Article Per Year (5 Year)
p-Index From 2021 - 2026
5.317
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Lontar Komputer: Jurnal Ilmiah Teknologi Informasi E-Jurnal Matematika Jurnal Teknologi Informasi dan Ilmu Komputer International Journal of Advances in Intelligent Informatics Journal of Information Systems Engineering and Business Intelligence Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Sisfokom (Sistem Informasi dan Komputer) KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) JURIKOM (Jurnal Riset Komputer) YUME : Journal of Management TEKNOLOGIA TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika Building of Informatics, Technology and Science JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Data Science and Its Applications Jurnal Sistem Komputer dan Informatika (JSON) Journal of Applied Data Sciences Mosharafa: Jurnal Pendidikan Matematika Indonesian Journal of Social Science Research Open Science and Technology eProceedings of Engineering Innovative: Journal Of Social Science Research AMMA : Jurnal Pengabdian Masyarakat Jurnal INFOTEL
Adiwijaya
Universitas Telkom
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Nursing Public Health Social Sciences Other

Published : 170 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 170 Documents
Search

 13   14   15   16   17 
Klasifikasi Data Microarray dengan Metode Artificial Neural Network dan Genetic Algorithm untuk Kasus Deteksi Kanker Ilham Yunirakhman; Adiwijaya Adiwijaya; Widi Astuti
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kanker adalah salah satu penyakit yang paling mematikan di dunia. Pada tahun 2012, terdapat 32,6 juta orang yang positif mengidap kanker dan 8,2 juta kematian yang disebabkan oleh kanker. Terdapat banyak cara yang bisa dilakukan untuk mendeteksi kanker sejak dini, salah satu caranya adalah dengan melakukan klasifikasi fitur pada data DNA microarray. Salah satu metode yang digunakan untuk mendeteksi kanker adalah metode Artificial Neural Network (ANN) – Backpropagation dengan bantuan Genetics Algorithm (GA). ANN digunakan sebagai metode klasifikasi untuk memprediksi kanker, sedangkan GA digunakan sebagai metode untuk mereduksi dimensi dari fitur DNA Microarray yang memiliki dimensi yang sangat besar. Pada penelitian ini dilakukan perbandingan antara metode ANN dan metode ANN-GA hybrid. Metode ANN-GA terbukti lebih efektif dari ANN karena dapat menghasilkan nilai akurasi 93.08% dan mereduksi dimensi hingga 51% dengan waktu running time lebih cepat hingga 42.2%. Kata Kunci : Artificial Neural Network (ANN), ANN-GA hybrid, DNA Microarray, Genetics Algorithm (GA)
Kategorisasi Berita Multi-label Berbahasa Indonesia Menggunakan Algoritma Random Forest Brama Hendra Mahendra; Adiwijaya Adiwijaya; Untari Novia Wisesty
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

AbstrakBerita merupakan informasi mengenai sesuatu yang sedang terjadi atau sudah terjadi. Seiring denganberkembangnya teknologi dimana berita disajikan dalam bentuk website karena hal itu menyebabkanjumlah berita digital yang dirilis oleh beberapa portal berita setiap harinya menjadi sangat banyak. Daribanyaknya ketersediaan dokumen berita yang ada, berdampak pada banyaknya dokumen berita yangmemiliki makna yang sama. Berdasarkan dari uraian diatas dibutuhkan metode-metode pengkategorianberita yang baik untuk memudahkan dalam pengambilan informasi. Dalam hal ini, banyak metode yangdapat dilakukan dalam mengkategorikan berita salah satunya dengan metode Random Forest. Tapisebelum menggunakan metode tersebut, terdapat beberapa langkah yang harus dilakukan dalammenentukan nilai dari random forest. Salah satu langkah yang harus dilakukan adalah menentukan featureextraction