Article Per Year (5 Year)
p-Index From 2020 - 2025
2.75
P-Index
This Author published in this journals
All Journal Transmisi: Jurnal Ilmiah Teknik Elektro FIKI 2013 Semantik Techno.Com: Jurnal Teknologi Informasi Jurnal Pseudocode International Journal of Advances in Intelligent Informatics Jurnas Nasional Teknologi dan Sistem Informasi Sistemasi: Jurnal Sistem Informasi Sinkron : Jurnal dan Penelitian Teknik Informatika JOURNAL OF APPLIED INFORMATICS AND COMPUTING Abdimasku : Jurnal Pengabdian Masyarakat Jurnal Teknik Informatika (JUTIF) JUSTIN (Jurnal Sistem dan Teknologi Informasi) Moneter : Jurnal Keuangan dan Perbankan Community: Jurnal Pengabdian Pada Masyarakat
Ika Novita Dewi
Universitas Dian Nuswantoro
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Social Sciences Other

Published : 30 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Pseudocode

 1 
PENINGKATAN AKURASI ALGORITMA BACKPROPAGATION DENGAN SELEKSI FITUR PARTICLE SWARM OPTIMIZATION DALAM PREDIKSI PELANGGAN TELEKOMUNIKASI YANG HILANG Muzakkir, Irvan; Syukur, Abdul; Dewi, Ika Novita
PSEUDOCODE Vol 1, No 1 (2014): Jurnal Pseudocode
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (158.564 KB)

Abstract

Telekomunikasi adalah salah satu industri, di mana pelanggan memerlukan perhatian khusus, oleh karena itu, manajemen di sebuah perusahaan telekomunikasi ingin kehilangan pelanggan model prediksi untuk efisien memprediksi berpotensi kehilangan pelanggan. Jaringan syaraf adalah metode yang sering digunakan untuk memprediksi. Teknik yang paling populer dalam metode adalah saraf algoritma jaringan backpropagation. Namun algoritma backpropagation memiliki kelemahan pada kebutuhan untuk data pelatihan besar dan optimasi yang digunakan kurang efisien. Particle Swarm Optimization (PSO) adalah suatu algoritma optimasi yang dapat memecahkan yang efektif masalah pada algoritma neural network umumnya menggunakan algoritma backpropagation. Pengujian model dengan berbasis menggunakan Backpropagation Particle Swarm Optimization menggunakan data pelanggan hilang pada telekomunikasi. Model yang dihasilkan diuji untuk memperoleh akurasi dan nilai-nilai AUC dari masing-masing algoritma untuk mendapatkan tes menggunakan nilai yang diperoleh akurasi Backpropagation adalah 85.48% dan nilai AUC adalah 0.531. Sementara pengujian dengan menggunakan Backpropagation berbasis Particle Swarm Optimization dipilih atribut dan penyesuaian nilai parameter yang diperoleh 86.05% akurasi dan nilai AUC adalah 0,637. Dengan demikian dapat disimpulkan bahwa data pelanggan uji hilang dalam telekomunikasi menggunakan aplikasi Particle Swarm Optimization Backpropagation dan dalam pemilihan atribut diperoleh bahwa metode ini lebih akurat dalam prediksi pelanggan hilang telekomunikasi dibandingkan dengan Backpropagation, ditandai dengan peningkatan akurasi 00:57% dan nilai-nilai AUC dari 0.106, dengan nilai yang dimasukkan ke dalam akurasi klasifikasi cukup.Kata Kunci: Telekomunikasi, Neural Network, Backpropagation, Particle Swarm Optimization.
PENINGKATAN AKURASI ALGORITMA BACKPROPAGATION DENGAN SELEKSI FITUR PARTICLE SWARM OPTIMIZATION DALAM PREDIKSI PELANGGAN TELEKOMUNIKASI YANG HILANG Muzakkir, Irvan; Syukur, Abdul; Dewi, Ika Novita
PSEUDOCODE Vol 1, No 1 (2014): Jurnal Pseudocode
Publisher : Universitas Bengkulu

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

Abstract

Telekomunikasi adalah salah satu industri, di mana pelanggan memerlukan perhatian khusus, oleh karena itu, manajemen di sebuah perusahaan telekomunikasi ingin kehilangan pelanggan model prediksi untuk efisien memprediksi berpotensi kehilangan pelanggan. Jaringan syaraf adalah metode yang sering digunakan untuk memprediksi. Teknik yang paling populer dalam metode adalah saraf algoritma jaringan backpropagation. Namun algoritma backpropagation memiliki kelemahan pada kebutuhan untuk data pelatihan besar dan optimasi yang digunakan kurang efisien. Particle Swarm Optimization (PSO) adalah suatu algoritma optimasi yang dapat memecahkan yang efektif masalah pada algoritma neural network umumnya menggunakan algoritma backpropagation. Pengujian model dengan berbasis menggunakan Backpropagation Particle Swarm Optimization menggunakan data pelanggan hilang pada telekomunikasi. Model yang dihasilkan diuji untuk memperoleh akurasi dan nilai-nilai AUC dari masing-masing algoritma untuk mendapatkan tes menggunakan nilai yang diperoleh akurasi Backpropagation adalah 85.48% dan nilai AUC adalah 0.531. Sementara pengujian dengan menggunakan Backpropagation berbasis Particle Swarm Optimization dipilih atribut dan penyesuaian nilai parameter yang diperoleh 86.05% akurasi dan nilai AUC adalah 0,637. Dengan demikian dapat disimpulkan bahwa data pelanggan uji hilang dalam telekomunikasi menggunakan aplikasi Particle Swarm Optimization Backpropagation dan dalam pemilihan atribut diperoleh bahwa metode ini lebih akurat dalam prediksi pelanggan hilang telekomunikasi dibandingkan dengan Backpropagation, ditandai dengan peningkatan akurasi 00:57% dan nilai-nilai AUC dari 0.106, dengan nilai yang dimasukkan ke dalam akurasi klasifikasi cukup.Kata Kunci: Telekomunikasi, Neural Network, Backpropagation, Particle Swarm Optimization.
PENINGKATAN AKURASI ALGORITMA BACKPROPAGATION DENGAN SELEKSI FITUR PARTICLE SWARM OPTIMIZATION DALAM PREDIKSI PELANGGAN TELEKOMUNIKASI YANG HILANG Irvan Muzakkir; Abdul Syukur; Ika Novita Dewi
Jurnal Pseudocode Vol 1, No 1 (2014)
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (600.688 KB) | DOI: 10.33369/pseudocode.1.1.1-10

