Article Per Year (5 Year)
p-Index From 2021 - 2026
1.383
P-Index
This Author published in this journals
All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL MEDIA INFORMATIKA BUDIDARMA Building of Informatics, Technology and Science Charity : Jurnal Pengabdian Masyarakat eProceedings of Engineering LOGIC: Jurnal Penelitian Informatika
Fhira Nhita
Telkom University
Arts Humanities Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Social Sciences

Published : 44 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 30 Documents
Search
Journal : eProceedings of Engineering

 1   2   3 
Prediksi Curah Hujan Menggunakan Algoritma Hybrid Neural Network Dan Evolutionary Programming Irwinda Famesa; Fhira Nhita; Adiwijaya Adiwijaya
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Pertumbuhan dan kualitas hasil pertanian tergantung pada beberapa faktor, salah satunya adalah faktor lingkungan. Tanah merupakan salah satu faktor lingkungan yang berkaitan erat dengan curah hujan karena air sebagai pengangkut unsur hara dari tanah ke akar dan kemudian dilanjutkan pada proses fotosintesis. Hal inilah alasan mengapa prediksi curah hujan patut diketahui. Pada tugas akhir ini, diterapkan metode peramalan Simple Moving Average (SMA) dengan 3-MA dan 5-MA. Untuk membangun sistemnya digunakan hybrid Artificial Neural Network (ANN) serta algoritma Evolutionary Programming (EP). Untuk mendapatkan arsitektur dan bobot ANN optimal dibangkitkan 20.000 solusi individu dengan kombinasi ukuran populasi 50 dan generasi 400 dengan akurasi rata-rata pelatihan dan pengujian sebesar 79,24% pada arsitektur 3-1-1 metode 3-MA. Sedangkan untuk 5-MA menghasilkan akurasi rata-rata sebesar 78,45% pada arsitektur 5-2-1. Kata Kunci : time series, moving average, ANN, Evolutionary Algorithm, Evolutionary Programming,
Optimasi Penjadwalan Perkuliahan Dengan Menggunakan Pendekatan Metode Hybrid Algoritma Genetika Adaptif Dan Algoritma Koloni Lebah Buatan Choiryaldi Setya Pratama; Fhira Nhita; Annisa Aditsania
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Penjadwalan perkuliahan merupakan suatu permasalahan yang sering dihadapi oleh setiap perguruan tinggi. Setiap perguruan tinggi memiliki kebijakan tersendiri dalam penyusunan jadwal perkuliahan, dan mungkin masing-masing perguruan tinggi mempertimbangkan kendala-kendala yang berbeda. Pada kasus optimasi penjadwalan, metode yang paling populer digunakan adalah metode pencarian heuristic seperti algoritma genetika. Pada penelitian ini membahas tentang implementasi metode hibridisasi algoritma genetika adaptif dengan algoritma koloni lebah buatan untuk menyelesaikan permasalahan penjadwalan perkuliahan di perguruan tinggi Universitas Telkom Bandung. Data yang digunakan dalam penelitian ini adalah data mahasiswa dan matakuliah pada tingkat satu serta data dosen yang mengajar terkait matakuliah tingkat satu Fakultas Teknik di perguruan tinggi Universitas Telkom Bandung. Berdasarkan pengujian yang telah dilakukan, pada penerapan metode hibridisasi algoritma genetika adaptif dan algoritma koloni lebah buatan diperoleh nilai fitness dan solusi tercapai (perkuliahan tanpa bentrokan) yang paling optimal masing-masing sebesar 0.0021 dan 87.67%. Hasil tersebut lebih baik dibandingkan menggunakan algoritma genetika dengan nilai fitness dan solusi tercapai yang paling optimal masing-masing sebesar 0.0013 dan 76.67%. Kata Kunci: algoritma genetika adaptif, algoritma koloni lebah buatan, penjadwalan perkuliahan, hibridisasi.
Analisis Dan Implementasi Radial Basis Function Neural Network Dalam Prediksi Harga Komoditas Pertanian Made Larita Ditakristy; Deni Saepudin; Fhira Nhita
eProceedings of Engineering Vol 3, No 1 (2016): April, 2016
Publisher : eProceedings of Engineering

