Klasifikasi Aktivitas Manusia Menggunakan Extreme Learning Machine dan Seleksi Fitur Information Gain

Pengenalan aktivitas manusia dalam kehidupan sehari-hari dapat memberikan manfaat yang cukup besar. Akan tetapi, penelitian terkait pengenalan aktivitas manusia masih menghadapi beberapa permasalahan, yaitu pengambilan data yang bersifat unobtrusive, banyaknya fitur yang digunakan dalam pemodelan, d...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Fitra A. Bachtiar, Fajar Pradana, Issa Arwani
Formato:	article
Lenguaje:	EN ID
Publicado:	Universitas Gadjah Mada 2021
Materias:	klasifikasi aktivitas manusia seleksi fitur ig elm Engineering (General). Civil engineering (General) TA1-2040
Acceso en línea:	https://doaj.org/article/bf9997144b454258be6674fe4b39d6c8
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:doaj.org-article:bf9997144b454258be6674fe4b39d6c8
record_format	dspace
spelling	oai:doaj.org-article:bf9997144b454258be6674fe4b39d6c82021-11-17T04:08:16ZKlasifikasi Aktivitas Manusia Menggunakan Extreme Learning Machine dan Seleksi Fitur Information Gain2301-41562460-571910.22146/jnteti.v10i3.1451https://doaj.org/article/bf9997144b454258be6674fe4b39d6c82021-08-01T00:00:00Zhttps://jurnal.ugm.ac.id/v3/JNTETI/article/view/1451https://doaj.org/toc/2301-4156https://doaj.org/toc/2460-5719Pengenalan aktivitas manusia dalam kehidupan sehari-hari dapat memberikan manfaat yang cukup besar. Akan tetapi, penelitian terkait pengenalan aktivitas manusia masih menghadapi beberapa permasalahan, yaitu pengambilan data yang bersifat unobtrusive, banyaknya fitur yang digunakan dalam pemodelan, dan pengunaan algoritme pemodelan untuk mengenali aktivitas manusia. Hal tersebut akan berdampak pada hasil penelitian dan hasil klasifikasi dari algoritme yang diusulkan. Pada makalah ini, dilakukan studi awal klasifikasi aktivitas manusia. Pengenalan aktivitas manusia dilakukan untuk memprediksi lima aktivitas manusia, yaitu berjalan, naik tangga, turun tangga, duduk, dan berdiri. Data yang digunakan adalah data sekunder dengan jumlah 1.500 baris data dan 561 fitur. Seleksi fitur dilakukan terlebih dahulu menggunakan Information Gain dengan pemilihan fitur menggunakan pendekatan persentil. Subset dari data tersebut kemudian dinormalisasi dan diklasifikasi menggunakan ELM. Parameter berupa jumlah hidden neuron optimum pada model ELM dicari terlebih dahulu untuk dapat menghasilkan nilai akurasi yang tinggi. Hasil seleksi fitur yang didapatkan yaitu sejumlah 420 subset fitur terbaik. Parameter sejumlah 100 hidden neuron menghasilkan akurasi tertinggi untuk pengenalan aktivitas manusia. Hasil pemodelan menggunakan ELM memperoleh akurasi, presisi, recall, dan F1-score sebesar 0,85.Fitra A. BachtiarFajar PradanaIssa ArwaniUniversitas Gadjah Madaarticleklasifikasiaktivitas manusiaseleksi fiturigelmEngineering (General). Civil engineering (General)TA1-2040ENIDJurnal Nasional Teknik Elektro dan Teknologi Informasi, Vol 10, Iss 3, Pp 189-195 (2021)
institution	DOAJ
collection	DOAJ
language	EN ID
topic	klasifikasi aktivitas manusia seleksi fitur ig elm Engineering (General). Civil engineering (General) TA1-2040
spellingShingle	klasifikasi aktivitas manusia seleksi fitur ig elm Engineering (General). Civil engineering (General) TA1-2040 Fitra A. Bachtiar Fajar Pradana Issa Arwani Klasifikasi Aktivitas Manusia Menggunakan Extreme Learning Machine dan Seleksi Fitur Information Gain
description	Pengenalan aktivitas manusia dalam kehidupan sehari-hari dapat memberikan manfaat yang cukup besar. Akan tetapi, penelitian terkait pengenalan aktivitas manusia masih menghadapi beberapa permasalahan, yaitu pengambilan data yang bersifat unobtrusive, banyaknya fitur yang digunakan dalam pemodelan, dan pengunaan algoritme pemodelan untuk mengenali aktivitas manusia. Hal tersebut akan berdampak pada hasil penelitian dan hasil klasifikasi dari algoritme yang diusulkan. Pada makalah ini, dilakukan studi awal klasifikasi aktivitas manusia. Pengenalan aktivitas manusia dilakukan untuk memprediksi lima aktivitas manusia, yaitu berjalan, naik tangga, turun tangga, duduk, dan berdiri. Data yang digunakan adalah data sekunder dengan jumlah 1.500 baris data dan 561 fitur. Seleksi fitur dilakukan terlebih dahulu menggunakan Information Gain dengan pemilihan fitur menggunakan pendekatan persentil. Subset dari data tersebut kemudian dinormalisasi dan diklasifikasi menggunakan ELM. Parameter berupa jumlah hidden neuron optimum pada model ELM dicari terlebih dahulu untuk dapat menghasilkan nilai akurasi yang tinggi. Hasil seleksi fitur yang didapatkan yaitu sejumlah 420 subset fitur terbaik. Parameter sejumlah 100 hidden neuron menghasilkan akurasi tertinggi untuk pengenalan aktivitas manusia. Hasil pemodelan menggunakan ELM memperoleh akurasi, presisi, recall, dan F1-score sebesar 0,85.
format	article
author	Fitra A. Bachtiar Fajar Pradana Issa Arwani
author_facet	Fitra A. Bachtiar Fajar Pradana Issa Arwani
author_sort	Fitra A. Bachtiar
title	Klasifikasi Aktivitas Manusia Menggunakan Extreme Learning Machine dan Seleksi Fitur Information Gain
title_short	Klasifikasi Aktivitas Manusia Menggunakan Extreme Learning Machine dan Seleksi Fitur Information Gain
title_full	Klasifikasi Aktivitas Manusia Menggunakan Extreme Learning Machine dan Seleksi Fitur Information Gain
title_fullStr	Klasifikasi Aktivitas Manusia Menggunakan Extreme Learning Machine dan Seleksi Fitur Information Gain
title_full_unstemmed	Klasifikasi Aktivitas Manusia Menggunakan Extreme Learning Machine dan Seleksi Fitur Information Gain
title_sort	klasifikasi aktivitas manusia menggunakan extreme learning machine dan seleksi fitur information gain
publisher	Universitas Gadjah Mada
publishDate	2021
url	https://doaj.org/article/bf9997144b454258be6674fe4b39d6c8
work_keys_str_mv	AT fitraabachtiar klasifikasiaktivitasmanusiamenggunakanextremelearningmachinedanseleksifiturinformationgain AT fajarpradana klasifikasiaktivitasmanusiamenggunakanextremelearningmachinedanseleksifiturinformationgain AT issaarwani klasifikasiaktivitasmanusiamenggunakanextremelearningmachinedanseleksifiturinformationgain
_version_	1718426014358437888

Klasifikasi Aktivitas Manusia Menggunakan Extreme Learning Machine dan Seleksi Fitur Information Gain

Ejemplares similares