Article Per Year (5 Year)
p-Index From 2021 - 2026
1.383
P-Index
This Author published in this journals
All Journal Lontar Komputer: Jurnal Ilmiah Teknologi Informasi 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 : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 45 Documents
Search

 1   2   3   4   5 
Boosting Methods For Dengue Incidence Rate Prediction in Bandung District Fhira Nhita; Didit Adytia; Aniq Atiqi Rohmawati
Lontar Komputer : Jurnal Ilmiah Teknologi Informasi Vol 13 No 3 (2022): Vol. 13, No. 3 December 2022
Publisher : Institute for Research and Community Services, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/LKJITI.2022.v13.i03.p05

Abstract

Dengue infections are among the top 10 diseases that cause the most deaths worldwide. Dengue is a severe global threat and problem, especially in tropical countries like Indonesia. The Indonesian Ministry of Health also stated that dengue is as dangerous as COVID-19. One of the preventive actions that can be taken is by controlling vectors (the Aedes aegypti mosquito) where weather factors influence their breeding. In this study, the prediction of dengue incidence rate is carried out using three boosting methods i.e., Extreme Gradient Boosting, Adaptive Boosting, and Gradient Boosting. The data used are monthly data of dengue incidence rate and weather data. The case study used is Bandung district, West Java Province, Indonesia. The important issues that is investigated in this study is to find the weather parameters that have the most influence on IR and gradually improve the prediction model through three test scenarios. From the test results, the weather parameter that has the most influence on the next month's IR is temperature. Meanwhile, the best training data length is five years (2016-2020). Finally, the best prediction model achieved by AdaBoost method with value of Root Mean Square Error and Correlation Coefficient for testing data (January-December 2021) are 0.55 and 0.95, respectively.
Prediksi Harga Komoditi Pertanian Menggunakan Algoritma Hybrid Jaringan Syaraf Tiruan Arsitektur Elman Dengan Algoritma Genetika Dewa Made Rai Widyadarma; 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