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

Abstract

Harga komoditas pertanian yang sangat fluktuatif menimbulkan keraguan bagi para petani untuk mulai menanam. Maka dari itu, diperlukan suatu cara untuk memprediksi harga komoditas pertanian, dimana nantinya prakiraan harga tersebut dapat digunakan sebagai rekomendasi bagi para petani dalam membuat keputusan untuk mulai menanam. Sebelumnya telah dilakukan penelitian untuk prediksi harga komoditas pertanian menggunakan Artificial Neural Network (ANN) dengan arsitektur Time-Delay. Sama  halnya  dengan  penelitian tugas  akhir  ini  akan  membangun sistem  prediksi  harga  komoditas pertanian, yaitu cabai merah biasa dan bawang merah untuk 10 minggu kedepan dengan menggunakan arsitektur Radial Basis Function Neural Network (RBFNN). Dalam membangun sistem RBFNN terdapat kendala dalam merancang arsitektur yang optimal, pada penelitian ini menggunakan trial & error dalam penentuan input neuronnya. Hasil pembelajaran dari RBFNN ialah nilai center dan bobot. Hasil dari pembelajaran digunakan untuk menghitung hasil prediksi dari sistem yang kemudian akan dilakukan proses klasifikasi untuk rekomendasi tanam. Performansi sistem dihitung menggunakan Mean Absolute Percentage Error (MAPE). Prediksi komoditas pertanian dengan menggunakan RBFNN yang optimal memperoleh performansi akurasi lebih dari 75%  untuk komoditas bawang merah sedangkan untuk komoditas cabai merah biasa, performansi akurasi yang diberikan kurang dari 75%. Pada saat proses klasifikasi rekomendasi tanam dan harga petani untuk bawang merah memperoleh akurasi kurang dari 75 %, sedangkan untuk cabai merah biasa lebih dari 75%. Kata kunci : komoditas pertanian , prediksi, time series, JST, RBF, MAP
Prediksi Penyebaran Hama Penggerek Batang Di Kabupaten Bandung Berdasarkan Informasi Cuaca Dengan Menggunakan Algoritma Adaptive Neuro-fuzzy Inference System (anfis) Mayriskha Isna Indriyani; Fhira Nhita; Deni Saepudin
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Dalam tugas akhir ini yang berjudul “Prediksi Penyebaran Hama Penggerek Batang Berdasarkan Informasi Cuaca di Kabupaten Bandung dengan Menggunakan Algoritma Adaptive Neuro Fuzzy Inference System (ANFIS)” menggunakan data penyebaran hama yang didapatkan dari Dinas Pertanian Soreang. Karena data yang didapat banyak mengandung missing value, maka dilakukan penanganan missing value dengan menggunakan metode interpolasi linier. Data akan dipartisi menjadi 2 bagian, yaitu data training dan data testing dengan menggunakan crossvalidation. Setelah dilakukan penelitian dari skenario dengan penggunaan PCA pada rata-rata keseluruhan kecamatan didapatkan hasil performansi WMAPE untuk training sebesar 0,23% dan untuk testing sebesar 134,99% sedangkan skenario tanpa penggunaan PCA didapatkan hasil performansi WMAPE untuk training sebesar 0,10% dan untuk testing sebesar 116,30%. Dari hasil performansi WMAPE yang dihasilkan dapat disimpulkan bahwa penelitian ini belum menghasilkan performansi yang cukup akurat untuk sebuah prediksi, hal ini dikarenakan data yang digunakan mengandung banyak missing value dan record yang terlalu sedikit. Kata Kunci : Adaptive Neuro-Fuzzy Inference System, penyebaran hama, prediksi, crossvalidation, PCA.
Prediksi Curah Hujan Menggunakan Adaptive Neuro Fuzzy Inference System (Anfis) Sekar Kinasih; Fhira Nhita; Adiwijaya Adiwijaya
