Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi JAIS (Journal of Applied Intelligent System)
Fikri Budiman
Dian Nuswantoro University
Computer Science & IT Engineering

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

Found 2 Documents
Search

 1 
Optimasi Parameter K Pada Algoritma K-NN Untuk Klasifikasi Prioritas Bantuan Pembangunan Desa Saiful Ulya; M Arief Soeleman; Fikri Budiman
Techno.Com Vol 20, No 1 (2021): Februari 2021
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v20i1.4215

Abstract

Klasifikasi adalah proses menemukan model atau fungsi yang menggambarkan dan membedakan kelas atau konsep data. Algoritma k-NN (k Nearest Neighbors) merupakan algoritma klasifikasi berdasarkan pembelajaran dari data yang sudah terklasifiasi sebelumnya. Algoritma k-NN (k Nearest Neighbors) merupakan algoritma yang sangat bagus dalam menangani beberapa kasus, salah satu kelebihan k-NN diantaranya adalah tangguh terhadap data training yang noisy dan sangat efektif apabila data trainingnya besar. Namun terdapat beberapa masalah pada algoritma k-NN diantaranya adalah penentuan nilai k untuk pemilihan jumlah tetangga terdekatnya sangat sulit, karena nilai k sangat peka atau sensitif terhadap hasil klasifikasi. Pada penelitian ini, akan dilakukan pemodelan klasifiasi dengan menggunakan algoritma k-NN yang difokuskan pada proses penentuan nilai k terbaik pada dataset IKG (Indeks Kesulitas Geografis) desa. Pada penelitian ini akan melakukan integrasi algoritma k-NN dengan menentukan nilai k optimal dengan optimize parameters berdasar algoritma genetika.
Whale Optimization Algorithm Bat Chaotic Map Multi Frekuensi for Finding Optimum Value Nur Wahyu Hidayat; . Purwanto; Fikri Budiman
Journal of Applied Intelligent System Vol 5, No 2 (2020): Journal of Applied Intelligent System
Publisher : Universitas Dian Nuswantoro and IndoCEISS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/jais.v5i2.4432

Abstract

Optimization is one of the most interesting things in life. Metaheuristic is a method of optimization that tries to balance randomization and local search. Whale Optimization Algorithm (WOA) is a metaheuristic method that is inspired by the hunting behavior of humpback whales. WOA is very competitive compared to other metaheuristic algorithms, but WOA is easily trapped in a local optimum due to the use of encircling mechanism in its search space resulting in low performance. In this research, the WOA algorithm is combined with the BAT chaotic map multi-frequency (BCM) algorithm. This method is done by inserting the BCM algorithm in the WOA search phase. The experiment was carried out with 23 benchmarks test functions which were run 30 times continuously with the help of Matlab R2012a. The experimental results show that the WOABCM algorithm is able to outperform the WOA and WOABAT algorithms in most of the benchmark test functions. The increase of performance in the average of optimum value of WOABCM when compared to WOA is 2.27x10 ^ 3.
Co-Authors Moch Arief Soeleman Nur Wahyu Hidayat Purwanto Purwanto Saiful Ulya