Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal JOURNAL ONLINE OF PHYSICS Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi)
Vandri Ahmad Isnaini
UIN Sulthan Thaha Saifuddin Jambi
Computer Science & IT Engineering Physics

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

Found 2 Documents
Search

 1 
Gradient Boosting Machine, Random Forest dan Light GBM untuk Klasifikasi Kacang Kering Indrawata Wardhana; Musi Ariawijaya; Vandri Ahmad Isnaini; Rahmi Putri Wirman
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 6 No 1 (2022): Februari 2022
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (495.051 KB) | DOI: 10.29207/resti.v6i1.3682

Abstract

Bean seed classification is critical in determining the quality of beans. Previously, the same dataset was tested using the MLP, SVM, KNN, and DT algorithms, with SVM producing the best results. The purpose of this study is to determine the most effective model through the use of the BoxCox transformation selection feature and the random forest (RF) algorithm, as well as the gradient boosting machine (GBM), light GBM, and repeated k-folds evaluation model. The bean dataset is available on the UCI Repository website. The BoxCox transformation and repeated k-folds improved the classification prediction's accuracy. The model is used in the optimal training phase for a random forest with decision tree parameters 50 and depth 10, a gradient boosting machine model with a learning rate of 1, and a light gradient boosting machine model with a learning rate of 0.5 and estimator of 500. The best training accuracy results are obtained with light GBM. which is 99 percent accurate, but only 91 percent accurate in terms of validation. According research, the Barbunya, Bombay, Cali, Dermason, Horoz, Seker, and Sira beans classes provided accuracy values of 91 percent, 100 percent, 92 percent, 92 percent, 95 percent, 94 percent, and 84 percent, respectively.
RANCANG BANGUN ALAT UKUR MODULUS ELASTISITAS MATERIAL DENGAN MENGGUNAKAN SENSOR FORCE GAUGE DAN VIDEO TRACKER Rahmi Putri Wirman; Vandri Ahmad Isnaini; Reni Kartika; Shabri Putra Wirman
JOURNAL ONLINE OF PHYSICS Vol. 8 No. 2 (2023): JOP (Journal Online of Physics) Vol 8 No 2
Publisher : Prodi Fisika FST UNJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22437/jop.v8i2.21118

Abstract

Telah dilakukan penelitian tentang rancang bangun alat ukur modulus elastisitas material. Modulus elastisitas merupakan parameter fisis atau sifat mekanik dari suatu material untuk acuan klasifikasi material atau penentuan mutu dari material. Alat yang dibuat ini menggunakan sensor force gauge untuk mengukur besar gaya tarik dan kamera sebagai pengamat perubahan panjang sampel (regangan) terhadap gaya tarik yang diberikan. Pola regangan terhadap gaya tarik ini dianalisis menggunakan software Tracker di komputer. Kemudian hasil analisis dan variabel terukur dihitung dengan hasil akhir berupa nilai modulus elastisitas material. Sampel yang digunakan pada eksperimen adalah lembaran silicon yang dibuat dengan 10 variasi ukuran. Pada eksperimen, alat bekerja dengan baik dan dapat mengukur nilai gaya tarik, perubahan panjang sampel, grafik komparasi regangan terhadap waktu atau perubahan gaya, dan nilai modulus elastisitas material. Rata-rata nilai modulus elastisitas yang didapat oleh alat dalam mengukur sampel ini adalah 57669,73 Kg/m2. Persen deviasi data pengukuran pada eksperimen ini sebesar 5,08 %. Sebagai acuan ketidakpastian pengukuran, sampel juga diukur dengan alat universal testing machine yang telah terkalibrasi, nilai modulus elastisitas sampel bernilai 60822.56 Kg/m2. Sehingga persen ketidakpastian pada alat yang dirancang ini adalah sebesar 5.21%. Sehingga dapat diambil kesimpulan bahwa alat ini bekerja dengan baik serta memiliki akurasi yang cukup baik.
Co-Authors Indrawata Wardhana Musi Ariawijaya Rahmi Putri Wirman Reni Kartika Shabri Putra Wirman