dengan baik dan benar; 2) hasil pengujian endurance yang dilakukan, dapat disimpulkan bahwa A* sangat akurat dan selalu menemukan rute terpendek dalam waktu yang cepat, dan juga waktu pencarian rute terpendek sangat bergantung pada jumlah simpul.
Segmentasi pelanggan adalah proses yang digunakan oleh perusahaan untuk mengelompokkan pelanggan berdasarkan karakteristik yang sama. Tujuannya adalah memahami kebutuhan dan preferensi pelanggan dengan lebih baik, sehingga perusahaan dapat menyediakan produk dan layanan yang sesuai dengan kebutuhan pelanggan. Salah satu cara melakukan segmentasi pelanggan adalah dengan menggunakan algoritma clustering, seperti k-means. Algoritma ini mengelompokkan data ke dalam cluster yang berdekatan dengan centroid yang dipilih secara acak. Dalam kasus segmentasi pelanggan kartu kredit, algoritma k-means dapat digunakan untuk mengelompokkan pelanggan berdasarkan karakteristik seperti jumlah transaksi, jumlah pembayaran, dan riwayat kredit. Dengan demikian, perusahaan dapat memahami kebutuhan dan preferensi pelanggan kartu kredit dengan lebih baik, serta menentukan strategi pemasaran yang lebih efektif. Kelebihan dari algoritma k-means dan metode clustering adalah model yang dikembangkan dapat membantu perusahaan dalam menentukan strategi pemasaran yang lebih efektif, algoritma yang mudah digunakan dengan waktu komputasi yang cepat dan hasil yang akurat, serta digunakan pula algoritma PCA untuk pengurangan dimensi dan mempermudah visualisasi data. Berdasarkan hasil pengujian dan analisa pada data pelanggan kartu kredit, peroforma algoritma k-means dianggap relatif baik melakukan segmentasi dengan jumlah cluster yaitu 3 dan nilai Davies Bouldin sebesar -0.778.
Pada awal tahun 2020 covid-19 mulai tersebar ke seluruh penjuru dunia, termasuk Indonesia. Pemerintah terus mencari cara untuk mencegah mata rantai penyebarannya, salah satunya dengan melaksanakan pembelajaran online. Penelitian ini dilatarbelakangi untuk memanfaatkan twitter dalam mengetahui respons dan sentimen publik tentang pembelajaran online selama masa pandemi covid-19. Tujuan dari penelitian ini adalah untuk mengetahui pendapat masyarakat tentang penerapan pembelajaran online dan juga untuk membandingkan tingkat performa algoritma support vector machine dan naïve bayes. Dalam melakukan penelitian ini, jenis penelitian yang digunakan adalah penelitian kualitatif agar mampu memahami dengan baik seperti apa fenomena yang dialami oleh subjek penelitian. Hasil analisis sentimen yang terbaik didapatkan dengan cara melakukan perbandingan dua algoritma klasifikasi, support vector machine dan naïve bayes. Pengujian berdasarkan k-fold cross validation bertujuan untuk memperoleh nilai accuracy, precision, dan recall. Algoritma yang terbaik akan menghasilkan output yang tepat dengan skor pengujian yang lebih tinggi.
Penelitian ini dilatarbelakangi oleh pemanfaatan Augmented Reality pada halaman katalog yang dapat membantu klien melihat visualisasi design Interior ruang kerja minimalis berdasarkan tema Interior yang diinginkan dalam bentuk 3 dimensi. permasalahan yang muncul adalah bagaimana membangun aplikasi yang dapat memindai objek 3D pada halaman katalog beserta informasi konsep ruangan kerja yang menarik dengan memanfaatkan perangkat berbasis Android. Tujuan dari penelitian ini adalah untuk merancang media informasi katalog yang dapat menampilkan design Interior ruang kerja minimalis dengan memanfaatkan fitur Augmented Reality ke dalam perangkat berbasis Android. Aplikasi ini dibuat menggunakan bahasa pemrograman C# serta menggunakan software Unity 3D Engine, SketchUp, dan Photoshop. Pengujian perangkat lunak secara fungsional pada aplikasi katalog menggunakan metode blackbox. Aplikasi yang dihasilkan dari penelitian ini dapat membantu klien melihat tema design ruang kerja minimalis yang dirancang untuk menarik perhatian klien dalam memvisualisasikan ke dalam bentuk objek 3D.