Indonesia adalah negara kepulauan dengan berbagai komoditi utama pertaniannya. Komoditi pertanian yang banyak salah satunya adalah cabai dan bawang merah.Berdasarkan data harga historis harga cabai dan bawang merah mengalami fluktuasi yang dapat dilihat polanya, walaupun setiap tahunnya mengalami trend kenaikan harga. Tetapi hingga saat ini harga kedua komoditi ini ditentukan dari stok dipasaran serta harga dari para tengkulak. Untuk itu diperlukan duatu prediksi harga agar didapatkan gambaran bagaimana harga komoditi ini ketika sudah dipanen. Pada tugas akhir ini digunakan Algoritma Jaringan Syaraf Tiruan Arsitektur Elman untuk memprediksi harga cabe merah besar serta bawang merah untuk 10 minggu selanjutnya atau pada saat dipanen. Penelitian sebelumnya menyarankan untuk hasil yang lebih baik algoritma ini di-hybrid-kan dengan Algoritma Genetika untuk mendapatkan bobot optimal Jaringan Syaraf Tiruan. Algoritma Genetika membangkitkan individu dengan representasi real sebagai solusi untuk bobot-bobot Jaringan Syaraf Tiruan. Individu tersebut kemudian diseleksi dengan melihat nilai MAPE yang didapat melalui fitness untuk memilih kromosom terbaik. Lalu individu tersebut juga mengalami seleksi orang tua, rekombinasi, dan mutasi u ntuk kemudian menghasilkan satu individu terbaik yang berupa bobot Jaringan Syaraf Tiruan yang optimal. Hybrid Jaringan Syaraf Tiruan Arsitektur Elman dengan Algoritma Genetika menghasillkan prediksi harga dengan rata-rata MAPE training sebesar 25,786 dan rata-rata MAPE testing 44,6772 dengan parameter algoritma genetika probabilitas cross-over (Pc) 0,6 dan 0,8, probabilitas mutasi (Pm) 0,1, ukuran populasi 50, dan generasi maksimum 500. Kata kunci : prediksi harga, komoditas pertanian, Elman neural network, Hybrid, Genetic Algorithm
Prediksi Harga Komoditas Pertanian Menggunakan Hybrid Algoritma Jaringan Syaraf Tiruan Arsitektur Radial Basis Function (rbf) Dengan Algoritma Genetika Sri Rezeki Hardiyanti; 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 seperti bawang merah dan cabai merah biasa sangat fluktuatif sehingga membuat masyarakat Indonesia menjadi sensitif akan hal itu. Oleh karena itu, pada tugas akhir ini dilakukan suatu metode memprediksi harga komoditas pertanian yaitu bawang merah dan cabai merah biasa yang disertai curah hujan dan tanpa curah hujan untuk 10 minggu kedepan berdasarkan data harga mingguan komoditas tersebut dan data mingguan curah hujan di Bandung. Sistem ini menggunakan salah satu  metode  Algoritma  Jaringan  Syaraf  Tiruan  (JST)  yaitu  Radial  Basis  Function  Neural  Network (RBFNN). Akan tetapi, RBFNN memiliki kelemahan dalam menentukan nilai center yang optimal. Untuk mendapatkan hasil terbaik, maka Algoritma Genetika akan digunakan untuk mengoptimasi RBFNN. Algoritma Genetika membangkitkan sejumlah individu random dengan representasi integer yang berarti posisi dari data input. Setiap individu akan dievaluasi menggunakan algoritma RBFNN untuk mencari individu terbaik berdasarkan fitnessnya, setelah itu dilakukan operator GA sehingga didapatkan individu yang berisi nilai center di RBFNN yang optimal. Penelitian sebelumnya tentang algoritma hybrid GANN dan algoritma RBFNN dengan kasus memprediksi harga sayuran jamur dengan nama latin Lentionus edodes dilakukan di China dengan judul “Prediction of Vegetable Price Based on Neural Network and Genetic Algorithm” dengan MAE yang didapatkan 0.144. Hasil dari sistem prediksi harga bawang merah tanpa disertai curah hujan didapatkan nilai center yang optimal dengan inputan 22, ukuran populasi 50, maksimal generasi 500, probabilitas crossover (Pc) 0.8, probabilitas mutasi (Pm) 0.1 dengan MAPE yg didapatkan 16.664, sedangkan untuk prediksi bawang merah yang disertai curah hujan yang optimal dengan inputan 2, ukuran populasi 50, maksimal generasi 500, Pc 0.6, Pm 0.1 dengan MAPE yg didapatkan 19.212, sedangkan untuk sistem prediksi cabai merah biasa tanpa disertai curah hujan yang optimal dengan inputan 26, ukuran populasi 50, maksimal generasi 500, Pc 0.6, Pm 0.1 dengan MAPE 24.116 dan untuk cabai merah disertai curah hujan dengan inputan 26, ukuran populasi 50, maksimal generasi 500, Pc 0.6 dan Pm 0.1 didapatkan MAPE 18.723. Dari keseluruhan hasil MAPE yang diperoleh performansi akurasi yang didapatkan lebih dari 75%. Kata kunci : komoditas pertanian , prediksi, time series, JST, RBF, MAPE
Implementasi Dan Analisis Algoritma Paralel Fuzzy C-means Clustering Dengan Pendekatan Graphics Processing Units (GPU) Dimas Andika Winarto; 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 mengambil informasi pada dataset. Pada data mining teknik clustering mempunyai peran yang penting karena dapat digunakan untuk mengelompokkan penyakit berdasarkan karakteristik yang diderita. Permasalahan pada data medis adalah kesulitan mendapatkan kecepatan waktu eksekusi dan performansi yang baik dalam mengolah data berdimensi tinggi. Fuzzy C-Means Clustering (FCM) adalah algoritma clustering yang pengerjaannya berdasarkan pada logika fuzzy, dimana pengelompokan data berdasarkan pada nilai derajat keanggotaan dan mengizinkan data menjadi anggota lebih dari satu kelompok. Untuk mengatasi permasalahan tersebut maka FCM diimplementasikan dengan pendekatan Graphics Processing Units (GPU) sehingga dapat meningkatkan kecepatan waktu eksekusi dan performansi dibandingkan penerapannya secara sekuensial. Penerapan GPU mengoptimalkan kinerja komputasi karena dapat bekerja secara paralel. Salah satu metode penerapannya dengan menjadikan fungsi perhitungan dalam mencari nilai derajat keanggotaan dijalankan secara paralel di GPU. Hasilnya mampu mempersingkat waktu eksekusi sebesar 10,70287 detik untuk data berdimensi 15.154 dan 4,13423 detik untuk data berdimensi 12.600. Kata kunci: Data Mining, Fuzzy C-Means, paralel, clustering, GPU, Waktu Eksekusi.
Analisis Algoritma Prediksi Curah Hujan Menggunakan Algoritma Competitive Neural Network Muhammad Feridiansyah; 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

