Search

Submission note: A thesis submitted in total fulfilment of the requirement for the degree of Doctor of Philosophy to the Department of Computer Science and Information Technology, School of Engineering and Mathematical Science, La Trobe University, Bundoora.

Stock market is one economic driver. It has roles in growth and development of a country. Stock is an attractive investment due to the huge profit. Many people buy and sell their stock. Stock investors try to choose the good investment company to get profits with small risk. Therefore, stock investors need to be careful and must evaluate a company. With machine learning technology, stock prediction problems can be solved. Deep learning is a subset of machine learning with own network. Deep learning has good performance in managing large amounts of data. This study used stock price history data and public sentiment data on a company. The method used in this research is Bidirectional Long-Short Term Memory (BiLSTM). The features used were closing price and compound score value of the public sentiment. Four scenarios were used in finding the best predictive model. The four scenarios use the same test data with different lengths of training data window. From the modelling, predictions with the model built using BiLSTM resulted in the smallest MSE value of 0.094 and the smallest RMSE value of 0.306. &nbsp, Pasar saham adalah salah satu penggerak ekonomi, pertumbuhan dan perkembangan suatu negara. Saham adalah investasi yang menarik karena mampu memberikan tingkat keuntungan yang besar. Investor saham berusaha memilih perusahaan investasi yang baik untuk mendapatkan keuntungan dengan resiko relatif kecil. Oleh sebab itu, para investor saham perlu memiliki ketelitian dan melakukan penilaian terhadap suatu perusahaan. Dengan teknologi pembelajaran mesin, permasalahan prediksi saham dapat diselesaikan. Deep learning adalah bagian dari pembelajaran mesin yang memiliki performa baik dalam mengelola data dengan jumlah banyak. Penelitian ini membangun model prediksi memakai data histori harga saham dan data sentimen publik pada suatu perusahaan. Metode yang digunakan pada penelitian ini adalah Bidirectional Long-Short Term Memory (BiLSTM). Fitur yang digunakan adalah harga penutup dan nilai compound score dari sentimen publik yang ada. Dalam mencari model prediksi terbaik, empat skenario digunakan dalam penelitian ini. Keempat skenario tersebut menggunakan data uji yang sama dengan panjang data latih yang berbeda dari sisi panjang jendela datanya. Pada pemodelan yang dilakukan, prediksi dengan model yang dibangun menggunakan BiLSTM menghasilkan nilai MSE terkecil 0.094 dan nilai RMSE terkecil 0.306.

Masker merupakan benda yang digunakan untuk menutupi mulut dan hidung untuk mencegah menghirup dan melepaskan cairan pernafasan. Jenis masker dibagi dua, yaitu masker medis dan non-medis yang biasa dibuat dari tekstil atau bahan lainnya yang bisa dipakai berulang kali. Baik menggunakan masker medis maupun masker kain keduanya dapat menyaring dengan baik partikel atau cairan dengan tingkat efisiensi 86.4% untuk masker kain dan 99.9% untuk masker medis 3M. Masker digunakan untuk mencegah penyakit menular seperti pada pandemi COVID-19 serta juga digunakan untuk melindungi petugas kesehatan untuk mencegah Infeksi Nosokomial di rumah sakit. Maka dibuatlah model object detection untuk mendeteksi apakah seseorang menggunakan masker medis, masker kain, masker scuba, tidak menggunakan masker dengan benar, atau tidak menggunakan masker. Metode yang digunakan adalah TensorFlow Lite Model Maker dengan model dasar EfficientDet-Lite3. Model yang dihasilkan sebanyak dua jenis dengan rata-rata presisi sebesar 75.82%, 75.84% dan rata-rata recall 82.61%, 82.25%. untuk model pertama dan kedua berturut-turut.