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Cuaca adalah keadaan udara pada saat tertentu dan di wilayah tertentu yang relatif sempit pada jangka waktu yang singkat. Cuaca sangat penting dan sangat berpengaruh terhadap aktivitas semua makhluk hidup. Salah satu faktor cuaca adalah curah hujan, curah hujan adalah keadaan yang tidak pasti dan diperlukan sebuah metode yang adaptif untuk memprediksi secara akurat. Salah satu bidang ilmu yang sering digunakan untuk memprediksi cuaca adalah Soft Computing (SC). Adaptive Neuro Fuzzy Inference System (ANFIS) merupakan salah satu algoritma didalam SC dan merupakan penggabungan dari Jaringan Syaraf Tiruan dan Logika Fuzzy. Algoritma Adaptive Neuro Fuzzy Inference System (ANFIS) dipilih karena Jaringan Syaraf Tiruan memiliki kemampuan untuk belajar dengan berdasarkan pelatihan pada data yang ada sebelumnya dan Logika Fuzzy mampu melakukan klasifikasi berdasarkan informasi linguistik dan fuzziness. Kombinasi ini diharapkan dapat menghasilkan suatu sistem yang mampu belajar secara terus menerus dan mampu memberikan output dengan tingkat performansi yang baik. Tugas akhir ini mengimplementasikan ANFIS untuk memprediksi curah hujan untuk wilayah Soreang dengan data curah hujan bulanan. Data dibagi menjadi data pelatihan dan data pengujian dengan proporsi 70:30. Setelah dilakukan penelitian dengan kombinasi parameter didapatkan hasil performansi pengujian sebesar 80%. Kata kunci : curah hujan, prediksi, fuzzy, jaringan syaraf tiruan, Adaptive Neuro Fuzzy Inference System
Implementasi Pendekatan Graphic Processing Unit (gpu) Approach In Support Vector Machine (SVM) Dan Least Squares Support Vector Machine (ls-svm) Hamnis Rachmat Dhana; Fhira Nhita; Izzatul Ummah
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Data mining adalah metode untuk menggali informasi yang berguna dari dataset. Salah satu teknik dalam data mining adalah klasifikasi. Klasifikasi banyak digunakan pada identifikasi penyakit, biomedical enggineering dan lainnya. Salah satu algoritma yang digunakan untuk klasifikasi adalah Support Vector Machine (SVM). SVM merupakan algoritma untuk melakukan klasifikasi dengan memaksimalkan hyperplane diantara kelas. SVM memiliki banyak variasi seperti Least Square Support Vector Machine (LS-SVM). Proses klasifikasi memerlukan waktu yang lama karena data latih memiliki banyak record dan attribute. Untuk mengatasi masalah tersebut maka SVM dan LS-SVM diimplementasikan menggunakan pendekatan Graphic Processing Unit (GPU) sehingga dapat meningkatkan kecepatan proses komputasi dibandingkan dengan menggunakan processor biasa. Berdasarkan beberapa penelitian tentang kinerja SVM menggunakan GPU seperti pada penelitian yang dilakukan oleh Jesse Patrick Harvey maka dapat dinyatakan bahwa SVM dengan GPU lebih cepat 89×-263× dibandingkan SVM tanpa GPU. Penelitian oleh Jesse Patrick Harvey membuktikan bahwa SVM menggunakan pendekatan GPU memiliki kinerja yang lebih baik dibandingkan dengan SVM tanpa GPU. Pada tugas akhir ini akan dibahas mengenai perbandingan akurasi dan waktu komputasi dari kedua algoritma yang telah disebutkan. Dataset yang digunakan diambil dari http://ntucsu.csie.ntu.edu.tw/~cjlin/libsvmtools/datasets/binary.html. Kata kunci: Classification, record, attribute SVM, LS-SVM, GPU.
Analisis Dan Implementasi Elman Recurrent Neural Network Untuk Prediksi Harga Komoditas Pertanian Shabrina Nanggala; Deni Saepudin; Fhira Nhita
eProceedings of Engineering Vol 3, No 1 (2016): April, 2016
Publisher : eProceedings of Engineering