dengan metode Regular Expression dan dilanjutkan dengan pembobotan TF-IDF lalu setelah itumelakukan Cross-Validation dengan k-Fold. Dataset yang digunakan terdiri dari dua jenis yaitu data testingdan data training. Untuk hasil uji coba diperoleh nilai sebesar 0,126 dari proses persamaan Hamming Loss.Kata kunci: Random Forest, Dokumen Berita, Feature Extraction, Pembobotan TF-IDF, Cross-Validation,Hamming LossAbstractNews is an information about something that is happening or has happened. Along with the development oftechnology where news is presented in the form of websites, it causes a large number of digital news releasedby several news portals issued. From the abundance of news document that exist, it has an impact on thenumber of news document that have the same meaning. Based on the description above, it needs a goodnews categorization methods to facilitate information retrieval. In this case, there are many methods can bedone in categorizing the news one of them by the Random Forest method. But before using this method,there are several steps must be taken to determine the value of random forest. One step that must be doneis to determine feature extraction using the Regular Expression method and complete it by weighting of TFIDF,andthendoingCross-Validation.Thedatausedconsistsoftwotypes,testingdataandtrainingdata.Fortheresultsofthetrialobtainedavalueof0.126fromtheHammingLossequationprocess. Keywords:RandomForest,News Document, Feature Extraction, Weighting of TF-IDF, Cross-Validation,Hamming Loss
Klasifikasi Keadaan Mata Berdasarkan Sinyal Electroencephalography Menggunakan Gaussian Process Aditya Arya Mahesa; Untary Novia Wisesty; Adiwijaya Adiwijaya
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

AbstrakElectroenchepalography (EEG) merupakan pemonitoran sinyal dimana sinyal tersebut dipancarkan olehotak dan diterima oleh elektroda. Hasil pemindaian sinyal-sinyal tersebut dapat diterapkan menjadi antar-muka komputer-otak (Brain-computer Interface, BCI). Banyak sekali penerapan dari BCI ini, salah satunya adalahklasifikasi kondisi mata, baik terbuka maupun tertutup. Agar kondisi mata dapat dikenal melaluisinyal otak, maka dibutuhkan metode klasifikasi untuk melakukannya. Pada artikel ini, Gaussian Processditerapkan sebagai classifier untuk mengklasifikasi kondisi mata tersebut. Untuk performansi, classifierGaussian Process telah mencapai akurasi sejumlah 98.663%, presisi 98.283%, recall 98.849%, dan f1-score senilai 98.565%, dengan mengunakan Mate´rn sebagai fungsi kovarian dengan parameter ν = , perban-dingan data testing dan data training sejumlah 1:9, dan satu kali iterasi Newton. Kata kunci: Electroencephalography, Brain-computer Interface, Kondisi mata, Gaussian Process AbstractElectroencephalography (EEG) is a signal monitoring which observes brain waves through electrodes. This set of signals can be applied to Brain-computer Interface (BCI). There are many applications of BCI, one ofthem can classify the Eye-state, both eyes open or closed. For those signals recognizing, it needs to determinea method of classifier system. In this article, Gaussian Process is implemented as probabilistic classifier tocategorize Eye-state based on Electroencephalography signal. For performance, Gaussian Process classifierhad reached 98.663% accuracy, 98.283% precision, 98.849% recall, and 98.565% of f1-score, with using Mate´rn as covariance function with parameter parameter ν = 3 , testing-training ratio 1:9, and one time ofNewton’s iterations. Keywords: Electroencephalography, Brain-computer Interface, Eye-state, Gaussian Process
