Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal BAREKENG: Jurnal Ilmu Matematika dan Terapan Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya
Fitriah, Zuraidah
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Energy Engineering Mathematics Mechanical Engineering Physics Transportation

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Pengembangan Algoritma Genetika untuk Optimasi Rute Distribusi Bahan Pangan Utama Indonesia Fitriah, Zuraidah
Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya 2018: Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1399.599 KB)

Abstract

Pengembangan infrastruktur dan pusat kegiatan ekonomi Indonesia masih terpusat pada pulaupulau besar, khususnya Pulau Jawa. Sementara pulau-pulau kecil cenderung kurang diperhatikan, contohnya pulau-pulau di wilayah Indonesia bagian timur. Jarak pulau-pulau tersebut yang jauh dari pusat pemerintahan menyebabkan adanya kesenjangan kesejahteraan masyarakat, contohnya adalah pendistribusian bahan pokok. Aktivitas pendistribusian logistik di Indonesia, saat ini masih terkendala dengan masalah inefisiensi dan ketidakteraturan dalam sistem logistik. Ketidakefisienan sistem logistik di Indonesia membuat harga produk menjadi tinggi. Transportasi laut memiliki peran penting dalam penurunan biaya logistik tersebut, karena kemampuan angkut yang besar dan daya jelajah yang luas akan dapat menghasilkan efisiensi dari economic-of-scale jika sistem jaringan pelayaran maupun interkoneksi di pelabuhan dapat dioptimalkan kinerjanya. Masing-masing kapal juga memiliki kapasitas muatan yang berbeda-beda. Penelitian ini melakukan optimasi penjadwalan dan penentuan rute kapal yang dapat memenuhi seluruh permintaan di setiap wilayah pelabuhan tujuan dimana pengiriman dilakukan dari satu pelabuhan asal yaitu pelabuhan Tanjung Perak sebagai pusat distribusi bahan pangan. Optimasi dilakukan dengan mengaplikasikan Algoritma Genetika yang telah dimodifikasi dengan menambahkan proses terapi gen pada fungsi yang akan diminimumkan, dalam hal ini fungsi jarak tempuh. Hasil dari penelitian ini adalah suatu rute optimal pendistribusian bahan pangan dari pusat distribusi di Pulau jawa menuju wilayahwilayah lain dengan menggunakan beberapa kapasitas kapal yang berbeda. Hasil tersebut diharapkan dapat memberikan masukan kebijakan kepada pihak berwenang terkait proses distribusi bahan pangan.
HEALTH CLAIM INSURANCE PREDICTION USING SUPPORT VECTOR MACHINE WITH PARTICLE SWARM OPTIMIZATION Anam, Syaiful; Putra, M. Rafael Andika; Fitriah, Zuraidah; Yanti, Indah; Hidayat, Noor; Mahanani, Dwi Mifta
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 17 No 2 (2023): BAREKENG: Journal of Mathematics and Its Applications
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol17iss2pp0797-0806

Abstract

The number of claims plays an important role the profit achievement of health insurance companies. Prediction of the number of claims could give the significant implications in the profit margins generated by the health insurance company. Therefore, the prediction of claim submission by insurance users in that year needs to be done by insurance companies. Machine learning methods promise the great solution for claim prediction of the health insurance users. There are several machine learning methods that can be used for claim prediction, such as the Naïve Bayes method, Decision Tree (DT), Artificial Neural Networks (ANN) and Support Vector Machine (SVM). The previous studies show that the SVM has some advantages over the other methods. However, the performance of the SVM is determined by some parameters. Parameter selection of SVM is normally done by trial and error so that the performance is less than optimal. Some optimization algorithms based heuristic optimization can be used to determine the best parameter values of SVM, for example Particle Swarm Optimization (PSO) and Genetic Algorithm (GA). They are able to search the global optimum, easy to be implemented. The derivatives aren’t needed in its computation. Several researches show that PSO give the better solutions if it is compared with GA. All particles in the PSO are able to find the solution near global optimal. For these reasons, this article proposes the health claim insurance prediction using SVM with PSO. The experimental results show that the SVM with PSO gives the great performance in the health claim insurance prediction and it has been proven that the SVM with PSO give better performance than the SVM standard.
Co-Authors Dwi Mifta Mahanani, Dwi Mifta Indah Yanti Noor Hidayat, Noor Putra, M. Rafael Andika Syaiful Anam