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
- Vivin Nur Aziza, Utami Dyah Syafitri, Anwar Fitrianto, Optimizing Currency Circulation Forecasts in Indonesia: A Hybrid Prophet- Long Short Term Memory Model with Hyperparameter Tuning , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 1 (2024)
- Erlin Erlin, Yenny Desnelita, Nurliana Nasution, Laili Suryati, Fransiskus Zoromi, Dampak SMOTE terhadap Kinerja Random Forest Classifier berdasarkan Data Tidak seimbang , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 3 (2022)
- Edi Ismanto, Januar Al Amien, Vitriani Vitriani, A Comparison of Enhanced Ensemble Learning Techniques for Internet of Things Network Attack Detection , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 23 No. 3 (2024)
- M. Khairul Anam, Bunga Nanti Pikir, Muhammad Bambang Firdaus, Susi Erlinda, Agustin Agustin, Penerapan Na ̈ıve Bayes Classifier, K-Nearest Neighbor (KNN) dan Decision Tree untuk Menganalisis Sentimen pada Interaksi Netizen dan Pemeritah , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 1 (2021)
- Christofer Satria, Peter Wijaya Sugijanto, Anthony Anggrawan, I Nyoman Yoga Sumadewa, Aprilia Dwi Dayani, Rini Anggriani, Multi-Algorithm Approach to Enhancing Social Assistance Efficiency Through Accurate Poverty Classification , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 1 (2024)
- Rahmaddeni Rahmaddeni, M. Teguh Wicaksono, Denok Wulandari, Agustriono Agustriono, Sang Adji Ibrahim, Enhancing Multiple Linear Regression with Stacking Ensemble for Dissolved Oxygen Estimation , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 1 (2024)
- F.ti Ayyu Sayyidul Laily, Didik Dwi Prasetya, Anik Nur Handayani, Tsukasa Hirashima, Revealing Interaction Patterns in Concept Map Construction Using Deep Learning and Machine Learning Models , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 2 (2025)
- Syahril Efendi, Poltak Sihombing, Sentiment Analysis of Food Order Tweets to Find Out Demographic Customer Profile Using SVM , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 3 (2022)
- Helna Wardhana, I Made Yadi Dharma, Khairan Marzuki, Ibjan Syarif Hidayatullah, Implementation of Neural Machine Translation in Translating from Indonesian to Sasak Language , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 23 No. 2 (2024)
- Saiful Nur Arif, Muhammad Dahria, Sarjon Defit, Dicky Novriansyah, Ali Ikhwan, Implementation of Single Linked on Machine Learning for Clustering Student Scientific Fields , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 1 (2022)
You may also start an advanced similarity search for this article.
.png)