Klasifikasi Data Microarray Menggunakan Genetic Algorithm (GA), Naive Bayes dan Regresi Logistik Ergon Rizky Perdana Purba; Adiwijaya Adiwijaya; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kanker merupakan salah satu penyakit yang mematikan di dunia. Setiap tahunnya, penderita kanker terus meningkat dan banyak menelan korban jiwa. Hingga sampai saat ini, obat untuk penyakit yang mematikan ini masih sulit ditemukan. Dalam beberapa tahun terakhir, teknologi data microarray banyak digunakan untuk mendiagnosa kanker sejak dini, data DNA microarray adalah teknologi yang digunakan untuk melihat urutan sekuens asam nukleat yang berada pada lokasi tertentu pada struktur DNA yang dapat digunakan untuk menganalisa ribuan sampel pada waktu yang bersamaan sehingga nantinya dapat diklasifikasikan mana yang tergolong kanker dan bukan kanker. Oleh karena itu, data microarray adalah data yang memiliki ukuran dimensi data yang sangat besar. Data yang ukuran dimensinya sangat besar dapat mengakibatkan hasil perhitungan menjadi tidak optimal dan akurasi klasifikasi yang dihasilkan kecil. Untuk mengoptimalkan data dan meningkatkan nilai akurasi klasifikasi dari data yang dimensinya besar tersebut, dilakukan pengurangan dimensi dengan seleksi fitur Genetic Algorithm (GA). Genetic Algorithm biasanya mampu memberikan hasil yang baik dan tingkat akurasi yang cukup baik. Klasifikasi data microarray menggunakan metode Naive Bayes dan Regresi Logistik. Adapun akurasi terbaik dari Genetic Algorithm dan klasifikasi Regresi Logistik 100% pada data colon tumor dan mll leukemia. Genetic Algorithm dan klasifikasi Naive Bayes 57,7778% pada data MLL Leukemia. Dan Regresi Logistik 67% pada data mll leukemia. Kata Kunci : kanker, seleksi fitur, klasifikasi, data microarray, genetic algorithm, naive bayes, regresi logistik
Klasifikasi Topik Ayat Al-qur’an Terjemahan Berbahasa Inggris Menggunakan Metode Support Vector Machine Berbasis Vector Space Model Dan Word2vec Anisa Salama; Adiwijaya Adiwijaya; Said Al Faraby
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

AbstrakTujuan diturunkannya Al-Qur’an adalah sebagai petunjuk hidup bagi umat manusia. Al-Qu’an memilikikandungan makna dan hikmah disetiap ayatnya. Didalam Al-Qur’an terdapat ayat-ayat yang memilikimakna yang tersirat. Al-Qur’an mengandung beberapa topik yang antar surat Al-Qur’an dapat memilikikemiripan topik dengan surat Al-Qur’an yang lainnya. Pada penelitian ini, dilakukan implementasi metodeSupport Vector Machine dan Word2vec pada terjemahan ayat Al-Qur’an berbahasa Inggris yang digunakanuntuk pengklasifikasian berdasarkan topik. Kategori topik Al-Qur’an yang digunakan pada penelitian inidibagi menjadi tiga yaitu perintah, larangan, dan lainnya. Dokumen tersebut diubah kedalam bentukvektor dengan tf-idf weighting dan Word2vec. Vektor-vektor kata tersebut dipemetakan berdasarkan nilaikedekatan vektor antar kata pada dokumen. Selanjutnya metode Support Vector Machine digunakan untukmengklasifikasikan topik Al-Qur’an dengan memberikan hyperplane pada tiap kategori. Hasil pengujiandari penelitian ini menunjukkan bahwa penerapan Word2vec dan Support Vector Machine mendapatkannilai akurasi tertinggi sebesar 0.64 dengan jumlah data training sebesar 70% dari keseluruhan dataset.Kata kunci : Topik Al-Qur’an, Klasifikasi, Support Vector Machine, Word2vecAbstractThe purpose of the Qur'an is as a guide for human’s life. Al-Qu’an has meaning and wisdom in every verse.In the Qur'an there are verses that have implied meaning. Al-Qur’an contains several topics which amongthe Surahs of the Qur'an can have a similarity to the topic of other Al-Qur’an's surah. In this research, theimplementation of the Support Vector Machine and Word2vec method is used to classify based on topics inthe English translation of Al-Qur’an verses. The