Abstract

Abstrak: Telekomunikasi adalah salah satu industri, di mana pelanggan memerlukan perhatian khusus, oleh  karena  itu,  manajemen  di  sebuah  perusahaan  telekomunikasi  ingin  kehilangan  pelanggan  model prediksi untuk efisien memprediksi berpotensi kehilangan pelanggan. Jaringan syaraf adalah metode yang sering digunakan untuk memprediksi. Teknik yang paling populer dalam metode adalah saraf algoritma jaringan backpropagation. Namun algoritma backpropagationmemiliki kelemahan pada kebutuhan untuk data  pelatihan  besar  dan  optimasi  yang  digunakan  kurang  efisien.  Particle  Swarm  Optimization (PSO) adalah  suatu  algoritma  optimasi  yang  dapat  memecahkan  yang  efektif  masalah  pada  algoritma  neural network umumnya  menggunakan  algoritma  backpropagation.  Pengujian  model  dengan  berbasis menggunakan  Backpropagation Particle Swarm Optimizationmenggunakan data pelanggan hilang pada telekomunikasi. Model yang dihasilkan diuji untuk memperoleh akurasi dan nilai-nilai AUC dari masingmasing  algoritma  untuk  mendapatkan  tes  menggunakan  nilai  yang  diperoleh  akurasi  Backpropagation adalah 85.48% dan nilai AUC adalah 0.531. Sementarapengujian dengan menggunakan Backpropagation berbasis  Particle  Swarm  Optimization dipilih  atribut  dan  penyesuaian  nilai  parameter  yang  diperoleh 86.05% akurasi dan nilai AUC adalah 0,637. Dengan demikian dapat disimpulkan bahwa data pelanggan uji  hilang  dalam  telekomunikasi  menggunakan  aplikasi  Particle  Swarm  Optimization  Backpropagation dan dalam pemilihan atribut  diperoleh bahwa  metode  ini  lebih akurat dalam prediksi pelanggan  hilang telekomunikasi dibandingkan dengan Backpropagation, ditandai dengan peningkatan akurasi 00:57% dan nilai-nilai AUC dari 0.106, dengan nilai yang dimasukkan ke dalam akurasi klasifikasi cukup.Kata  Kunci:  Telekomunikasi,  Neural  Network,  Backpropagation,  Particle  Swarm  Optimization.
Co-Authors Abas Setiawan Abdul Syukur Abdul Syukur Abu Salam Adhitya Nugraha Adriani, Mira Riezky Agung Priyo Utomo, Rino Alzami, Farrikh Ardytha Luthfiarta Arifin, Muhammad Farhan Arry Maulana Syarif, Arry Maulana Asih Rohmani, Asih Ayuningsih, Dewi Putri Azhari Azhari Bramantyo, Satrio Bisma Candra Irawan Catur Supriyanto Diana Aqmala Dwi Puji Prabowo, Dwi Puji Dzaki, Azmi Abiyyu Egia Rosi Subhiyakto, Egia Rosi Erwin Yudi Hidayat Erwin Yudi Hidayat Fahri Firdausillah Fajar Agung Nugroho Hafiizhudin, Lutfi Azis Handayani, Sri Haresta, Alif Agsakli Hasan Asari Heribertus Himawan Ifan Rizqa Indrayani, Heni Irawan, Enrico Irvan Muzakkir Irvan Muzakkir Isworo, Slamet Junta Zeniarja Khafiizh Hastuti Khariroh, Shofiyatul Kurniawan, Defri Lisa Mardiana Marjuni, Aris Megantara, Rama Aria Muljono Muljono Mumtaz, Najma Amira Octaviani, Dhita Aulia Puri Sulistiyawati Pusung, Elvanro Marthen Ramadhan Rakhmat Sani Reza, Ivan Muhammad Ricardus Anggi Pramunendar Rifamuthia, Titis Rino Agung Priyo Utomo Ritzkal, Ritzkal Salsabila, Shafa Saputra, Filmada Ocky Sholikun, Sholikun Sindhu Rakasiwi Subowo, Moh Hadi Syarifah, Ulima Muna Utomo, Danang Wahyu Wellia Shinta Sari Wibowo, Isro' Rizky Yanuaresta, Dianna Zainal Arifin Hasibuan