Klasifikasi Aktivitas Manusia Menggunakan Metode Long Short-Term Memory
Klasifikasi aktivitas manusia merupakan salah satu topik penelitian yang penting karena dapat diterapkan pada berbagai bidang. Penelitian mengenai klasifikasi aktivitas manusia sebelumnya telah banyak dikembangkan dengan menerapkan dataset public HAR Repository yang telah tersedia. Namun dataset te...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
University of Brawijaya
2024-08-01
|
| Series: | Jurnal Teknologi Informasi dan Ilmu Komputer |
| Online Access: | https://jtiik.ub.ac.id/index.php/jtiik/article/view/7060 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1823858609880039424 |
|---|---|
| author | Latansa Nurry Izza Afida Fitra Abdurrachman Bachtiar Imam Cholissodin |
| author_facet | Latansa Nurry Izza Afida Fitra Abdurrachman Bachtiar Imam Cholissodin |
| author_sort | Latansa Nurry Izza Afida |
| collection | DOAJ |
| description |
Klasifikasi aktivitas manusia merupakan salah satu topik penelitian yang penting karena dapat diterapkan pada berbagai bidang. Penelitian mengenai klasifikasi aktivitas manusia sebelumnya telah banyak dikembangkan dengan menerapkan dataset public HAR Repository yang telah tersedia. Namun dataset tersebut memiliki hasil dari ekstraksi fitur keluaran nilai sensor memiliki dimensi yang tinggi. Tingginya dimensi fitur dapat menyebabkan penurunan akurasi, untuk itu pada penelitian ini diusulkan penerapan dataset primer tanpa ekstraksi fitur. Selain tingginya dimensi, pada penelitian sebelumnya, banyaknya jumlah label dengan menerapkan machine learning tradisional tidak mampu melebihi akurasi 88%. Sehingga pada penelitian ini menerapkan dataset primer dengan menggunakan label kelas sebanyak 16 sehingga diusulkan metode deep learning Long Short Term Memory (LSTM). Proses penelitian dimulai dari pengambilan data, preprocessing data, modelling dan perbandingan algoritma deep learning LSTM dan machine learning KNN. Berdasarkan hasil pengujian perbandingan kedua algoritma tersebut dengan implementasi dataset yang sama, algoritma terbaik yaitu LSTM dengan nilai akurasi sebesar 0.94 dan KNN dengan nilai akurasi sebesar 0.71.
|
| format | Article |
| id | doaj-art-32f1636cb83a460cb2e9bbb3cf8bfb6a |
| institution | Kabale University |
| issn | 2355-7699 2528-6579 |
| language | Indonesian |
| publishDate | 2024-08-01 |
| publisher | University of Brawijaya |
| record_format | Article |
| series | Jurnal Teknologi Informasi dan Ilmu Komputer |
| spelling | doaj-art-32f1636cb83a460cb2e9bbb3cf8bfb6a2025-02-11T10:37:48ZindUniversity of BrawijayaJurnal Teknologi Informasi dan Ilmu Komputer2355-76992528-65792024-08-0111210.25126/jtiik.20241127060Klasifikasi Aktivitas Manusia Menggunakan Metode Long Short-Term MemoryLatansa Nurry Izza Afida0Fitra Abdurrachman Bachtiar1Imam Cholissodin2Universitas Brawijaya, MalangUniversitas Brawijaya, MalangUniversitas Brawijaya, Malang Klasifikasi aktivitas manusia merupakan salah satu topik penelitian yang penting karena dapat diterapkan pada berbagai bidang. Penelitian mengenai klasifikasi aktivitas manusia sebelumnya telah banyak dikembangkan dengan menerapkan dataset public HAR Repository yang telah tersedia. Namun dataset tersebut memiliki hasil dari ekstraksi fitur keluaran nilai sensor memiliki dimensi yang tinggi. Tingginya dimensi fitur dapat menyebabkan penurunan akurasi, untuk itu pada penelitian ini diusulkan penerapan dataset primer tanpa ekstraksi fitur. Selain tingginya dimensi, pada penelitian sebelumnya, banyaknya jumlah label dengan menerapkan machine learning tradisional tidak mampu melebihi akurasi 88%. Sehingga pada penelitian ini menerapkan dataset primer dengan menggunakan label kelas sebanyak 16 sehingga diusulkan metode deep learning Long Short Term Memory (LSTM). Proses penelitian dimulai dari pengambilan data, preprocessing data, modelling dan perbandingan algoritma deep learning LSTM dan machine learning KNN. Berdasarkan hasil pengujian perbandingan kedua algoritma tersebut dengan implementasi dataset yang sama, algoritma terbaik yaitu LSTM dengan nilai akurasi sebesar 0.94 dan KNN dengan nilai akurasi sebesar 0.71. https://jtiik.ub.ac.id/index.php/jtiik/article/view/7060 |
| spellingShingle | Latansa Nurry Izza Afida Fitra Abdurrachman Bachtiar Imam Cholissodin Klasifikasi Aktivitas Manusia Menggunakan Metode Long Short-Term Memory Jurnal Teknologi Informasi dan Ilmu Komputer |
| title | Klasifikasi Aktivitas Manusia Menggunakan Metode Long Short-Term Memory |
| title_full | Klasifikasi Aktivitas Manusia Menggunakan Metode Long Short-Term Memory |
| title_fullStr | Klasifikasi Aktivitas Manusia Menggunakan Metode Long Short-Term Memory |
| title_full_unstemmed | Klasifikasi Aktivitas Manusia Menggunakan Metode Long Short-Term Memory |
| title_short | Klasifikasi Aktivitas Manusia Menggunakan Metode Long Short-Term Memory |
| title_sort | klasifikasi aktivitas manusia menggunakan metode long short term memory |
| url | https://jtiik.ub.ac.id/index.php/jtiik/article/view/7060 |
| work_keys_str_mv | AT latansanurryizzaafida klasifikasiaktivitasmanusiamenggunakanmetodelongshorttermmemory AT fitraabdurrachmanbachtiar klasifikasiaktivitasmanusiamenggunakanmetodelongshorttermmemory AT imamcholissodin klasifikasiaktivitasmanusiamenggunakanmetodelongshorttermmemory |