used topic categories in this study are divided into threenamely commands, prohibitions, and others. The document is converted into vector with tf-idf weightingand Word2vec. Then the word vectors are mapped based on the value of the proximity of the vectors betweenwords in the document. Then Support Vector Machine method is used to classify the topic of the Qur'an bygiving hyperplane in each category. The test results of this study showed that the implementation ofWord2vec and Support Vector Machine has the highest accuracy results of 0.64 with the amount of trainingdata is 70% of the entire dataset.Keywords: Topics of Al-Qur’an, Classification, Support Vector Machine, Word2vec
Implementasi Minimum Redudancy Maksimum Relevance (mrmr) Dan Genetic Algorithm (ga) Untuk Reduksi Dimensi Pada Klasifikasi Data Microarray Menggunakan Functional Link Neural Network (flnn) Bisma Pradana; Adiwijaya Adiwijaya; Annisa Adistania
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

AbstrakDalam bidang kesehatan DNA microarray banyak digunakan untuk memprediksi penyakit kanker, dimanasel kanker dapat mengalami abnormalitas dalam mengekspresikan gennya. DNA microarray inimemungkinkan untuk mengetahui tahapan perkembangan sel kanker dengan melihat level ekspresigennya. Analisis data ekspresi gen dalam bentuk microarray dapat memudahkan ahli medis dalammendeteksi dan mendiagnosis apakah seseorang menderita kanker atau tidak. Data microarray sendirimemiliki dimensi yang besar sehingga dapat mempengaruhi proses dan akurasi klasifikasinya. Oleh karenaitu, untuk melakukan proses pengklasifikasian pada data microarray, perlu dilakukan sebuah proses yaitureduksi dimensi. Reduksi dimensi ini bertujuan agar mengurangi redudancy dan meningkatkan relevancepada data yang dimiliki. Dalam hal ini, penulis menggunakan metode Minimum Redudancy MaksimumRelevance (MRMR) yang dioptimasi menggunakan metode Genetic Algorithm (GA). Secara singkat MRMRadalah teknik yang digunakan untuk mengidentifikasi himpunan gen yang memiliki relevansi tinggiterhadap atribut kelas akan tetapi memiliki redudansi yang rendah antar atributnya. MRMR berupayauntuk mengatasi permasalahan ini dengan menghapus subset atribut yang dianggap tidak diperlukan.Kemudian algoritma Functional Link Neural Network (FLNN) dengan basis Legendre Polynomialdigunakan untuk proses pengklasifikasian pada data microarray. Pada pengujian MRMR GA denganklasifikasi Functional Link Neural Network (FLNN) didapatkan kenaikan hasil akurasi pada data ColonTumor sebesar 5,55% - 16,66%, pada data Lung sebesar 2,78 - 5,56% dan pada data Ovarian sebesar 2%- 2,67%.Kata kunci: Klasifikasi, FLNN, MRMR, GA, DNA microarray AbstractIn the field of health DNA microarrays are widely used to predict cancer, in which cancer cells canexperience abnormalities in expressing their genes. This DNA microarray makes it possible to determinethe stages of development of cancer cells by looking at the level of gene expression. Analysis of geneexpression data in the form of microarrays can facilitate medical experts in detecting and diagnosingwhether a person has cancer or not. Microarray data itself has large dimensions so that it can affect theprocess and classification accuracy. Therefore, to do the classification process in microarray data, it isnecessary to do a process that is dimension reduction. This dimension reduction aims to reduce redundancyand increase the relevance of the data owned. In this case, the author uses the Minimum ReductionMaximum Relevance (MRMR) method which is optimized using the Genetic Algorithm (GA) method. Inshort MRMR is a technique used to identify a set of genes that has high relevance to class attributes but haslow