Seleksi penerimaan kerja adalah salah satu proses yang dilakukan oleh instansi atau perusahaan untuk menentukan apakah seseorang layak mendapatkan posisi pekerjaan tertentu atau tidak. Proses seleksi seringkali dilakukan secara subjektivitas sehingga dapat merugikan perusahaan atau pun pelamar kerja. Dalam proses penentuan kelayakan seseorang untuk diterima atau mendapatkan pekerjaan tertentu, sebuah perusahaan biasanya telah menetapkan kriteria tertentu. Selain itu, sebuah perusahaan juga seringkali mengadakan penerimaan pekerja yang dilakukan secara rutin. Penelitian ini bertujuan untuk mengimplementasikan salah satu algoritma pemelajaran mesin yaitu Jaringan Saraf Tiruan untuk membangun sebuah model yang dapat membantu perusahaan dalam memprediksi kelayakan seseorang untuk dipekerjakan. Model dibangun dengan mengacu pada data kriteria tertentu yang telah ditetapkan oleh perusahaan seperti seperti riwayat pendidikan, pengalaman kerja, dan kemampuan yang dimiliki. Hasil akurasi terbaik sebesar 91.18% diperoleh dari model yang dibangun dengan menggunakan parameter learning rate 0.1 dan jumlah hidden layer adalah 10.
Konsumsi makanan yang tidak aman dapat menyebabkan penyakit yang merupakan ancaman besar bagi kesehatan kita. Penggunaan formalin dan boraks pada pangan dapat menimbulkan penyakit degeneratif dan gangguan kesehatan lainnya. Untuk mengatasi masalah ini, sebuah studi baru berfokus pada pengembangan alat pendeteksi makanan berbasis IoT untuk formaldehida dan boraks. Dengan integrasi IoT, perangkat ini dapat memberikan informasi secara real-time dan portabel melalui layar LCD dan smartphone Android. Keunggulan alat ini adalah dapat mendeteksi formaldehida dan boraks dalam makanan dengan cepat dan akurat sehingga membantu mencegah konsumsi makanan yang tidak aman. Melalui pengujian formalin pada sampel bakso dan makanan yang mengandung boraks, menggunakan sampel mie instan dan telur serta diperoleh hasil dari penambahan 1-5 tetes boraks, semuanya terdeteksi berbahaya. Penerapan alat deteksi ini diharapkan dapat meningkatkan kesadaran produsen pangan dan masyarakat akan pentingnya keamanan pangan. Hal ini juga dapat membantu mengendalikan stok makanan di pasar, sehingga mengurangi risiko formaldehida dan boraks yang disebabkan oleh produk makanan. Secara keseluruhan, alat pendeteksi makanan berbasis IoT ini merupakan alat penting untuk memastikan keamanan dan kualitas pasokan makanan kita.
