Augmented Reality (AR) memungkinkan pengguna dapat melihat objek virtual pada lingkungan nyata. Berbeda dengan Virtual Reality (VR) yang membawa pengguna masuk pada lingkungan virtual sepenuhnya tanpa melihat dunia nyata. Teknologi AR menggunakan marker sebagai target untuk memunculkan objek virtual. Penelitian ini menggunakan Drawing 2D sebagai Marker Based Tracking dalam mendeteksi target untuk memunculkan objek 3D virtual. Gambar 2D atau Drawing 2D merupakan alat untuk menyampaikan maksud dan informasi dari drafter kepada teknisi. Lulusan siswa Sekolah Menengah Kejuruan (SMK) harus mampu memahami Drawing 2D dan memvisualisasikan kedalam bentuk 3D. Kemampuan spasial dalam memvisualisasi ini yang harus dimiliki karena menyangkut masa depan setiap siswa. Pembelajaran materi proyeksi Drawing 2D memerlukan teknis khusus agar mampu di pahami oleh siswa. Aplikasi AR ini menggunakan metode Features from Accelerated Segment Test Corner Detection (FCD) dalam proses tracking. Uji coba penelitian menggunakan 50 marker. Kriteria uji coba deteksi marker dengan posisi tegak lurus, miring 30°, 45°, 60° dan 75° terhadap kamera serta dengan jarak deteksi 20 cm, 30 cm,40 cm,50 cm,dan 60 cm. Dari hasil uji coba untuk deteksi 50 marker disimpulkan bahwa marker dapat terdeteksi pada jarak 50 cm dengan posisi marker tegak lurus, kemiringan 30° maksimum pada jarak 40 cm, dan kemiringan 45° maksimum pada jarak 30 cm. Proses deteksi marker dipengaruhi oleh tingginya spesifikasi perangkat yang digunakan dalam ujicoba, pencahayaan serta besarnya marker yang digunakan.

No abstract

Aplikasi WhatsApp merupakan salah satu aplikasi chatting yang sangat populer terutama di Indonesia. WhatsApp mempunyai data unik karena memiliki pola pesan dan topik yang beragam dan sangat cepat berubah, sehingga untuk mengidentifikasi suatu topik dari kumpulan pesan tersebut sangat sulit dan menghabiskan banyak waktu jika dilakukan secara manual. Salah satu cara untuk mendapatkan informasi tersirat dari media sosial tersebut yaitu dengan melakukan pemodelan topik. Penelitian ini dilakukan untuk menganalisis penerapan metode LDA (Latent Dirichlet Allocation) dalam mengidentifikasi topik apa saja yang sedang dibahas pada grup WhatsApp di Universitas Islam Majapahit serta melakukan eksperimen pemodelan topik dengan menambahkan atribut waktu dalam penyusunan dokumen. Penelitian ini menghasilkan model topic dan nilai evaluasi f-measure dari model topik berdasarkan uji coba yang dilakukan. Metode LDA dipilih untuk melakukan pemodelan topik dengan memanfaatkan library LDA pada python serta menerapkan standar text-preprocessing dan menambahkan slang words removal untuk menangani kata tidak baku dan singkatan pada chat logs. Pengujian model topik dilakukan dengan uji human in the loop menggunakan word instrusion task kepada pakar Bahasa Indonesia. Hasil evaluasi LDA didapatkan hasil percobaan terbaik dengan mengubah dokumen menjadi 10 menit dan menggabungkan dengan reply chat pada percakapan grup WhatsApp merupakan salah satu cara dalam meningkatkan hasil pemodelan topik menggunakan algoritma Latent Dirichlet Allocation (LDA), didapatkan nilai precision sebesar 0.9294, nilai recall sebesar 0.7900 dan nilai f-measure sebesar 0.8541.

Abstract- Having a sophisticated application, even though often experience problems in deciding BUY - SELL in trading forex trading. This is due to the often time series predictions, in the high variable experiencing high values ​​as well as low variables, for that it is needed a recommendation system to overcome this problem. The application of classification algorithms to the recommendation system in support of BUY-SELL decisions is one appropriate alternative to overcome this. K-Nearest Neighbor (K-NN) algorithm was chosen because the K-NN method is an algorithm that can be used in building a recommendation system that can classify data based on the closest distance. This system is designed to assist traders in making BUY-SELL decisions, based on predictive data. The results of the recommendation system from the ten trials predicted by Arima are recommended. When compared to the price in the field the target profit is 7% per week from ten experiments if the average profit has exceeded the target