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

Abstract

Harga komoditas pertanian yang terkadang tidak stabil seringkali membuat resah para petani maupun konsumen. Salah satu hal yang menjadi faktor utama adalah curah hujan di daerah penanaman bibit pertanian tersebut. Harga komoditas pertanian dapat diramalkan dengan mempelajari tingkah laku data time series harga historis komoditas pertanian dan curah hujannya. Sebelumnya telah dilakukan penelitian  yang  serupa  yaitu  prediksi  harga  komoditas  beras  dengan  menggunakan  metode  Fuzzy Cognitive Maps. Sama halnya dengan penelitian ini yaitu prediksi harga komoditas bawang merah dan cabai merah untuk 10 minggu kedepan dengan menggunakan salah satu arsitektur Artificial Neural Network (ANN) yaitu Elman Recurrent Neural Network (ERNN) dengan algoritma  Backpropagation. Setelah melakukan prediksi, akan dilakukan pula klasifikasi rekomendasi tanam-harga petani. Penelitian ini  menggunakan data  historis mingguan harga bawang merah dan cabai  merah dan curah  hujan mingguan selama 6 tahun. Performansi sistem diukur dengan menggunakan metode Mean Percentage Error (MAPE). Sistem ERNN dengan algoritma Backpropagation terkendala mendapatkan arsitektur yang  optimal  karena  terjebak di  lokal  optimum. Hasil  yang  didapatkan dari  penelitian ini  adalah prediksi harga bawang merah memperoleh akurasi diatas 75% sedangkan prediksi harga cabai merah memperoleh akurasi dibawah 75%. Sedangkan untuk klasifikasi rekomendasi tanam-harga petani, akurasi yang didapatkan untuk bawang merah kurang dari 75%, sedangkan untuk cabai merah lebih dari 75%. Kata Kunci : komoditas pertanian, ANN, Elman Recurrent Neural Network, Backpropagation, MAPE
Algoritma Genetika (ag) Paralel Untuk Menyelesaikan Traveling Salesman Problem (tsp) Menggunakan Message Passing Interface (mpi) Rahadian Rizkina; Fhira Nhita; Fitriyani Fitriyani
eProceedings of Engineering Vol 3, No 1 (2016): April, 2016
Publisher : eProceedings of Engineering

