Pengenalan Aktivitas Manusia Dengan Metode Contrast High Utility Sequential Pattern Mining

Priskasani, Robiatul Alfaini Salsa (2022) Pengenalan Aktivitas Manusia Dengan Metode Contrast High Utility Sequential Pattern Mining. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06111840000070-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Pengenalan aktivitas manusia merupakan salah satu bidang penelitian yang menarik perhatian dalam ilmu komputer dan pemrosesan data. Terdapat berbagai metode yang digunakan untuk mengenali aktivitas manusia, salah satunya adalah dengan memanfaatkan data sekuensial yang diperoleh dari sensor. Penelitian ini mengusulkan penggunaan metode Contrast High Utility Sequential Pattern Mining untuk mengidentifikasi dan mengenali aktivitas manusia berdasarkan pola urutan tindakan yang memiliki nilai utilitas tinggi. Metode ini bekerja dengan mencari pola-pola yang sering muncul dan memberikan kontribusi tinggi dalam membedakan antar aktivitas. Dataset yang digunakan dalam penelitian ini mencakup berbagai aktivitas sehari-hari yang direkam menggunakan sensor. Hasil pengujian menunjukkan bahwa metode yang diusulkan mampu mengenali aktivitas manusia dengan tingkat akurasi yang cukup tinggi dibandingkan dengan metode sekuensial tradisional. Efektivitas metode ini terbukti dalam menangani data aktivitas yang kompleks dan memiliki variasi tinggi.
==============================================================================================================================
Human activity recognition is one of the research fields that attracts attention in computer science and data processing. There are various methods used to recognize human activities, one of which is by utilizing sequential data obtained from sensors. This study proposes the use of the Contrast High Utility Sequential Pattern Mining method to identify and recognize human activities based on sequence patterns of actions that have high utility values. This method works by finding patterns that frequently appear and provide a high contribution in distinguishing between activities. The dataset used in this study includes various daily activities recorded using sensors. The test results show that the proposed method is able to recognize human activities with a fairly high level of accuracy compared to traditional sequential methods. The effectiveness of this method is proven in handling complex activity data with high variation.

Item Type:	Thesis (Other)
Additional Information:	RSMa 006.312 Pri k-1 2022
Uncontrolled Keywords:	pengenalan aktivitas, contrast pattern, high utility pattern, smart home. activity recognition, contrast pattern, high utility pattern, smart home.
Subjects:	Q Science > QA Mathematics
Divisions:	Faculty of Mathematics and Science > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	08 Jun 2026 04:37
Last Modified:	08 Jun 2026 04:37
URI:	http://repository.its.ac.id/id/eprint/133626

Actions (login required)

View Item