Garuda - Garba Rujukan Digital

Majority Voting as Ensemble Classifier for Cervical Cancer Classification Anita Desiani; Endang Sri Kresnawati; Muhammad Arhami; Yulia Resti; Ning Eliyati; Sugandi Yahdin; Titania Jeanni Charissa; Muhammad Nawawi
Science and Technology Indonesia Vol. 8 No. 1 (2023): January
Publisher : Research Center of Inorganic Materials and Coordination Complexes, FMIPA Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26554/sti.2023.8.1.84-92

Cervical cancer is one of the deadliest female cancers. Early identification of cervical cancer through pap smear cell image evaluation is one of the strategies to reduce cervical cancer cases. The classification methods that are often used are SVM, MLP, and K-NN. The weakness of the SVM method is that it is not efficient on large datasets. Meanwhile, in the MLP method, large amounts of data can increase the complexity of each layer, thereby affecting the duration of the weighting process. Moreover, the K-NN method is not efficient for data with a large number of attributes. The ensemble method is one of the techniques to overcome the limitations of a single classification method. The ensemble classification method combines the performance of several classification methods. This study proposes an ensemble method with the majority voting that can be used in cervical cancer classification based on pap smear images in the Herlev dataset. Majority Voting is used to integrate test results from the SVM, MLP, and KNN methods by looking at the majority results on the test data classification. The results of this study indicate that the accuracy results obtained in the ensemble method increased by 1.72% compared to the average accuracy value in SVM, MLP, and KNN. for sensitivity results, the results of the ensemble method were able to increase the sensitivity increase by 0.74% compared to the average of the three single classification methods. for specificity, the ensemble method can increase the specificity results by 3.4%. From the results of the study, it can be concluded that the ensemble method with the most votes is able to improve the classification performance of the single classification method in classifying cervical cancer abnormalities with pap smear images.

Simulation of photovoltaic station interfacing scada within transmission line Zamzami Zamzami; Nelly Safitri; Muhammad Arhami; Naziruddin Naziruddin
Indonesian Journal of Electrical Engineering and Computer Science Vol 30, No 3: June 2023
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v30.i3.pp1269-1278

In this paper, a developed simulation of a photovoltaic (PV) station that includes a PV module, a grid-connected inverter, a maximum power point tracking (MPPT) system, and a DC link capacitor was discussed. The MPPT uses a proportional integral derivative (PID) incremental conductance controller. Due to make it simple to control and monitor the PV station, Simulink dashboard is used to develop an interface that resembles a supervisory control and data acquisition (SCADA) system. Then the faults circumstances were simulated on one of the circuits of the double circuit transmission line using the faults combo box that is accessible in the interface. Then the cases were developed to examine the impact of various faults on the operation and control of the solar station. The developed cases namely normal circumstance, single-phase to ground fault circumstance, double-phase fault circumstance, and three-phase to ground fault circumstance, respectively. Three-phase voltage and current at given fault conditions have been measured to control voltage sag and swell. The active and reactive power are also measured due to obtain that they are injected or absorbed the power from and to the transmission line and maintain toward their setpoint values as indications while the faults occurred.

Klasifikasi Citra Songket Aceh Menggunakan Metode Probabilistic Neural Network Ismi Amalia; Indra Mawardi; Indrawati Indrawati; Muhammad Arhami; Muhammad Muhammad; Guntur Syahputra
Jurnal Serambi Engineering Vol 8, No 3 (2023): Juli 2023
Publisher : Fakultas Teknik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jse.v8i3.6132

Tujuan penelitian ini untuk mengklasifikasikan citra Songket Aceh. Data penelitian menggunakan sepuluh motif Songket Aceh dan data diperoleh dari tempat usaha tenun Songket Nyak Mu. Tahapan penelitian ini adalah akuisisi citra, pra-proses, ekstraksi fitur, klasifikasi dan evaluasi. Ekstraksi fitur tekstur citra Songket Aceh menggunakan metode Gray Level Co-occurrence Matrix (GLCM). Fitur-fitur yang digunakan pada penelitian ini adalah entropy, energy, sum of squares: variance, difference entropy dan autocorrelation. Metode Probabilistic Neural Network (PNN) diaplikasikan untuk klasifikasi citra Songket Aceh. Metode Leave-One-Out Cross Validation (LOOCV) digunakan untuk pembagian data latih dan data uji. Hasil klasifikasi citra Songket Aceh dengan metode PNN adalah sebesar 93%.

