Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kategori email dapat diklasifikasikan dengan menggunakan pemrosesan bahasa alami (natural language processing) dan machine learning untuk mempelajari pola kata pada email. Model yang digunakan adalah support vector machine, multinomial naïve bayes, dan random forest dan digunakan teknik oversampling berupa random oversampling, synthetic minority over-sampling (SMOTE), dan adaptive synthetic sampling (ADASYN) untuk menyeimbangkan distribusi kelas dan meningkatkan performa pada model. Hasil yang diperoleh bahwa teknik ADASYN menghasilkan performa terbaik dalam klasifikasi email yang divalidasi dengan k-fold cross-validation (k=7) dibandingkan dua teknik lainnya. Rata-rata akurasi mencapai 97.87% pada support vector machine, sedangkan multinomial naive bayes 77.97% , dan random forest 95.94% dengan menggunakan teknik ADASYN.

---

Email categories can be classified using natural language processing (NLP) and machine learning to learn word patterns in emails. The models used are support vector machine, multinomial naïve Bayes, and random forest. Oversampling techniques such as random oversampling, synthetic minority over-sampling (SMOTE), and adaptive synthetic sampling (ADASYN) are employed to balance the class distribution and improve model performance. The results show that the ADASYN technique achieves the best performance in email classification validated with k-fold cross-validation (k=7) compared to the other two techniques. The average accuracy reaches 97.87% for support vector machine, 77.97% for multinomial naïve Bayes, and 95.94% for random forest when using the ADASYN technique."

"Urgensitas dari ketersediaan oksigen yang menjadi penyokong kehidupan manusia saat manusia mengalami penyakit pernapasan akut seperti COVID-19 menjadi alasan dibuatnya konsentrator oksigen. Konsentrator yang ada pada pasaran tidak memberikan informasi terkait laju aliran dan konsentrasi oksigen yang dihasilkan oleh sistem konsentrator oksigen. Penelitian ini berhasil merancang rangkaian sistem pengendalian katup dan sensor konsentrasi oksigen dengan keseluruhan sistem konsentrator oksigen yang memiliki ukuran ringkas namun tetap memiliki performa yang baik. Laju aliran target yang ditentukan penulis dapat dicapai dalam waktu 30 detik dengan akurasi pembacaan sensor yang memiliki selisih pembacaan 0% hingga 2%. Sistem konsentrator oksigen yang sudah dirancang mampu mencapai konsentrasi oksigen 94% saat laju aliran 1 LPM, 91% saat laju aliran 1,5 LPM; dan 88% saat laju aliran 2 LPM, dan telah berhasil dirancang juga sistem pembacaan hasil keluaran sistem konsentrator oksigen dengan sensor dan ditampilkan pada layar yang terdapat pada rangkaian.

---

The urgency of the availability of oxygen which supports human life when humans experience acute respiratory illnesses such as COVID-19 is the reason for the creation of oxygen concentrators. Oxygen concentrators on the market do not provide information regarding the flow rate and oxygen concentration produced by the oxygen concentrator system. This research successfully designed a series of valve control systems and oxygen concentration sensors with an overall oxygen concentrator system that is compact but still performs well. The target flow rate determined by the author can be achieved within 30 seconds with sensor reading accuracy that has a reading difference of 0% to 2%. The system oxygen concentrator system that has been designed can achieve an oxygen concentration of 94% at a flow rate of 1 L/M, 91% at a flow rate of 1,5 LPM, and 88% at a flow rate of 2 LPM. The system has also been successfully designed to read the output results of the oxygen concentrator system with sensors and display them on the screen in the circuit.

"