Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Conference on Innovation and Application of Science and Technology (CIASTECH)

PERBANDINGAN HASIL PREDIKSI KREDIT MACET PADA KOPERASI MENGGUNAKAN ALGORITMA KNN DAN C5.0 Permana, Tedi; Siregar, Amril Mutoi; Nur Masruriyah, Anis Fitri; Juwita, Ayu Ratna
Conference on Innovation and Application of Science and Technology (CIASTECH) CIASTECH 2020 "Peranan Strategis Teknologi Dalam Kehidupan di Era New Normal"
Publisher : Universitas Widyagama Malang

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

Abstract

Koperasi memberikan jasa simpan pinjam dana untuk meningkatkan ekonomi masyarakat, seperti mengembangkan usaha, dan memenuhi kebutuhan hidup sehari-hari. Dalam proses simpan pinjam dana pasti ada permasalahan-permasalahan yang sering terjadi, seperti nasabah terlambat membayar cicilan dana, dan nasabah gagal dalam mengembangkan usahanya, sehingga menyebabkan kredit macet. Pada penelitian ini akan dilakukan prediksi kredit macet untuk meminimalisir terjadinya kredit macet dengan cara memperhatikan data yang dimasukan nasabah untuk proses peminjaman dana. Metode yang digunakan dalam penelitian ini yaitu dengan menerapkan algortima K-Nearest Neighbor dan algoritma C5.0. Hasil akurasi dari algoritma C5.0 mendapatkan nilai yang lebih baik dari algoritma K-Nearest Neighbor yaitu 86,67%. Sehingga algoritma C5.0 lebih efektif untuk memprediksi kredit macet.
ANALISIS SENTIMEN PADA BULETIN MENGGUNAKAN ALGORITME DBSCAN Dwi Vina Wijaya; Yogi Firman Alfiansyah; Anton Romadoni Junior; Anis Fitri Nur Masruriyah; Jamaludin Indra; Hanny Hikmayanti; Amril Mutoi Siregar
Conference on Innovation and Application of Science and Technology (CIASTECH) CIASTECH 2021 "Kesiapan Indonesia Dalam Menghadapi Krisis Energi Global"
Publisher : Universitas Widyagama Malang

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

Abstract

Asosiasi Perguruan Tinggi Informatika dan Ilmu Komputer (APTIKOM) mengembangkan media yang memuat informasi dan teknologi bentuk media online yaitu Buletin. Informasi yang disampaikan pada Buletin membahas mengenai big data, kemajuan teknologi dan lain – lain. Kalimat yang terkandung dalam Buletin dapat berupa kalimat positif, negatif maupun netral. Penggunaan kata dalam menyusun kalimat dapat memengaruhi informasi yang disampaikan. Oleh karena itu, penyusunan kalimat perlu diperhatikan agar dapat meminimalkan kesalahan maksud dan tujuan. Penyusunan kalimat dapat diawali dengan pemilihan kata, pengelompokkan kata, dan melakukan klasifikasi sentimen. Proses pemeriksaan dokumen dapat dilakukan dengan algoritme DBSCAN. Algoritme DBSCAN dapat melakukan clustering dalam menentukan noise yang terdapat di dalam dokumen. Penelitian magazine bertujuan melakukan pemeriksaan kata negatif, positif dan netral. Selain itu, bertujuan untuk melakukan pencarian intisari yang terdapat dalam dokumen. Tahapan diawali dengan proses TF IDF untuk klasifikasi dan DBSCAN untuk clustering. Selanjutnya, hasil yang diperoleh akan dievaluasi dengan Sum of Square Error (SSE) dan pemeriksaan ketepatan cluster meggunakan Silhouette. Hasil evaluasi algoritma menunjukkan perbandingan nilai masing – masing cluster. Lalu, hasil evaluasi akan diperiksa dengan silhouette yang menunjukkan ketepatan cluster.
KLASIFIKASI PENYAKIT KANKER SERVIKS MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) Siti Silvia Arifin; Amril Mutoi Siregar; Ayu Ratna juwita; Tohirin Al Mudzakir
Conference on Innovation and Application of Science and Technology (CIASTECH) CIASTECH 2021 "Kesiapan Indonesia Dalam Menghadapi Krisis Energi Global"
Publisher : Universitas Widyagama Malang

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

Abstract

Kanker serviks atau yang sering di sebut kanker leher rahim merupakan penyakit yang mematikan dan banyak sekali menyerang kaum wanita di seluruh dunia. di indonesia dari menteri kesehatan bahkan mencatat kanker ini menempati peringkat ke dua dari jenis kanker serviks yang sering di jumpai setelah kanker payudara. support vactor machine (SVM) adalah algoritma yang di  gunakan untuk pengklasifikasi dengan membagi data menjadi dua kelas lalu menjadikan garis hayperplane untuk pemisah dua kelas dan margin untuk pemisah antar garis hayperplan dan support vactor. Seperti pada Penelitian kali ini yang bertujuan untuk mempermudah mengklasifikasikan data kanker serviks, karena dari permasalahan data kanker serviks memerlukan klasifikasi untuk menentukan mana saja data yang lebih dominan negatif atau positif dengan menerapkan algoritma support vactor machine (SVM). data yang di ambil dari website Archive.com sebanyak 72 data dan 19 atribut dengan menggunaakan data training sebanyak 59 data dan 4 atribut dimana di antaranya dukungan sosial  instrumental, pengetahuan pemberdayaan, kemampuan pemberdayaan, keinginan pemberdayaan. Data di bagi menjadi dua yaitu menjadi data testing dan training dengan membagi 80:20 pada pengujian kali ini menggunakan python dengan data training dan menggunakan tools orange lalu menggunakan data testing. Dari hasil pengujian dengan menggunakan orange membagi data 80:20 memiliki nilai nilai accuracy sebesar 92,9%, dan python sebesar 87%.