Banyaknya pendaftar penerima Bantuan Langsung Tunai Badan Penyelenggara Jaminan Sosial (BLT BPJS) di desa Tamatto kecamatan Ujung Loe kabupaten Bulukumba membuat staf desa selaku pengelola membutuhkan waktu yang cukup lama untuk mendapatkan hasil keputusan berupa layak atau tidaknya seseorang untuk mendapatkan bantuan. Dibutuhkan sebuah sistem uji kelayakan penerima bantuan BLT BPJS yang dapat membantu staf desa. Tujuan penelitian ini yaitu merancang sistem untuk mengetahui hasil keputusan penerima yang layak mendapatkan bantuan BLT BPJS. Jenis penelitian yang dilakukan adalah penelitian kuantitatif dengan pendekatan penelitian eksperimental, metode pengumpulan data adalah observasi. Metode yang digunakan adalah metode klasifikasi algoritma naïve bayes. Hasil penelitian ini menunjukkan bahwa sistem uji kelayakan penerima bantuan BLT BPJS dengan menggunakan metode klasifikasi algoritma naïve bayes dapat membantu untuk menyampaikan informasi berupa kelayakan seorang penerima bantuan BLT BPJS dengan akurasi hasil sebanyak 83,689% dengan menggunakan sebanyak 1036 sampel data.
Tujuan dari penelitian ini adalah merancang aplikasi sistem penunjang keputusan pemilihan pekerjaan. Pekerjaan merupakan tujuan utama mahasiswa setelah lulus kuliah. Masalah yang muncul yakni banyak alumni yang tidak mengetahui dan masih bingung bidang pekerjaan apa yang akan ditekuninya. Pada penelitian ini dikembangkan sebuah sistem penunjang keputusan berbasis web dengan harapan dapat diakses via desktop dan mobile. Metode Profile matching digunakan untuk menghasilkan rekomendasi pekerjaan kepada pengguna sistem. Pengembangan aplikasi menggunakan framework bootstrap agar tampilan web lebih teratur. Pengujian sistem menggunakan metode black box dengan dua puluh lima test case. Hasil dari penelitian ini adalah sebuah sistem penunjang keputusan untuk rekomendasi pekerjaan telah berhasil dikembangkan dan telah melawati proses pengujian sistem. Hasil pengujian menunjukkan bahwa fungsi – fungsi sistem dapat berjalan sesuai dengan spesifikasi sistem serta tidak ditemukan adanya kesalahan perhitungan kriteria dan hasil perankingan keputusan yang ditampilkan di sistem.
Proses pembimbingan tugas akhir mahasiswa banyak mengalami kendala yang dapat menghambat proses penyelesaian tugas akhir itu sendiri. Selain itu, dosen juga melakukan kegiatan tridharma lainnya yaitu penelitian dan pengabdian kepada masyarakat yang mengharuskan dosen melakukan kegiatan di luar kampus. Perbedaan aktivitas dan keaktifan antara dosen dan mahasiswa dapat menjadi salah satu kendala dalam proses bimbingan tugas akhir. Tujuan dari penelitian ini adalah untuk merancang sebuah sistem yang dapat mengatur dan Monitoring proses serta memberi saran terkait proyek kelulusan berbasis web, untuk memfasilitasi proses, saran dan kepastian informasi setiap saat dan ketepatan proses kerja dalam meningkatkan kinerja kelulusan mahasiswa terutam pada proses tugas akhir. Hasil uji akurasi yang dilakukan terhadap responden dan tingkat kepuasan responden atas kelayakan sistem adalah 80%. Kata kunci: Manajemen, Bimbingan, Monitoring, Tugas Akhir.
This article proposes a reinforcement learning (RL) method based on an actor-critic architecture, which can be applied to partially-observable multi-agent competitive games. As an example, we deal with a card game “Hearts”. In our method, the actor plays so as to enlarge the expected temporal-difference error, which is obtained based on the estimation of the state transition. The state transition is estimated by taking the inferred card distribution and the other player's action models into account.
Control for agents situated in multi- agent systems is a complex problem. This is particularly true in hard, open, dynamic environments where resource, privacy, bandwidth, and computational limitations impose restrictions on the type of information that agents may share and the control problem solving options available to agents. The MQor motivational quantities framework addresses these issues by evaluating candidate tasks based on the agent's organizational context and by framing control as a local agent optimization problem that approximates the global problem through the use of state and preferences.