Salah satu instrumen finansial yang cukup dikenal dan digandrungi oleh masyarakat adalah saham, karena mampu memberikan keuntungan yang besar. Selama pandemi Covid-19 pertumbuhan investor saham di Indonesia mencapai 27% dalam waktu satu tahun. Namun untuk bisa mendapatkan keuntungan investor harus mampu melihat tren harga saham yang sedang terjadi untuk dapat memaksimalkan keuntungan. Penelitian ini bertujuan mencoba memprediksi tren pergerakan harga saham menggunakan pendekatan algoritma deep learning. Algoritma yang digunakan akan dibandingkan satu sama lain untuk mengetahui algoritma mana yang efektif untuk memproses data saham. Algoritma yang akan dibandingkan adalah Linear Regression, Decision Tree Regression serta Long Short Term Memory (LSTM). Data yang akan digunakan adalah data saham Netflix, Inc (NFLX) yang merupakan saham dari bursa saham NASDAQ. Didapatkan hasil bahwa model LSTM mempunyai nilai RMSE 10.834, Linear Regression dengan nilai RMSE 11.906 dan Decision Tree Regression dengan nilai RMSE 36.679. Kesimpulan yang dapat diambil adalah performa algoritma LSTM yang khusus dikembangkan untuk memproses data time series dapat mengungguli kedua algoritma lainnya.

—Penelitian image captioning untuk menghasilkan deskripsi yang baik pada gambar dalam Bahasa Inggris banyak dilakukan. Sedikit penelitian yang ditemukan mengenai image captioning untuk menghasilkan deskripsi gambar dalam Bahasa Indonesia. Penelitian ini akan berfokus dalam mengembangkan model generative yang menggabungkan natural language preprocessing dan computer vision untuk menghasilkan deskripsi gambar dalam Bahasa Indonesia. Model yang digunakan dalam penelitian ini adalah attention mechanism dengan arsitektur transformer. Model penelitian ini menggunakan dataset MS COCO captions 2014 yang sudah diterjemahkan dan memperoleh skor rata-rata BLEU-1, BLEU-2, BLEU-3, BLEU-4 masing-masing adalah 31.12, 32.31, 42.39, 46.16.

Pariwisata memiliki peranan yang penting dalam mendukung pembangunan ekonomi Indonesia. Sebagai salah satu pemasok sumber devisa negara terbesar, sektor pariwisata memiliki peranan yang sangat vital bagi ekonomi Indonesia. Namun, promosi dan pemasaran pariwisata khususnya untuk pariwisata Provinsi Yogyakarta belum dapat dioptimalkan. Agar minat wisatawan untuk berkunjung semakin meningkat, dengan memanfaatkan perkembangan Teknologi Informasi dan Komunikasi, maka dirancang sebuah portal berbasis web yang bertujuan untuk mempromosikan sektor pariwisata Provinsi Yogyakarta. Jendela Jogja merupakan sebuah portal berbasis web yang difungsikan sebagai portal untuk mempromosikan pariwisata yang ada di Daerah Istimewa Yogyakarta. Penerapan teknologi berupa portal Jendela Jogja dengan metode waterfall yang dikombinasikan dengan layanan lokasi dan popularitas untuk pemetaan lokasi serta kepopuleran yang berpotensi menghasilkan suatu media promosi dan pemasaran Pariwisata Yogyakarta yang dapat dijangkau di mana pun tanpa terhalang oleh jarak dan waktu sehingga pemasaran sektor pariwisata Daerah Istimewa Yogyakarta dapat dijangkau secara global dengan biaya yang relatif terjangkau.