redundancy between attributes. MRMR seeks to overcome this problem by removing the subset ofattributes that are considered unnecessary. Then the Functional Link Neural Network (FLNN) algorithmwith Legendre Polynomial base is used for the classification process in microarray data. In the GA MRMRtest with the Functional Link Neural Network (FLNN) classification we found an increase in the accuracyof the Colon Tumor data of 5.55% - 16.66%, in the Lung data of 2.78 - 5.56% and in the Ovarian data of 2% - 2.67%.Keywords: classification, FLNN, MRMR, GA, DNA microarray 
Klasifikasi Bekas Gigitan Ular Menggunakan Active Contour Model Dan K Nearest Neighbor Chiara Janetra Cakravania; Adiwijaya Adiwijaya; Dody Qori Utama
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

AbstrakIndonesia termasuk salah satu negara tropis yang memiliki tingkat risiko terkena gigitan ular yang tinggi.Penyebab utama kematian dari kasus gigitan ular tentunya adalah karena racun yang disemprotkan olehular berbisa tersebut melalui gigi taringnya. Penyebab lainnya adalah kesalahan dalam mengidentifikasibekas gigitan tersebut secara visual. Terdapat perbedaan anatomi gigitan pada ular berbisa dan tidaksehingga mengakibatkan perbedaan bekas gigitan pada korban. Pada penelitian ini dibangun sistemidentifikasi bekas gigitan ular yang dapat mengidentifikasi bekas gigitan ular tersebut oleh ular berbisaatau tidak dengan metode Active Contour Model dan K Nearest Neighbor. Dengan melakukan beberapapengujian terkait parameter yang digunakan pada metode tersebut, didapat nilai akurasi tertinggi padametode K Nearest Neighbor adalah dengan menggunakan aturan jarak correlation, nilai K = 3, dan sistemklasifikasi tidak menggunakan distance weight. Kata kunci : bite mark, active contour, k nearest neighborAbstractIndonesia is categorized as one of tropical countries that have a high risk of snakebites. This surely mayendanger rural citizens’ lives for there are still many snakes found in rural areas. The main cause of deathfrom snakebite cases is by reason of the venom squirted from snake’s canine teeth. Others causes areerrors in identifying the bite marks visually. There are anatomical differences between puncture woundsfrom venomous and non-venomous snakes. This study established a snakebite identification system usingActive Contour Model and K Nearest Neighbor (KNN) methods. By performing some tests related to theparameters used in the method, the highest accuracy value on K Nearest Neighbor method was obtainedby using the correlation distance rule, the K value = 3, without using distance weight in the classificationsystem. Keywords: bite mark, active contour, k nearest neighbor
Klasifikasi Multi-label Pada Hadis Bukhari Dalam Terjemahan Bahasa Indonesia Menggunakan Mutual Information Dan Backpropagation Neural Network Hendro Prasetyo; Adiwijaya Adiwijaya; Widi Astuti
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

AbstrakHadis adalah segala sesuatu yang disandarkan pada Nabi Muhammad SAW baik perkataan, perbuatan,taqrir (sikap diam setuju) dan yang lainnya. Hadis merupakan sumber hukum tersendiri bagi umat muslimyang tidak dijelaskan dalam Al Qur’an. Ada banyak hadis yang telah diriwayatkan oleh para ahli hadis,salah satunya adalah hadis shahih Bukhari. Penelitian ini membuat sebuah sistem yang dapat melakukanklasifikasi hadis Bukhari Muslim Terjemahan berbahasa Indonesia. Metode klasifikasi BackpropagationNeural Network digunakan karena dapat melakukan klasifikasi data dengan jumlah fitur yang banyak danberagam, didukung dengan Mutual Information sebagai metode seleksi fitur dalam memilih fitur-fitur yangberpengaruh pada setiap label kelas multi-label. Pada penelitian ini dilakukan