Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Dinamik MEDIA KOMUNIKASI TEKNIK SIPIL Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Tarigan, Perwira
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Analisa Pushover dan Eksperimen Struktur Portal dengan Dinding Batubata dengan Menggunakan Angkur pada Kolom dan Balok pada Non Engineered Building Hutajulu, Marsaulina; Tarigan, Johannes; Tarigan, Perwira
MEDIA KOMUNIKASI TEKNIK SIPIL Volume 24, Nomor 2, DESEMBER 2018
Publisher : Department of Civil Engineering, Diponegoro University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2275.261 KB) | DOI: 10.14710/mkts.v24i2.19914

Abstract

Based on the findings in almost all earthquakes that hit Indonesia, buildings that were damaged and collapsed were simple non-engineered buildings. Where buildings are built based on practical experience without structural calculations. One form of damage to non-structural components and structures is the relationship between columns and brick walls, where cracks and separation between columns and walls occur due to lack of anchors (cuttings). To find out how much an earthquake load can make a test object that uses anchor has been destroyed, a pushover analysis is carried out numerically and experimentally. From the numerical results it is obtained a pushover of 7490 kg and a displacement of 16.7 mm, while the experimental results obtained a pushover 7,540 kg and 56.5 mm displacement. Numerical results and experiments are very close at 99.34%.
Analisis Tingkat Akurasi Metode Naïve Bayes Dataset Breast Cancer Wisconsin Tarigan, Perwira; Prabowo, Agung; Govandy
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 6 No. 02 (2024): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v6i02.505

Abstract

Naive Bayes Classifier (NBC) adalah metode penambangan data yang digunakan untuk klasifikasi data dalam suatu kelas. Berdasarkan pandangan literatur dari beberapa penelitian sebelumnya, diketahui bahwa algoritma NBC memiliki tingkat akurasi yang buruk dari segi akurasi. Keakuratan hasil klasifikasi diketahui dipengaruhi oleh fitur-fitur yang digunakan seringkali tidak relevan dan memilki pengaruh yang rendah terhadap klasifikasi. Pada penelitian ini dilakukan analisis tingkat akurasi metode NBC tanpa seleksi fitur dan dengan seleksi fitur pada dataset Wisconsin Breast Cancer. Dalam penelitian ini memperoleh hasil pengukuran tingkat akurasi metode NBC tanpa seleksi fitur dan dengan gain rasio serta seleksi fitur F-relief pada dataset Breast Cancer Wisconsin sehingga bisa disimpulkan bahwa metode seleksi fitur bisa meningkatkan akurasi pada NBC. Hal ini didukung juga dengan penbisa penelitian sebelumnya. Peningkatan akurasi pada metode klasifikasi NBC dengan menggunakan seleksi fitur Relief-F meningkat sebesar 0,30% dari akurasi metode NBC tanpa menggunakan seleksi fitur dengan tingkat akurasi 97,4%.
Deteksi Dini Gejala Aritmia pada Penderita Hypertensi menggunakan Algoritma SVM dengan Data Elektrokardiogram Tambunan, Fiktor Januari; Tarigan, Perwira; Hulu, Yakin Rianto; Halawa, Hendi Jaya; Prabowo, Agung
Dinamik Vol 30 No 2 (2025)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v30i2.10233

Abstract

Abstrak Penelitian ini mengembangkan sistem deteksi aritmia pada lansia menggunakan sinyal elektrokardiogram (EKG) 5-lead dan algoritma Support Vector Machine (SVM). Data EKG yang diperoleh melalui perangkat Smart Holter direkam secara kontinu dan diproses melalui tahapan praproses, meliputi koreksi baseline, filtering dengan metode Butterworth, ekstraksi fitur, normalisasi, serta pelabelan manual oleh dokter spesialis jantung untuk validitas klinis. Model SVM kemudian dilatih dan diuji dengan hasil akurasi sebesar 95,80% pada data pelatihan dan 94,57% pada data pengujian. Evaluasi performa model menggunakan confusion matrix, nilai presisi, recall, dan kurva ROC menunjukkan kemampuan klasifikasi empat kategori aritmia secara akurat dan seimbang dengan nilai AUC antara 0,98 hingga 1,00. Hasil ini menunjukkan potensi sistem sebagai alat bantu diagnosis dini aritmia khususnya pada pasien lansia. Untuk penelitian selanjutnya, disarankan peningkatan variasi data, perbandingan dengan metode lain seperti CNN atau LSTM, peningkatan kualitas sinyal dan fitur, serta pengujian di lingkungan klinis guna mengoptimalkan penerapan sistem dalam praktik medis. Kata Kunci: Elektrokardiogram (EKG), Aritmia, Support Vector Machine (SVM), Lansia
Co-Authors Agung Prabowo Govandy Halawa, Hendi Jaya Hulu, Yakin Rianto Hutajulu, Marsaulina Tambunan, Fiktor Januari TARIGAN, Johannes