Article Per Year (5 Year)
p-Index From 2020 - 2025
3.366
P-Index
This Author published in this journals
All Journal Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial IJCIT (Indonesian Journal on Computer and Information Technology) Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Jurnal Teknik Komputer AMIK BSI Paradigma Jurnal Pilar Nusa Mandiri JUTIM (Jurnal Teknik Informatika Musirawas) EVOLUSI : Jurnal Sains dan Manajemen IMTechno: Journal of Industrial Management and Technology Jurnal Abdimas Komunikasi dan Bahasa SPEED - Sentra Penelitian Engineering dan Edukasi Akademika
Evy Priyanti
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Social Sciences Other

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Pilar Nusa Mandiri

 1 
PENINGKATAN FEATURE SELECTION DENGAN WINDOWED MOMENTUM UNTUK PREDIKSI KANKER PAYUDARA Priyanti, Evy
Jurnal Pilar Nusa Mandiri Vol 12 No 2 (2016): Pilar Nusa Mandiri : Journal of Computing and Information System Periode Septemb
Publisher : LPPM Universitas Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1436.868 KB)

Abstract

Kanker payudara meningkat di setiap negara di dunia , terutama di negara-negara berkembang seperti Indonesia . Neural Network mampu memecahkan masalah dengan akurasi data dan tidak linear . Neural Network optimasi diuji minggu untuk menghasilkan yang terbaik nilai akurasi , menerapkan jaringan saraf dengan metode seleksi fitur seperti Wrapper dengan Penghapusan Mundur untuk meningkatkan akurasi yang dihasilkan oleh Neural Network. Percobaan yang dilakukan untuk mendapatkan arsitektur yang optimal dan meningkatkan nilai akurasi . Hasil dari penelitian ini adalah matriks kebingungan untuk membuktikan keakuratan Neural Network sebelum dioptimalkan oleh Backward Elimination adalah 96,42 % dan 96,71 % setelah menjadi dioptimalkan. Hal ini membuktikan estimasi uji seleksi fitur menggunakan metode berbasis jaringan saraf Backward Elimination lebih akurat dibandingkan dengan metode jaringan saraf tiruan. Windowed momentum dapat meningkatkan waktu pengklasifikasian feature selection sehingga didapat momentum yang lebih maksimal.
Co-Authors Annisa Rahmanita bayu Nur Bayu Nur Kuncoro Fachrul Ramadhani Fadhil Muhammad Abdurrahman Girman Sihombing Hidayat, Tino Huzaiful Yaman Kuncoro, Dwiyanto maulana rizki Nining Suryani Raden Mohammad Riezky Pahlevi Rahmad Budi Ansyah Rahmanita, Annisa Riezky Pahlevi, Raden Mohammad Sofyan Wahyu Tamrin Lanori Veti Apriana Veti Apriana, Veti