Analisis Model Machine Learning Terhadap Pengenalan Aktifitas Manusia
DOI:
https://doi.org/10.30812/matrik.v19i2.688Keywords:
Machine Learning, Linear Regression, SVM, Decision Tree, Linear SVCAbstract
Aktivitas-aktivitas manusia diklasifikasikan dengan menggunakan sensor responsif dari gerakan manusia yang disebut pengguna. Karya ilmiah ini berfokus pada penggunaan model klasifikasi pendekatan pembelajaran mesin yang berbeda. Dalam penelitian ini, data yang digunakan diambil dari open source yang diklasifikasikan untuk mengenali aktivitas manusia di mana percobaannya telah dilakukan dengan sekelompok 30 sukarelawan dalam berbagai kelompok usia. Setiap orang melakukan enam aktivitas mengenakan smartphone di bagian pinggang. Dengan menggunakan accelerometer dan gyroscope yang tertanam, ditangkap akselerasi linear 3-aksial dan kecepatan sudut 3-aksial pada kecepatan konstan 50Hz. Dataset yang diperoleh telah dipartisi secara acak menjadi dua set, di mana 70% sukarelawan dipilih untuk menghasilkan data training dan 30% untuk data uji. Hasil pendekatan yang digunakan dibandingkan dalam hal efisiensi akurasi dan presisi. Model yang digunakan adalah regresi logistik, linear SVC, rbf SVM classifier, decision tree, dan random forest.
Downloads
References
[2] J. H. Friedman, “Data Mining and Statistics: What’s the connection?,†Statistics (Ber)., 1997.
[3] S. Russell dan P. Norvig, Artificial Intelligence A Modern Approach Third Edition. 2010.
[4] M. Mohri, A. Rostamizadeh, dan A. Talwalkar, Foundations of Machine Learning (Adaptive Computation and Machine Learning series). 2012.
[5] T. Mitchell, Machine Learning. McGraw Hill, 1997.
[6] V. Roman, “Unsupervised Machine Learning: Clustering Analysis -- Towards Data Science,†Towar. Data Sci., 2019.
[7] D. A. Freedman, Statistical models: Theory and practice. 2009.
[8] H. J. Scudder, “Probability of Error of Some Adaptive Pattern-Recognition Machines,†IEEE Transactions on Information Theory. 1965, doi: 10.1109/TIT.1965.1053799.
[9] H. L. Seal, “Studies in the History of Probability and Statistics. XV: The Historical Development of the Gauss Linear Model,†Biometrika, 1967, doi: 10.2307/2333849.
[10] C. Cortes dan V. Vapnik, “Support-Vector Networks,†Mach. Learn., 1995, doi: 10.1023/A:1022627411411.
[11] L. Rokach dan O. Maimon, Data mining with decision trees : theroy and applications. 2008.
Downloads
Published
Issue
Section
How to Cite
Similar Articles
- Fadhilah Dwi Ananda, Yoga Pristyanto, Analisis Sentimen Pengguna Twitter Terhadap Layanan Internet Provider Menggunakan Algoritma Support Vector Machine , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 20 No. 2 (2021)
- Fristi Riandari, Hengki Tamando Sihotang, Husain Husain, Forecasting the Number of Students in Multiple Linear Regressions , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 2 (2022)
- Ni Wayan Sumartini Saraswati, I Gusti Ayu Agung Diatri Indradewi, Recognize The Polarity of Hotel Reviews using Support Vector Machine , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 1 (2022)
- Putu Tisna Putra, Anthony Anggrawan, Hairani Hairani, Comparison of Machine Learning Methods for Classifying User Satisfaction Opinions of the PeduliLindungi Application , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 3 (2023)
- Gallen cakra adhi wibowo, Sri Yulianto Joko Prasetyo, Irwan Sembiring, Tsunami Vulnerability and Risk Assessment in Banyuwangi District using machine learning and Landsat 8 image data , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 2 (2023)
- Miftahuddin Fahmi, Anton Yudhana, Sunardi Sunardi, Image Processing Using Morphology on Support Vector Machine Classification Model for Waste Image , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 3 (2023)
- Irma Binti Sya'idah, Sugiyarto Surono, Goh Khang Wen, DynamicWeighted Particle Swarm Optimization - Support Vector Machine Optimization in Recursive Feature Elimination Feature Selection , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 23 No. 3 (2024)
- Roudlotul Jannah Alfirdausy, Nurissaidah Ulinnuha, Wika Dianita Utami, Implementation of The Extreme Gradient Boosting Algorithm with Hyperparameter Tuning in Celiac Disease Classification , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 1 (2024)
- Wikky Fawwaz Al Maki, Amien Jafar Makrufi, Support vector machine with a firefly optimization algorithm for classification of apple fruit disease , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 1 (2022)
- Dewa Ayu Kadek Pramita, Ni Wayan Sumartini Saraswati, I Putu Dedy Sandana, Poria Pirozmand, I Kadek Agus Bisena, Optimizing Hotel Room Occupancy Prediction Using an Enhanced Linear Regression Algorithms , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 1 (2024)
You may also start an advanced similarity search for this article.
.png)