Curah hujan merupakan faktor penting dalam perubahan cuaca. Dengan iklim tropis yang dimiliki Indonesia. Penguapan air ke udara sangat besar, akibatnya intensitas curah hujan sering tidak stabil, oleh karena itu diperlukan suatu sistem untuk prediksi curah hujan. Competitive Neural Network merupakan bagian arsitektur Artificial neural network yang di mana terdiri dari lapisan input dan lapisan kompetitif. Hasil arsitektur yang di dapat dengan menggunakan beberapa skenario adalah berupa bobot dan akurasi yang dapat digunakan untuk memprediksi. Pada Tugas akhir ini algoritma Competitive Neural Network digunakan untuk memprediksi curah hujan bulanan wilayah Soreang, dengan parameter bobot. Hasil dari proses tersebut dikelompokkan menjadi beberapa cluster yang membentuk sebuah pola pengenalan untuk memprediksi curah hujan. Diharapkan dari hasil penelitian ini didapatkan hasil pengelompokkan data yang sesuai dengan kelompoknya masing-masing. Bobot optimal dari learning Competitive Neural Network berada pada skenario dengan jumlah iterasi 500, learning rate 0.02 dan range bobot awal [-0.5 ; 0.5] dengan akurasi rata-rata training dan testing sebesar 82.915 %.Kata kunci : winner-takes-all, Competitive Neural Network, competitive layer
Penjadwalan Sidang Tugas Akhir Prodi Ilmu Komputasi Universitas Telkom Menggunakan Metode Algoritma Genetika Adaptif Dan Fuzzy Relation Oki Virgiawan Pramudita; 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

Determine a schedule that consist of many elements are complicated. One example of scheduling problems is scheduling of final project. Lot of combinations can be formed from the elemensts of this scheduling, but not all such combinations may be the solution. The scheduling of final project have requirements such lecturers teaching schedule and college student course schedule should not be conflicting to hearing schedule, examiners recommended in accordance with the topic of thesis that are tested and adviser should not be a examiners. Considering of many consideration in this scheduling, then it takes the optimal and efficient method so it can resolve the complexity of this scheduling. Fuzzy relations and genetic algorithm including methods that can be used to overcome this problem. Schedule that produced by fuzzy relation and genetic algorithm methods in this case have an average fitness of 0.9687, and for genetic algorithm methods only have an average fitness of 0.8243. Keywords: Scheduling, fuzzy relation, adaptive genetic algorithm, genetic algorithm.
Analisis Dan Implementasi Algoritma Naive Bayes Classifier Terhadap Judul Berita Pemilihan Gubernur Jawa Barat 2018 Pada Media Online Resky Nadia; Kemas Muslim; Fhira Nhita
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

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

Abstract

Berita mengenai pemilihan Gubernur Jawa Barat 2018 akan menjadi bahasan penting untuk dianalisis kebenarannya, dikarenakan banyaknya media online yang dalam penyebaran judul beritanya cenderung menampilkan kalimat yang mempengaruhi mindset pembacanya hanya dengan sekali lihat. Adanya judul berita yang bersifat positif ,negative atau netral. Hal tersebut dikhawatirkan dapat mengubah cara pandang masyarkat terkait suatu hal yang sebenarnya belum sesuai dengan judul yang tertera dan menarik perhatian masyarakat umum maka dari itu diperlukan klasifikasi. Makalah ini memaparkan sebuah hasil analisis dan klasifikasi yang terbagi menjadi tiga kelas yaitu positif negative dan netral, dengan step awal yaitu dengan melakukan survey kepada 5 orang untuk pemberian kelas terhadapt 5 media online yaitu Kompas.com, Detik.com, Liputan6.scom, Tribunnews.com dan Republikaonline.com. selanjutnya akan dilakukan klasifikasi menggunakan Algoritma Naïve Bayes Classifier dan akan menghasilkan sebuah akurasi dari setiap kelas dengan menganalisis 3 skenario.Dengan menggunakan Algoritma Naive Bayes maka didapatkan hasil klasifikasi dengan akurasi masing masing Detik.com dengan akurasi makro 78% dan mikro 80%, Kompas.com 48% dan48%, Liputan6.com 65% dan 65%, Tribunnews.com 65% dan 65% serta Republikaonline.com 77% dan 77%. Kata kunci : Kata Kunci : Naïve Bayes, Media Online, Pilgub Jawa Barat.
Prediksi Penyakit Menggunakan Algoritma Differential Evolution (de) Dan Least Square Support Vector Machine (lssvm) Untuk Data Berdimensi Tinggi Merry Sofhia Tambunan; 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