PENGGUNAAN NAÃVE BAYES UNTUK PREDIKSI MINAT PASAR KEWIRAUSAHAAN BERDASARKAN DATA MICROBLOGGING Dwi Meilvinasvita; Nabila Mufida; Muhammad Arhami; Salahuddin Salahuddin
JURSIMA (Jurnal Sistem Informasi dan Manajemen) Vol 10 No 3: Jursima Vol.10 No.3
Publisher : INSTITUT TEKNOLOGI DAN BISNIS INDOBARU NASIONAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47024/js.v10i3.516

Masalah awal dalam berwirausaha biasanya para pelaku wirausaha sulit untuk memahami permintaan serta kebutuhan calon konsumen. Ketidakpastian pasar dan perubahan permintaan membuat para wirausahawan tidak dapat memprediksi permintaan dan kebutuhan pasar. Tujuan penelitian ini melakukan evaluasi yang kuat pada kumpulan informasi yang didapat dari data microblogging untuk memperkirakan variabel pasar. Dengan membuat perancang sistem prediksi minat pasar wirausaha melalui pemanfaatan platform microblogging twitter menggunakan metode naÃ¯ve bayes, sistem ini dapat menghasilkan model prediksi pasar secara otomatis melalui pemanfaatan data microbloging popular. Metode naÃ¯ve bayes digunakan untuk mengklasifikasikan data untuk minat pasar tertentu hasil prediksi ini diperkirakan akan menjadi cara efektif untuk meningkatkan kinerja dan keunggulan bersaing dalam berwirausaha. Kumpulan dataset diambil dari salah satu platform microblogging yaitu aplikasi twitter dengan lima kata kunci dari cabang bisnis pakaian diantaranya celana, jaket, mukena, tunik dan kebaya. Dataset yang di ambil dibagi menjadi dua, data latih dan data uji. Data latih digunakan untuk membuat model prediksi sedangkan data uji dijadikan sebagai data evaluasi perancangan model. Setelah melakukan pengujian, akurasi sistem yang dihasilkan model sebesar 87%. Model yang dibuat menggunakan metode naÃ¯ve bayes dikategorikan sangat baik dalam melakukan prediksi. Hasil akurasi prediksi dapat dilihat dalam bentuk berita popular sebagai acuan dalam menyediakan produk sesuai dengan permintaan dan kebutuhan calon konsumen

DISAIN DAN PEMBANGUNAN APLIKASI SISTEM MANAJEMEN E-ADMINISTRASI GAMPONG Muhammad Irmansyah; Dwi Meilvinasvita; Muhammad Arhami; Husaini Husaini
Journal of Artificial Intelligence and Software Engineering Vol 2, No 2 (2022)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v2i2.3448

Manajemen E-Administrasi Gampong Berbasis Web Responsive merupakan suatu terobosan terbaru dalam ilmu teknologi informasi dan komunikasi dalam hal meningkatkan kepuasan masyarakat akan kinerja pemerintah Gampong. Pelayanan terhadap manajemen administrasi terhadap surat-surat dan pelaporan surat menurut jenis surat dan tanggal, Adapun surat-surat yang dilayani ada 8 yaitu surat keterangan kurang mampu, surat keterangan usaha, surat keterangan belum menikah, surat keterangan berkelakuan baik, surat keterangan janda, surat pengantar duda, surat keterangan kehilangan. Biasanya masyarakat yang membutuhkan pelayanan surat-surat diharuskan mendatangi kantor, menjumpai pegawai yang bekerja dan mengantri. Hal ini tentunya akan banyak menghabiskan waktu. Untuk itu dibuat suatu sistem untuk mengatasi permasalahan tersebut yang melalui Disain dan Implementasi Manajemen E-Administrasi Gampong berbasis Web Responsive” yang dirancang dengan memakai framework CodeIgtiner atau dikenal dengan MVC (Model-view-controller). Dengan adanya sistem tersebut dapat membantu mengoptimalisasi pekerjaan yang terkait dengan administrasi di Pemerintahan Gampong dalam melayani proses manajemen administrasi kependudukan terhadap masyarakat dengan memanfaatkan teknologi informasi dan komputer.

