A brain tumor is one of a deadly disease that needs high accuracy in its medical surgery. Brain tumor detection can be done through magnetic resonance imaging (MRI). Image segmentation for the MRI brain tumor aims to separate the tumor area (as the region of interest or ROI) with a healthy brain and provide a clear boundary of the tumor. This study classifies the ROI and non-ROI using fully convolutional network with new architecture, namely UNet-VGG16. This model or architecture is a hybrid of U-Net and VGG16 with transfer Learning to simplify the U-Net architecture. This method has a high accuracy of about 96.1% in the learning dataset. The validation is done by calculating the correct classification ratio (CCR) to comparing the segmentation result with the ground truth. The CCR value shows that this UNet-VGG16 could recognize the brain tumor area with a mean of CCR value is about 95.69%.

Ulasan film adalah sebuah opini yang bersifat subjektif. Ulasan film memiliki media yang bera-gam, seperti tulisan, audio, dan video. Ulasan film dapat diolah dengan menggunakan klasifikasi sentimen, agar u-capan seseorang terkait film dapat ditentukan sebagai sen-timen tertentu. Di masa sekarang, data memiliki berbagai bentuk, pemilihan jenis data yang lebih baik juga dapat mempengaruhi klasifikasi sentimen. Data video dapat di-konversi menjadi data teks dengan bantuan Speech-to-Text (STT). Data teks digunakan karena kata atau kalimat dapat dibedakan secara negatif atau positif. Data ulasan dikelom-pokkan berdasarkan aspek penilaian film dan klasifikasi sentimen dilakukan pada keseluruhan potongan ulasan serta di tiap aspek yang ada. Dengan menggunakan metode Convolutional Neural Network, didapatkan bahwa model klasifikasi sentimen tiap aspek memiliki nilai AUC lebih baik dibandingkan model klasifikasi sentimen dengan keseluruhan data.

Abstrak-Liver atau hati adalah organ yang perannya sangat vital dalam tubuh manusia. Penyakit liver sering dianggap sebagai silent killer (pembunuh diam-diam) karena adanya kemungkinan tidak timbul gejala. Permasalahan yang terjadi adalah sulitnya mengenali penyakit liver sejak dini., bahkan saat penyakit ini sudah menyebar pun masih sulit untuk dideteksi. Padahal penderita perlu mengetahui adanya gejala penyakit liver sejak dini agar dapat segera melakukan pengobatan. Adanya diagnosa penyakit liver sejak dini mampu meningkatkan kelangsungan hidup pasien. Pada penelitian ini diterapkan metode untuk klasifikasi penyakit liver menggunakan machine learning dan dibandingkan hasilnya dengan metode klasik. Data yang digunakan adalah Indian liver patients dataset (ILPD)yang diambil dari UCI machine learning. Terdapat beberapa tahapan preprocessing yang dilakukan, antara lain pengecekan missing value, imputasi, feature selection, dan resampling untuk mengatasi data imbalance. Setelah dilakukan preprocessing, selanjutnya dilakukan analisis menggunakan metode regresi logistik, decision tree, naïvebayes, k-nearest neighbor, dan support vector machine. Berdasarkan nilai akurasi dan presisi, maka metode SVM memberikan hasil yang terbaik, tapi berdasarkan recall maka metode K-Nearest Neighbor memberikan hasil terbaik. Walaupun SVM memberikan hasil nilai akurasi dan presisi tertinggi tetapi terdapat ketimpangan yang besar antara nilai presisi dan recall yang dihasilkan, jika dibandingkan selisih nilai akurasi dan recall dari metode K-Nearest Neighbor.

No abstract

AbstractOne of the economic indicators that are widely used to measure the level of prosperity and welfare is per capita income. However, an accurate income data is difficult to be obtained. In Susenas this data is approached by using data on expenditures per capita. This study employ Hierarchical Bayes (HB) and Empirical Bayes (EB) methods to be applied to Small Area Estimation (SAE) to estimate the expenditure per-capita in Banyuwangi. The results showed indirect estimation using hierarchical Bayes and Empirical Bayes produce RMSE values smaller than the direct estimation. The HB method, on the other hand, produces smaller RMSE value than the EB method. Finally, this research suggests to use HB method to estimate the expenditure per-capita in Banyuwangi rather than direct estimation which is used nowadays.