Hani Harafani
STMIK NUSA MANDIRI JAKARTA

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

Found 2 Documents
Search

Implementasi Algoritma Genetika Pada Perancangan Aplikasi Android Untuk Memprediksi Buta Warna Meirina Suci Ridha; Hani Harafani
JURNAL TEKNIK KOMPUTER Vol 5, No 1 (2019): JTK - Periode Februari 2019
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (873.922 KB) | DOI: 10.31294/jtk.v5i1.4697

Abstract

Color blindness is one of the decreasing diseases which is very difficult to determine its deterioration, whether a family member will suffer from color blindness or not, especially with the prediction of color blindness which has been using manual methods by calculating the inheritance formula. Genetic Algorithms have advantages over other traditional optimization algorithms. To implement a computerized method in predicting color blindness that can be used by many people, it is necessary to have a user-friendly operating system like the Android operating system. The test results show that the implementation of genetic algorithms in applications to predict color blindness produces more optimal predictions and their application to Android makes the application a user friendly application. Keywords: Heredity, Color Blindness, Genetic Algorithms, Android Application, Color Blindness Predictions
OPTIMASI ALGORITMA GENETIKA PADA K-NN UNTUK MEMPREDIKSI KECENDERUNGAN “BLOG POSTING” Hani Harafani
Jurnal Pendidikan Teknologi dan Kejuruan Vol. 15 No. 1 (2018): Edisi Januari 2018
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (801.381 KB) | DOI: 10.23887/jptk-undiksha.v15i1.12873

Abstract

Menentukan faktor utama pola kecenderungan postingan blog merupakan hal yang penting. Beberapa metode machine learning banyak digunakan oleh peneliti dunia untuk mengklasifikasi pola kecenderungan postingan blog, diantaranya: Metode c4.5  Random Tree, Random Forest. k-NN dapat mengatasi masalah klasifikasi dengan baik, namun dibalik keunggulan k-NN pengaturan nilai k yang sangat sensitif kerap menjadi kelemahan dari k-NN. Algoritma Genetika pada penelitian ini telah berhasil memperbaiki akurasi prediksi dengan memberikan hasil nilai k yang optimal bagi k-NN dengan hasil akurasi yang meningkat dibandingkan dengan k-NN dan metode yang digunakan pada penelitian sebelumnya.