Jumlah turis domestik maupun mancanegara yang mengunjungi kawasan wisata di Daerah Istimewa Yogyakarta masih terus mengalami fluktuasi. Hal tersebut berkaitan dengan citra destinasi wisata di Yogyakarta dalam sudut pandang para wisatawan. Untuk menjaga citra baik kawasan wisata di Yogyakarta, diperlukan usaha untuk menjaga kebersihan, keamaan, serta infrastruktur sarana dan prasarana di kawasan tersebut. Namun jumlah petugas Dinas Pariwisata dan Dinas Pekerjaan Umum yang bertanggung jawab sebagai pengelola dan pemelihara tidak sebanding dengan banyak kawasan yang perlu dijaga. Untuk itu, perlu peran aktif dari masyarakat untuk turut serta menjadi pengawas serta pelapor permasalahan kebersihan, keamaan, serta infrastruktur sarana dan prasarana di kawasan wisata di seluruh wilayah DIY. Metode yang digunakan dalam pengujian rancangan Jaga Jogja adalah usability testing. Metode ini menguji pemanfaatan sistem oleh pengguna. Metode ini dipilih untuk mengetahui tingkat manfaat yang didapatkan user dari solusi yang ditawarkan oleh sistem Jaga Jogja. Hasil dari analisis yang ditawarkan oleh penelitian ini adalah sebuah aplikasi bernama Jaga Jogja. Aplikasi ini difungsikan sebagai sebuah platform untuk menampung laporan permasalah di kawasan wisata oleh para masyarakat yang disebut dengan Hero Jogja. Melalui platform tersebut, Dinas DIY akan terbantu dalam mengawasi serta menangani permasalahan yang terjadi kawasan wisata serta lebih mudah dalam berkomunikasi dengan pihak pengelola. Sehingga pengawasan dan penanganan permasalahan di kawasan wisata akan lebih efektif.

Bencana alam yang terjadi sulit untuk diprediksi dengan tepat dan akurat bahkan dengan teknologi yang sudah canggih. Hal ini mendorong adanya langkah-langkah sistematis yang perlu diambil untuk memperkecil serta menanggulangi dampak bencana yang ditimbulkan. Badan Nasional Penanggulangan Bencana (BNPB) dan masyarakat perlu bekerjasama. Program-program penanggulangan bencana seperti pelatihan simulasi bencana alam, serta forum pengkajian dan pengenalan sudah mulai dilakukan oleh masyarakat. Hanya saja, masih terdapat tantangan bagi BNPB untuk mengawasi serta melaporkan dengan cepat aktivitas masyarakat disetiap program Pengurangan Resiko Bencana (PRB) yang dijalankan. Dalam makalah ini, sebuah sistem yang dapat menjawab kebutuhan tersebut, sebagai sistem anti bencana untuk memudahkan fasilitator dalam pelaporan diberbagai forum yang diselenggarakan dalam program PRB. Sistem Anti Bencana (Sianna) yang dibangun menghasilkan pengkategorian desa tanggung bencana yang menjadi acuan prioritas desa mana yang mendapatkan pertolongan terlebih dahulu jika terjadi bencana.

Proses pendistribusian logistik sering terjadi kendala, salah satunya yaitu penumpukan logistik pada satu tempat tertentu atau pengungsian tertentu. Hal ini mempengaruhi kehidupan pengungsi yang sangat bergantung pada ketersediaan logistik seperti makanan, minuman, obat-obatan, serta pakaian. MISTIK adalah sebuah desain aplikasi berbasis web untuk membantu pendistribusian dan pendataan logistik ke tempat pengungsian saat terjadi bencana. Dengan dikembangkannya web MISTIK ini, pendistribusian logistik ke berbagai tempat pengungsian diharapkan untuk menjadi lebih tepat sasaran, sehingga tidak terjadi penumpukan logistik di satu tempat. Badan Penanggulangan Bencana Daerah (BPBD) akan lebih mudah dalam pemantauan ketersediaan logistik apakah logistik dalam pengungsian belum tercukupi atau mengalami penumpukan. Selain itu, pengungsi juga akan lebih mudah dalam melaporkan kekurangan logistik yang ada di pengungsian serta donatur akan mudah memberikan bantuan kepada pengungsi berupa barang ataupun uang melalui web dengan mengisi form spesifikasi bantuan agar terdata oleh BPBD dan tersalurkan secara merata.