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

Abstract

Traveling Salesman Problem baik dikenal sebagai masalah penting optimasi kombinatorial. Tujuannya adalah untuk menemukan jalur terpendek dari sebuah kota awal ke kota tujuan yang setiap kota hanya boleh dilewati tepat satu kali kemudian kembali ke kota awal. Metode untuk memecahkan TSP salah satunya adalah Genetic Algorithm (GA). GA adalah sebuah metode yang dapat menghasilkan solusi dan waktu yang optimal. Meskipun GA adalah metode yang optimal dan pendekatan yang baik untuk TSP namun saat jumlah kota pada TSP meningkat waktu yang dibutuhkan akan semakin besar. Hal ini disebabkan karena perhitungan nilai fitness setiap generasinya akan semakin banyak setiap jumlah kota bertambah. Oleh karena itu akan dibuat sebuah sistem untuk menangani masalah tersebut dengan memparalelkan metode GA. Sistem tersebut akan dijalankan pada Microsoft – MPI menggunakan Parallel Genetic Algorithm agar menghasilkan komplesitas waktu yang optimal. Hasil observasi menunjukan bahwa performa Paralel AG lebih baik daripada Serial AG. Parallel AG pada TSP menghasilkan nilai jarak terpendek sebesar 4697,18 dan nilai fitness 0,000213 untuk penggunaan 100 generasi, ukuran populasi sebanyak 100, probabilitas crossover 0,9 dan probabilitas mutasi 0,1 dengan waktu yang dibutuhkan sebesar 1,67 detik. Sedangkan Serial AG pada TSP menghasilkan nilai jarak terpendek sebesar 4801,91 dan nilai fitness 0,000208 untuk penggunaan 100 generasi, ukuran populasi sebanyak 100, probabilitas crossover 0,9 dan probabilitas mutasi 0,1 dengan perhitungan waktu 5,04 detik. Kata kunci : Traveling Salesman Problem, Genetic Algorithm, Microsoft Cluster
Prediksi Penyakit Menggunakan Algoritma K-means Dan Ga Untuk Reduksi Dimensi Dengan Mengintegrasikan Svm Pada Data Berdimensi Tinggi Jodi Noordiansyah; Fhira Nhita; Danang Triantoro Murdiansyah
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Dimensionality adalah salah satu tantangan dalam data mining, tantangan ini meliputi jumlah atribut yang begitu besar sehingga sering disebut dengan curse of dimensionality. Semakin besar jumlah atribut maka semakin memakan waktu dan memerlukan upaya komputasi yang berlebihan sehingga data sulit untuk ditangani. Hal yang diperlukan untuk mengatasi tantangan ini adalah dengan cara mereduksi dimensi dari data tersebut. Teknik reduksi yang dibahas pada tugas akhir ini adalah dengan menggunakan algoritma K-Means dengan cara pengelompokan data pada setiap cluster. Algoritma ini digunakan untuk mereduksi record yang kemudian dilanjutkan oleh GA sebagai feature selection untuk memilih atribut-atribut yang paling optimal berdasarkan nilai fitness tertinggi. Pencarian nilai fitness dilakukan dengan menggunakan metode klasifikasi yaitu SVM. Hasil dari pengujian sistem menghasilkan data yang direduksi oleh K-Means memiliki akurasi yang lebih rendah untuk dataset tertentu dibandingkan tanpa menggunakan K-Means. Atribut optimal yang dihasilkan GA bervariasi berdasarkan parameter yang digunakan. Data yang digunakan adalah data penyakit berdimensi tinggi berupa ekspresi gen yaitu colon tumor dan leukemia. Akurasi rata-rata terbaik yang didapat pada data colon tumor adalah 92.86% dengan jumlah atribut terpilih yaitu 983 atribut, sedangkan untuk data leukemia selalu menghasilkan atribut yang berkualitas dengan rata-rata akurasi 100%. Kata kunci : dimensionality, data mining, K-Means, GA, SVM
Analisis Algoritma Prediksi Curah Hujan Menggunakan Hybrid Partially Connected Feedforward Neural Network (pcfnn) Dan Nested Genetic Algorithm (GA) Yana Meinitra Wati; Fhira Nhita; Adiwijaya Adiwijaya
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Pola curah hujan yang selalu berubah-ubah di setiap tempat dan jam, menyebabkan data curah hujan termasuk ke dalam data time series. Informasi mengenai cuaca khususnya tentang curah hujan sangat berguna sekali terhadap beberapa aktifitas kehidupan. Untuk itu dibutuhkan metode prediksi curah hujan yang cukup akurat, khususnya pada wilayah Soreang Kabupaten Bandung. Sistem prediksi curah hujan yang digunakan dalam penelitian tugas akhir ini adalah algoritma Partially Connected Feedforward Neural Network (PCFNN) untuk memprediksi curah hujan satu bulan ke depan berdasarkan data curah hujan bulanan yang diperoleh dari Badan Meteorologi dan Geofisika (BMKG) Bandung untuk wilayah Soreang. Selain itu juga digunakan algoritma Genetic Algorithm (GA) untuk mengoptimasi struktur dan bobot pada PCFNN, sehingga dapat diperoleh arsitektur dan bobot yang optimal. Hasil struktur dan bobot PCFNN yang optimal menggunakan pengolahan data centered moving average dan dibangkitkan 20.000 solusi individu dengan kombinasi parameter ukuran populasi dan maksimum generasi 100 dan 200 sehingga didapatkan MAPE rata – rata pelatihan dan pengujian sebesar 17.583% dengan performansi diatas 75%. Kata kunci : prediksi, curah hujan, PCFNN, Genetic Algorithm, feedforward, centered moving average.
Co-Authors Adiwijaya Ageng Budhiarto Aniq Atiqi Rohmawati Annisa Aditsania Ayuningtyas, Shinta Cyntia Azizah, Kholishoh Nur Bernadus Seno Aji Bernadus Seno Aji Bima Mahardika Wirawan Bunyamin Bunyamin Choiryaldi Setya Pratama Danang Triantoro Murdiansyah Dede Nofrianda Utama Deni Saepudin Dewa Made Rai Widyadarma Didit Adytia Dimas Andika Winarto Diya Namira Purba Duwi Anggraini Dwifebri, Mahendra Erqy Sara Quartian Farida Nur Khasanah Fiona Ramadhani Senduk Fitriyani Fitriyani Halim, Anthony Mas Hamnis Rachmat Dhana Hana Rufaidha Himatul Zulfa Indwiarti Irwinda Famesa Isman Kurniawan Izzatul Ummah Jodi Noordiansyah Kemas Lhaksama Kemas Muslim Lhaksmana Kemas Rahmat Saleh Wiharja Khemas Muslim Lhaksamana Kuntari Nur Angraini Lisa Marianah Lisa Marianah Made Larita Ditakristy Maharani Padma Utami Mahendra Dwifebri Purbolaksono Mahmud Imrona Mayriskha Isna Indriyani Merry Sofhia Tambunan Muhammad Arief Priambodo Muhammad Feridiansyah Muhammad Wahyudyanza Oki Virgiawan Pramudita Putri Nuvaisiyah Rahadian Rizkina Resky Nadia Rudericus Andika Pramudya Sagung Rani Ari Puspita Sekar Kinasih Selly Meliana Shabrina Nanggala Sheila Annisa Sri Rezeki Hardiyanti Yana Meinitra Wati Yuliant Sibaroni Zahra Putri Agusta zahra