beberapa skenariopengujian dengan memodifikasi tahapan preprocessing, seleksi fitur, dan parameter BackpropagationNeural Network. Pengujian tersebut menunjukan bahwa nilai hamming loss terbaik adalah sebesar 0,0892dan waktu komputasi 5284,8 s dengan melibatkan tiga poin pengujian yaitu: stemming, Mutual Informationdan nilai learning rate terbaik.Kata kunci : klasifikasi teks, hadis, backpropagation neural network, mutual information, multi-labelAbstractHadith is everything that is based on Prophet Muhammad SAW involve words, deeds, taqrir (silence agree)and others. Hadith is a separate source of law for Muslims which is not explained in the Qur'an. There aremany traditions which have been narrated by the experts of hadith, one of which is the hadith of sahihBukhari. This research makes a system that can classify the Bukhari Muslim Translation of hadith inIndonesian. The classification method of Backpropagation Neural Network is used because it can classifydata with a large number of diverse features, supported by Mutual Information as a feature selectionmethod in selecting features that affect each multi-label class label. In this study several test scenarios werecarried out by modifying the preprocessing stages, feature selection, and Backpropagation Neural Networkparameters. The test shows that the best hamming loss value is 0.0892 and a computation time of 5284.8 sby involving three test points, namely: stemming, Mutual Information and the best learning rate value.Keywords: text classification, hadith, backpropagation neural network, mutual information, multi-label
Implementasi Minimum Redundancy Maximum Relevance Sebagai Teknik Reduksi Dimensi Pada Klasifikasi Kanker Usus Besar Menggunakan Random Forest I.G.N.P.Vasu Geramona; Adiwijaya Adiwijaya; Widi Astuti
eProceedings of Engineering Vol 7, No 1 (2020): April 2020
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Kanker merupakan penyakit yang mematikan. Mengutip informasi dari kementrian kesehatan Republik Indonesia pada tahun 2017 sembilan juta orang meninggal akibat kanker. Oleh sebab itu diperlukan sebuah metode untuk mendeteksi kanker salah satunya dengan gen expression. Microarray adalah salah satu teknik dari gen expression. Microarray sendiri memiliki feature yang banyak, feature yang banyak ini tidaklah selalu berkaitan dengan masalah yang sedang dihadapi. Sehingga dibutuhkan teknik reduksi dimensi untuk menyeleksi feature yang bersesuaian dengan masalah yang sedang dihadapi. Pada tugas akhir ini digunakan teknik reduksi dimensi menggunakan Minimum Redundancy Maximum Relevance yang selanjutnya akan disingkat dengan MRMR. Adapun Classifier yang digunakan adalah Random Forest, dimana teknik ini membuat beberapa tree untuk mengklasifikasi data lalu dilakukan voting untuk hasil terbanyak. Persamaan MRMR yang digunakan adalah FCD dan FCQ karena data yang digunakan bernilai kontinu. Setelah semua proses telah dilakukan, diperoleh hasil akurasi dari klasifikasi data microarray dengan menggunakan FCQ sebesar 83,87% dan dengan FCD 61,29%. Kata kunci : microarray, gen expression, random forest, MRMR Abstract Cancer is a deadly disease. Quoting information from the Ministry of Health of the Republic of Indonesia in 2017 nine million people died from cancer. Therefore we need a method to detect cancer, one of which is by gene expression. Microarray is a technique of gene expression. Microarray itself has many features, many of these features are not always related to the problem being faced. So we need a dimension reduction technique to select features that correspond to the problem being faced. In this final project a dimension reduction technique will be used using the Minimum Redundancy Maximum Relevance which will then be abbreviated as MRMR. The Classifier that will be used is Random Forest, where this technique creates several trees to classify data and then will vote for the most results. The MRMR equation used is FCD and FCQ because the data used is continuous. After the process done, the result from classify microarray data using FCQ is 83.87% and with FCD 61.29% Keywords: microarray, gen expression, random forest, MRMR