PHOSPHORUS is an agent matchmaking service that exploits domain ontologies, description logic, and a highly declarative language to reason about task-related agent capabilities. PHOSPHORUS uses the EXPECT goal language to represent the tasks that agents are capable of accomplishing, as well as requests to locate agents with a required capability. PHOSPHORUS supports matching through subsumption, reverse subsumption, and several kinds of goal reformulation.
This paper presents a system called AgentSalon, which facilitates face-to-face knowledge exchange and discussion by people having shared interests, in museums, schools, offices, academic conferences, etc. This system was designed as a sub-system of our ongoing project to construct a personal agent system for tour guidance and knowledge sharing among users. AgentSalon has a big screen for two to five users. The screen shows conversations among animated agents belonging to the users. The personal agent usually runs on our mobile guidance system, called PalmGuide, and guides its user according to his/her individual interests and touring records. When users connect their PalmGuides with AgentSalon by infrared, their personal agents with their personal information migrate to AgentSalon and engage in automated conversation. Contents of the conversation include opinion exchange about tour experiences, mutual recommendations of exhibits on behalf of the users, etc. By observing a chat of the agents, users can effectively obtain appropriate topics: that is, tempts them to follow the chat. This paper shows the first prototype of AgentSalon provided to participants in an academic conference.
In a broad sense, reputation is the \opinion or view of one (agent) about something". Each agent may have a di erent opinion about a given entity and, therefore, reputation is linked to subjectivity. This opinion is formed and updated along time through interactions. As a result of these interactions, agents record impressions that re ect how they value the experience. Impressions are the bricks that properly combined permit to value the reputation of agents. In societies where agents belong to groups that condition their behaviour not only the direct interaction with the agent whose reputation we want to determine is important (the individual dimension of reputation), the interaction with other members of his group becomes very in uential. Also, as in human societies, previous experiences of the members of our group with that agent or his mates may be important [1]. This is what we call the social dimension of reputation. Finally, we consider that the reputation of an agent is not a single and abstract concept but rather it is a multi-facet concept. How these facets are combined to build reputations for complex concepts is what we call the ontological dimension of reputation. The approach followed in this paper is similar to that used in the work of Michael Schillo et al. [3] and Bin Yu et al. [4]. Our approach radically di ers from these in the sense that we take the stance that the agents' social structure is an essential factor in weighing the other agents' opinions. Another major contribution of our work is the way we model reputation as a multi-facet concept.
This paper illustrates the next steps of AUML by presenting a (A) UML presentation of the internal behavior of an agent and relating it to be external behavior of an agent using and extending UML class diagrams engineering.
To analyze multi-agent systems by simulation the question arises how agents shall be integrated into the simulation system. In \textsc{James}, a Java-Based Agent Modeling Environment for Simulation, we pursue an approach which supports flexible patterns of integration and interaction.
Today, databases are ubiquitous. In factories machine tools are connected to databases that process outstanding orders and log occurring errors. Our industrial partner AMS engineering builds and maintains machine tools for various client companies that operate worldwide. AMS goal is to create a data warehouse that helps them analyzing machine failures and quickly launching response by reusing knowledge applied at one of their clients sites. Agents that roam through these databases are an efficient way of gathering the required information. As all operations heavily rely on database transactions, we propose to implement agents that are executed within a database management system. A Java- based agent environment allows encapsulating the database agents in Java agents to securely transmit them. Having arrived at the clients computer, the Java agent unpacks the database agent that performs the required tasks.
CASA is an open, scalable agent architecture for service provisioning. Its interaction scheme between agents is based on a formalised concept of services to allow dynamic and flexible selection and combination of services and their providers.
We describe an initial prototype of a holodeck- like environment that we have created for the Mission Rehearsal Exercise Project. The goal of the project is to create an experience learning system where the participants are immersed in an environment where they can encounter the sights, sounds, and circumstances of real-world scenarios. Virtual humans act as characters and coaches in an interactive story with pedagogical goals.
