PLBPLB
TEMATIKTEMATIKPenelitian ini mengimplementasikan model hibrid CNN-LSTM untuk menganalisis dan memprediksi perilaku pengguna perangkat seluler menggunakan dataset dari 700 pengguna. Model ini menggabungkan kekuatan CNN dalam ekstraksi fitur spasial dan LSTM dalam analisis sekuensial temporal. Hasil menunjukkan performa model yang sangat baik dengan akurasi 92%, presisi 89%, recall 91%, dan F1-score 90%. Analisis pola temporal mengungkapkan variasi signifikan antar kelas pengguna, dengan kelas intensif menunjukkan penggunaan konsisten tinggi (rata-rata 300 menit/hari). Faktor kunci yang mempengaruhi pengalaman pengguna teridentifikasi: waktu penggunaan aplikasi (25%), waktu layar menyala (22%), dan konsumsi baterai (18%). Segmentasi pengguna menghasilkan lima kelompok distingtif, dengan Segmen 2 menunjukkan penggunaan tertinggi (6,2 jam/hari) dan Segmen 5 terendah (1,3 jam/hari). Korelasi kuat (0,89) antara waktu penggunaan aplikasi dan waktu layar menyala menegaskan pentingnya optimasi kinerja aplikasi. Temuan ini memberikan dasar untuk personalisasi layanan yang lebih efektif dan pengembangan aplikasi yang lebih terarah, membuka jalan bagi optimasi pengalaman pengguna perangkat seluler.
Penelitian ini mengimplementasikan model hybrid CNN-LSTM untuk menganalisis dan memprediksi pola perilaku pengguna perangkat seluler.Model yang dikembangkan menunjukkan performa yang sangat baik, dengan akurasi keseluruhan mencapai 92%.Analisis pola temporal penggunaan perangkat mengungkapkan variasi yang signifikan antar kelas pengguna, dan faktor-faktor kunci seperti waktu penggunaan aplikasi, waktu layar menyala, dan konsumsi baterai telah diidentifikasi.Segmentasi pengguna menghasilkan kelompok-kelompok dengan karakteristik berbeda, yang memungkinkan strategi personalisasi yang lebih terarah.
Berdasarkan temuan penelitian ini, beberapa saran penelitian lanjutan dapat diajukan. Pertama, perlu dilakukan penelitian lebih lanjut untuk mengeksplorasi pengaruh faktor demografis yang lebih rinci, seperti tingkat pendapatan dan pendidikan, terhadap pola penggunaan perangkat seluler. Hal ini dapat memberikan wawasan yang lebih mendalam tentang bagaimana karakteristik sosio-ekonomi mempengaruhi perilaku pengguna. Kedua, penelitian dapat difokuskan pada pengembangan model yang mampu memprediksi perubahan perilaku pengguna dalam jangka panjang, dengan mempertimbangkan faktor-faktor eksternal seperti tren teknologi dan perubahan gaya hidup. Ketiga, penting untuk menyelidiki implikasi etis dan privasi dari analisis perilaku pengguna yang mendalam, serta mengembangkan kerangka kerja yang memastikan penggunaan data yang bertanggung jawab dan melindungi hak-hak pengguna. Dengan menggabungkan ketiga saran ini, penelitian di masa depan dapat memberikan kontribusi yang signifikan dalam memahami dan mengoptimalkan pengalaman pengguna perangkat seluler secara berkelanjutan.
- Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas)i. bert indobert lstm classifying public opinion... jurnal.iaii.or.id/index.php/RESTI/article/view/4215Jurnal RESTI Rekayasa Sistem dan Teknologi Informas i bert indobert lstm classifying public opinion jurnal iaii index php RESTI article view 4215
- Frontiers | Deep learning for studying drawing behavior: A review. frontiers deep learning studying drawing... doi.org/10.3389/fpsyg.2023.992541Frontiers Deep learning for studying drawing behavior A review frontiers deep learning studying drawing doi 10 3389 fpsyg 2023 992541
- Implementasi Model Hybrid CNN-LSTM untuk Optimasi Pengalaman Pengguna Perangkat Seluler | TEMATIK. implementasi... jurnal.plb.ac.id/index.php/tematik/article/view/2125Implementasi Model Hybrid CNN LSTM untuk Optimasi Pengalaman Pengguna Perangkat Seluler TEMATIK implementasi jurnal plb ac index php tematik article view 2125
- Faculty's acceptance of computer based technology: Cross-validation of an extended model | Australasian... doi.org/10.14742/ajet.1095Facultys acceptance of computer based technology Cross validation of an extended model Australasian doi 10 14742 ajet 1095
| File size | 422.44 KB |
| Pages | 9 |
| DMCA | Report |
Related /
IRPIIRPI This study contributes to selecting a more suitable algorithm for customer segmentation in the era of big data and opens opportunities for further explorationThis study contributes to selecting a more suitable algorithm for customer segmentation in the era of big data and opens opportunities for further exploration
UMPOUMPO Penelitian ini menggunakan pendekatan Geographically Weighted Panel Regression (GWPR) untuk menganalisis faktor-faktor yang mempengaruhi pertumbuhan ekonomiPenelitian ini menggunakan pendekatan Geographically Weighted Panel Regression (GWPR) untuk menganalisis faktor-faktor yang mempengaruhi pertumbuhan ekonomi
IRPIIRPI Pengendalian persediaan yang efektif sangat penting dalam mengoptimalkan profitabilitas melalui pengendalian biaya dan peningkatan efisiensi. Teknik persediaanPengendalian persediaan yang efektif sangat penting dalam mengoptimalkan profitabilitas melalui pengendalian biaya dan peningkatan efisiensi. Teknik persediaan
IRPIIRPI Perubahan iklim memberikan dampak signifikan terhadap ketahanan pangan global, terutama di wilayah yang sangat bergantung pada sektor agrikultur. FenomenaPerubahan iklim memberikan dampak signifikan terhadap ketahanan pangan global, terutama di wilayah yang sangat bergantung pada sektor agrikultur. Fenomena
IRPIIRPI Temuan ini menunjukkan bahwa kelengkapan dan kualitas data hadis Bukhari berkontribusi dalam meningkatkan akurasi klasifikasi dengan memberikan konteksTemuan ini menunjukkan bahwa kelengkapan dan kualitas data hadis Bukhari berkontribusi dalam meningkatkan akurasi klasifikasi dengan memberikan konteks
IRPIIRPI Sistem Pengenalan Tulisan Tangan ini menunjukkan potensi dalam menangani variabilitas dunia nyata, terutama dalam keterbacaan resep dokter tulisan tangan.Sistem Pengenalan Tulisan Tangan ini menunjukkan potensi dalam menangani variabilitas dunia nyata, terutama dalam keterbacaan resep dokter tulisan tangan.
IRPIIRPI The final model is deployed in a mobile app using TensorFlow Lite Interpreter for efficient performance. Experimental results show high detection accuracy,The final model is deployed in a mobile app using TensorFlow Lite Interpreter for efficient performance. Experimental results show high detection accuracy,
UMPWRUMPWR Hasil pengujian hipotesis menggunakan one sample t-test menunjukkan bahwa ada pengaruh dari model discovery learning terhadap hasil belajar yang ditunjukkanHasil pengujian hipotesis menggunakan one sample t-test menunjukkan bahwa ada pengaruh dari model discovery learning terhadap hasil belajar yang ditunjukkan
Useful /
IRPIIRPI Hasil pengelompokan ini dapat dijadikan dasar perumusan kebijakan pendidikan yang lebih merata, seperti alokasi anggaran, distribusi guru, dan pembangunanHasil pengelompokan ini dapat dijadikan dasar perumusan kebijakan pendidikan yang lebih merata, seperti alokasi anggaran, distribusi guru, dan pembangunan
UNISTIUNISTI Berdasarkan hasil penelitian, disimpulkan bahwa terdapat. Adapun saran agar motivasi kerja ditingkatkan lebih baik lagi karena akan berdampak pada peningkatanBerdasarkan hasil penelitian, disimpulkan bahwa terdapat. Adapun saran agar motivasi kerja ditingkatkan lebih baik lagi karena akan berdampak pada peningkatan
UNISTIUNISTI 2423, selain itu nilai signifikansi juga menunjukkan nilai 0. 002 yang lebih kecil dari alpha 0. 05. Berdasarkan hasil analisis, terdapat pengaruh signifikan2423, selain itu nilai signifikansi juga menunjukkan nilai 0. 002 yang lebih kecil dari alpha 0. 05. Berdasarkan hasil analisis, terdapat pengaruh signifikan
UMPWRUMPWR Berdasarkan hasil penelitian ini, tidak terdapat perbedaan yang signifikan antara Real Lab maupun Virtual Lab, sehingga kedua model eksperimen ini dapatBerdasarkan hasil penelitian ini, tidak terdapat perbedaan yang signifikan antara Real Lab maupun Virtual Lab, sehingga kedua model eksperimen ini dapat