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
- Pungkas Subarkah, Penerapan Algoritme Klasifikasi Classification And Regression Trees (CART) Untuk Diagnosis Penyakit Diabetes Retinopathy , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 19 No. 2 (2020)
- I Gusti Ayu Agung Diatri Indradewi, Ni Wayan Sumartini Saraswati, Ni Wayan Wardani, COVID-19 Chest X-Ray Detection Performance Through Variations of Wavelets Basis Function , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 1 (2021)
- Bakhtiyar Hadi Prakoso, Implementasi Support Vector Regression pada Prediksi Inflasi Indeks Harga Konsumen , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 19 No. 1 (2019)
- Arief Herdiansah, Sistem Pendukung Keputusan Referensi Pemilihan Tujuan Jurusan Teknik di Perguruan Tinggi Bagi Siswa Kelas XII IPA Mengunakan Metode AHP , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 19 No. 2 (2020)
- Pungkas Subarkah, Enggar Pri Pambudi, Septi Oktaviani Nur Hidayah, Perbandingan Metode Klasifikasi Data Mining untuk Nasabah Bank Telemarketing , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 20 No. 1 (2020)
- Anthony Anggrawan, Mayadi Mayadi, Application of KNN Machine Learning and Fuzzy C-Means to Diagnose Diabetes , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 2 (2023)
- Annisa Nurul Puteri, Arizal Arizal, Andini Dani Achmad, Feature Selection Correlation-Based pada Prediksi Nasabah Bank Telemarketing untuk Deposito , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 20 No. 2 (2021)
- Abulwafa Muhammad, Sarjon Defit, Analyzing the use of Social Media by Fashion Designers with K-Means and C45 , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 2 (2022)
- Alya Masitha, Muhammad Kunta Biddinika, Herman Herman, K Value Effect on Accuracy Using the K-NN for Heart Failure Dataset , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 3 (2023)
- Budi Sumanto, Denting Romantika Java, Wahyu Wijaya, Jans Hendry, Seleksi Fitur Terhadap Performa Kinerja Sistem E-Nose untuk Klasifikasi Aroma Kopi Gayo , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 2 (2022)
You may also start an advanced similarity search for this article.
.png)