Penyakit merupakan salah satu penyebab kematian tertinggi bagi masyarakat. Beberapa penyakit dapat dikategorikan sebagai penyakit mematikan. Penyakit colon tumor atau tumor usus dan leukimia merupakan beberapa penyakit yang berbahaya dan mematikan. Masyarakat terkadang tidak menyadari bahwa sedang mengidap beberapa penyakit berbahaya ini. Berdasarkan permasalahan tersebut diperlukan adanya suatu sistem prediksi penyakit colon tumor dan leukimia. Pada tugas akhir ini digunakan algoritma Differential Evolution (DE) dan Least Square Support Vector Machine (LSSVM) dalam memprediksi penyakit colon tumor dan leukemia. Data yang digunakan pada tugas akhir ini merupakan data penyakit dimensi tinggi, dimana akan dilakukan preprocessing data menggunakan PCA sehingga diperoleh data dengan dimensi baru yang lebih sedikit. Data yang sudah direduksi kemudian akan dimasukan ke dalam algoritma DE, dimana algoritma tersebut akan melakukan serangkaian proses evolusi. DE bertujuan untuk mencari parameter LSSVM yang optimal. Parameter tersebut kemudian akan digunakan pada metode klasifikasi LSSVM. Proses ini dilakukan untuk mendapatkan klasifikasi dari penyakit colon tumor dan leukimia. Dari hasil pengujian pada algoritma DE dan LSSVM diperoleh solusi optimal dengan akurasi 90.4762% untuk colon tumor dan 87.5 % untuk leukemia. Kata kunci: data dimensi tinggi, PCA, Differential Evolution (DE), Least Square Support Vector Machine (LSSVM).
Perbandingan Algoritma Brute Force (bf) Dengan Algoritma Genetika (ag) Menggunakan Pendekatan Komputasi Kinerja Tinggi Erqy Sara Quartian; Fhira Nhita; Fitriyani Fitriyani
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

Kemajuan yang terjadi pada bidang komputasi semakin terlihat dengan dikembangkannya berbagai penemuan dalam bidang teknologi, terutama untuk permasalahan yang menggunakan data yang besar sebagai perhitungan, sehingga apabila dilakukan perhitungan secara serial akan cukup memakan waktu. Kerja komputer secara parallel sangatlah mempengaruhi kinerja dari komputasi itu sendiri. Dengan coding yang efektif, maka pekerjaan komputer secara parallel akan memangkas waktu perhitungan algoritma secara signifikan. Penelitian tugas akhir ini akan membahas bagaimana perbandingan yang dihasilkan dari dua algoritma, yaitu Algoritma Genetika (AG) baik secara serial maupun parallel dan Algoritma Brute Force (BF) dengan menggunakan bahasa C yang terdapat pada arsitektur CUDA yang diterapkan pada studi kasus TSP untuk 101 kota. Keunggulan dari penggunaan AG adalah kemampuannya untuk menyimpan individu terbaik dari sekian perulangan yang telah ditentukan sehingga akan didapat individu terbaik pada akhir perhitungan. AG Serial menghasilkan performansi 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 1.19 detik, sedangkan AG Parallel menghasilkan performansi nilai jarak terpendek sebesar 4739,34 dan fitness 0,000211 untuk penggunaan 100 generasi, ukuran populasi sebanyak 150, probabilitas crossover 0.9, probabilitas mutasi 0.5 dengan perhitungan waktu 1.04 detik. Kata kunci : Algoritma Genetika, Algoritma Bruteforce, Trevelling Salesman Problem, High Performance Computing, CUDA Programming.
Implementasi Density Based Clustering Menggunakan Graphics Processing Unit (GPU) Dede Nofrianda Utama; 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 merupakan sumber informasi yang berguna untuk kelangsungan hidup manusia. Untuk menjadikan data tersebut bermanfaat, diperlukan suatu metode yang dapat menggali informasi penting dari data yang ada. Salah satu metode penarikan informasi dari sekumpulan data dikenal dengan Data Mining. Teknik menambang informasi pada Data Mining pun beragam, salah satunya Clustering. Clustering merupakan metode pengelompokkan data yang memiliki kesamaan atribut kedalam satu kelompok dengan aturan tertentu. Pada penelitian ini algoritma Clustering yang digunakan adalah Density Based Spatial Clustering Application with Noise (DBSCAN). DBSCAN merupakan algoritma Cluster yang bersifat density-based, yaitu mengelompokkan data berdasarkan kepadatannya ke dalam satu kelompok, dan data yang jarang pada kelompok lainnya. Untuk mengelompokkan data dengan dimensi yang tinggi, diperlukan perangkat yang dapat meminimalkan biaya komputasi. GPU (Graphics Processing Unit) memungkinan mengolah data dengan dimensi tinggi dalam waktu yang singkat. Jika GPU dikombinasikan dengan DBSCAN pengelompokkan data dapat menghasilkan performansi kerja algoritma yang baik dengan akurasi yang tinggi serta biaya komputasi yang minimum. Salah satu metode penerapan GPU pada DBSCAN dengan melakukan perhitungan jarak antar data secara paralel di GPU. Hasil perhitungan ini mampu menghemat biaya komputasi rata – rata sebesar 0,9734 detik untuk data dengan dimensi 15154 dan 0,063 detik untuk data dengan dimensi 12600. Selain itu pada evaluasi performansi, GPU menghasilkan nilai yang cukup baik dibandingkan dengan algoritma serialnya. Kata kunci : Data Mining, Clustering, Density Based Spatial Clustering Application with Noise (DBSCAN) , density based, GPU (Graphics Processing Unit) .
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