Aplikasi Pengenalan Gejala Penyakit Dengan Pemrosesan Bahasa Alami Jendral Muhamad Yusuf Zia Ul Haq; Dody Qori Utama; Adiwijaya Adiwijaya
eProceedings of Engineering Vol 8, No 2 (2021): April 2021
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Banyak gejala yang akan dirasakan oleh manusia jika mengalami penyakit, dari gejala-gejala yang ada bisa dimiliki penyakit yang sama. Untuk memastikan kebenaran sebuah kesimpulan yang rumit dimiliki banyak penyakit tetap harus menggunakan pengetahuan dari dokter untuk pengambilan keputusan. Namun, tidak semua orang memiliki waktu dan kesempatan untuk menjumpai dokter. Hal ini dapat diatasi dengan kemajuan teknologi sekarang, dengan bermodalkan ponsel pintar, semua orang dapat mengakses apapun dan dimanapun. Dari permasalahan yang ada, kami memberikan solusi yaitu menyediakan aplikasi yang dapat mendeteksi penyakit berdasarkan gejala yang diberi nama “SiHelti”. Aplikasi ini dapat diakses menggunakan android. Model pengembangan aplikasi untuk aplikasi ini menggunakan metode Waterfall yang dimulai dari tahapan perancangan, implementasi, pengujian, dan deployment. Hasil dari pembuatan aplikasi ini diuji dalam pengujian acceptance testing dari pengguna untuk mengecek kelayakan dari aplikasi yang dibuat. Aplikasi diharapkan dapat membantu dalam mencegah masalah keterlambatan pengecekan penyakit pada masyarakat. Kata kunci : penyakit, aplikasi, android, waterfall, acceptance Abstract Many symptoms will be felt by humans if they experience a disease, from the symptoms that there can be the same disease. To ensure the correctness of a complex conclusion many diseases have to use the knowledge of doctors for decision making. However, not everyone has the time and opportunity to see a doctor. This can be overcome with advances in technology now, with smart phones, everyone can access anything, anywhere. From the existing problems, we provide a solution, namely providing an application that can detect diseases based on symptoms, which is named "SiHelti". This application can be accessed using android. The application development model for this application uses the Waterfall method which starts from the design, implementation, testing, and deployment stages. The results of making this application are tested in acceptance testing from the user to check the appropriateness of the application made. The application is expected to help prevent the problem of delays in checking disease in the community. Keywords: disease, application, android, waterfall, acceptance
Co-Authors A Rakha Ahmad Taufiq Abu Bakar, Muhammad Yuslan Ade Iriani Sapitri Ade Sumiahadi, Ade Adhitia Wiraguna Adhitia Wiraguna Aditya Arya Mahesa Adnan Imam Hidayat Adwin Rahmanto Afrian Hanafi Al Faraby, Said Al Mira Khonsa Izzaty Alfian Akbar Gozali Alvi Syah Amalya Citra Pradana Amir Andi Ahmad Irfa ANDI FUTRI HAFSAH MUNZIR Andina Kusumaningrum Andri Saputra Andrian Fakhri Andriyan B Suksmono Anggitha Yohana Clara Aniq Atiqi Aniq Atiqi Rohmawati Anisa Salama Annas Wahyu Ramadhan Annisa Adistania Annisa Aditsania Antika Putri Permata Wardani Aras Teguh Prakasa Astrid Frillya Septiany Astrima Manik Aziz, Muhammad Maulidan Azmi Hafizha Rahman Zainal Arifin Bambang Riyanto T. Bayu Julianto Bayu Munajat Bayu Munajat Bayu Rahmat Setiaji Bernadus Seno Aji Bernadus Seno Aji Bintang Peryoga Bisma Pradana Brama Hendra Mahendra Chiara Janetra Cakravania Clarisa Hasya Yutika D. R. Suryandari Dana Sulistiyo Kusumo Danang Triantoro Danang Triantoro Murdiansyah Daniel Tanta Christopher Sirait Dany Dwi Prayoga Dany Dwi Prayoga Della Alfarydy Akbar Deni Saepudin Denny Alriza Pratama Desi Sitompul Dewangga, Dhiya Ulhaq Dian Chusnul Hidayati Didi Rosiyadi Didit Adytia Dinda Karlia Destiani Dody Qori Utama Dody Qory Utama Dwi Yanita Apriliyana Dwi Yanita Apriliyana Dwifebri, Mahendra Eko Darwiyanto Eliza Jasin Elza Oktaviana Elza Oktaviana Endro Ariyanto Ergon Rizky Perdana Purba F. A. Yulianto Fachri Pane, Syafrial Fahmi Salman Nurfikri Faris Alfa Mauludy Faris Alfa Mauludy Farudi Erwanda Farudi Erwanda Fathur Rohman Fathurrohman Elkusnandi Fhira Nhita Fikri Rozan Imadudin Firda A. Ma’ruf Firdausi Nuzula Zamzami Firly Juanita Surahman Fuad Ash Shiddiq Gde Agung Brahmana Suryanegara Ghozy Ghulamul Afif Gia Septiana Gia Septiana Gia Septiana Gilang Rachman Perdana Gilang Rachman Perdana Gilang Titah Ramadhani Grace Tika Guntoro Guntoro Guntoro Guntoro Guntoro Guntoro Hadyan Arif Hafidudin . Hafizh Fauzan Hafizh Fauzan Hendro Prasetyo Henri Tantyoko Honakan Honakan I Kadek Haddy W. I Made Riartha Prawira I.G.N.P.Vasu Geramona Ilham Kurnia Syuriadi Ilham Yunirakhman Imadudin, Fikri Rozan Imam Prayoga Indriani Indriani Irene Yulietha Irma Irma Irma Palupi Irwinda Famesa Iyon Priyono Jendral Muhamad Yusuf Zia Ul Haq Jenepte Wisudawati Simanullang K, Kasnaeny Kamal Hasan Mahmud Kemas Muslim Lhaksmana Kemas Rahmat Saleh Raharja Kemas Rahmat Saleh Wiharja Kurnia C Widiastuti Kurniawan W. Handito Laila Putri Lalu Gias Irham Lisa Marianah Lisa Marianah Luke Manuel Daely Mahendra Dwifebri P Mahendra Dwifebri Purbolaksono Mahmud Dwi Sulistiyo Melanida Tagari Melanida Tagari Michael Sianturi Milah Sarmilah Moc. Arif Bijaksana Mochamad Agusta Naofal Hakim Mochammad Naufal Rizaldi Mohamad Irwan Afandi Mohamad Mubarok Mohamad Syahrul Mubarok Mohamad Syahrul Mubarok Mohammad Syahrul Mubarok Monica Triyani Muhammad Afianto Muhammad Enzi Muzakki Muhammad Fauzan Muhammad Feridiansyah Muhammad Ghufran Muhammad Irvan Tantowi Muhammad Kenzi Muhammad Mubarok Muhammad Mujaddid Muhammad Naufal Mukhbit Amrullah Muhammad Nurjaman Muhammad Shiddiq Azis Muhammad Shiddiq Azis Muhammad Surya Asriadie Muhammad Syahrul Mubarok Muhammad Yuslan Abu Bakar Nanda Prayuga Nida Mujahidah Azzahra Nida Mujahidah Azzahra Niken Dwi Wahyu Cahyani Novelty Octaviani Faomasi Daeli Novia Russelia Wassi Nuklianggraita, Tita Nurul Nur Ghaniaviyanto Ramadhan Oscar Ramadhan Pinem, Joshua Pratama Dwi Nugraha Preddy Desmon Purbalaksono, Mahendra Dwifebri Putri, Dinda Rahma Putri, Dita Julaika Raihana Salsabila Darma Wijaya Rendi Kustiawan Reynaldi Ananda Pane Riche Julianti Wibowo Riko Bintang Purnomoputra Riska Chairunisa Rizki Syafaat Amardita Rizky Pujianto Rizma Nurviarelda Roberd Saragih Rosyadi, Ramadhana Said Faraby Satria Mandala Sekar Kinasih Semeidi Husrin Sheila Annisa Shidqi Aqil Naufal Shuni’atul Ma’wa Sigit Bagus Setiawan St.Sukmawati S. Sugeng Hadi Wirasna Suriyanti Suriyanti Syafrial Fachri Pane, Syafrial Fachri Syahrizal Rizkiana Rusamsi Syam, Mukhlisah Syifa Khairunnisa Talitha Kayla Amory Tati LR Mengko Tesha Tasmalaila Hanif Timami Hertza Putrisanni Tita Nurul Nuklianggraita Triyani, Monica Try Moloharto Untari Novia Wisesty Untari Wisesty Untari. N. Wisesty Untary Novia Wisesty Vina Mutiara Purnama Warih Maharani Widi Astuti Widi Astuti Widi Astuti Winda Christina Widyaningtyas Wisnu Adhi Pradana Yana Meinitra Wati Yoga Widi Pamungkas Yuliant Sibaroni Zahra Putri Agusta Zakia Firdha Razak Zulfikar Fauzi