Implementasi Algoritma C4.5 untuk Klasifikasi Penerima Rumah Bantuan Di Kampung Kotalintang Mahdi Mahdi; Muhammad Arhami; Khairunnisa Atami; Renol Herwinsyah
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 8, No 1 (2023): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v8i1.4180

Abstrak— Kotalintang merupakan salah satu desa/kelurahan yang ada di Kecamatan Kualasimpang, Kabupaten Aceh Tamiang, Provinsi Aceh. Sebanyak 383 jumlah rumah tangga yang tergolong Keluarga Pra Sejatera di Desa Kotalintang beberapa diantaranya memiliki rumah yang tidak layak huni. Untuk membantu mengatasi permasalahan rumah tidak layak huni pemerintah memberikan program rumah bantuan yaitu program yang diberikan oleh pemerintah pusat melalui Pemerintah Kementrian Pekerjaan Umum dan Perumahan Rakyat (PUPR) untuk memberikan rumah layak huni kepada Masayarakat Berpenghasilan Rendah (MBR). Program rumah bantuan tersebut diberikan dengan kuota terbatas, sedangkan jumlah masyarakat yang membutuhkan lebih besar sehingga harus dilakukan proses seleksi. Proses seleksi penerima rumah bantuan di Kampung Kotalintang masih dilakukan secara musyawarah sehingga hasil yang diperoleh tidak optimal dan terdapat penerima yang tidak tepat sasaran, berakibat pada saat pemeriksaan oleh Inspektorat ditemukan ketidaksesuaian hasil seleksi penerima rumah bantuan tersebut. Untuk mengatasi permasalahan tersebut dibangun sebuah sistem untuk mengklasifikasikan penerima rumah bantuan di Kampung Kotalintang dengan menggunakan metode decision tree untuk menghasilkan keputusan yang lebih optimal dan dapat membantu pihak desa/kelurahan dalam mengklasifikan masyarakat penerima rumah bantuan. Sistem yang dibangun berbasis web menggunakan parameter penentu yaitu status pernikahan, penghasilan, status kepemilikan tanah, status kepemilikan rumah, jenis atap, kondisi atap, jenis lantai, kondisi lantai, jenis dinding dan kondisi dinding. Data yang digunakan adalah data penerima rumah bantuan tahun 2019 s/d 2022 sebanyak 185 data. 125 data yang dijadikan sebagai data latih dan dilakukan 5 kali pengujian untuk setiap 37 data. Penelitian ini berhasil dibangun sistem klasifikasi penerima rumah bantuan menggunakan metode decision tree dengan menghasilkan rata-rata nilai akurasi sebesar 88,11% dan menunjukkan bahwa fitur-fitur yang ada telah berfungsi sesuai yang diharapkan. Abstract— Kotalintang is one of the villages in the District of Kua-lasimpang, Aceh Tamiang Regency, Aceh Province. A total of 383 households belonging to Pre-Prosperous Families in Kotalintang Village, some of them have houses that are not suitable for habitation. To help overcome the problem of uninhabitable houses, the government provides a housing assistance program, namely a program provided by the central government through the Government of the Ministry of Public Works and Public Housing (PUPR) to provide livable houses to Low-Income Communities (MBR). The housing assistance program is provided with a limited quota, while the number of people in need is greater so a selection process must be carried out. The selection process for the recipients of the aid housing in Kampung Kotalintang is still carried out by deliberation so that the results obtained are not optimal and there are recipients who are not on target, resulting in an inspection by the Inspectorate finding discrepancies in the results of the selection of the recipients of the aid housing. To overcome this problem, a system was built to classify the beneficiaries of the aid housing in Kampung Kotalintang by using the decision tree method to produce more optimal decisions and to assist the village/kelurahan in classifying the recipients of the aid housing. The web-based system uses determining parameters, namely marital status, income, land ownership status, house ownership status, roof type, roof condition, floor type, floor condition, wall type and wall condition. The data used is data on recipients of housing assistance from 2019 to 2021 as many as 185 data. 125 data were used as training data and tested 5 times for every 35 data. This study succeeded in building a classification system for house beneficiaries using the decision tree method by producing an average accuracy value of 88,11% and showing that the existing features function as expected.

Rancang Bangun Biodiversity Informatics dalam Analisa Sebaran Makhluk Hidup Berbasis Android dan GIS Rizaldo Setiawan; Huzaeni Huzaeni; Muhammad Arhami
Journal of Artificial Intelligence and Software Engineering (J-AISE) Vol 3, No 2 (2023)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v3i2.4590

Indonesia, yang sering disebut sebagai "mega biodiversity country," menjadi rumah bagi lebih dari 17.000 spesies tumbuhan dan satwa liar yang mencakup ribuan jenis burung, reptil, amfibia, dan ikan. Kawasan hutan Aceh yang luas mencakup beragam ekosistem, dari hutan hingga lautan. Namun, pengelolaan data ekologi di wilayah ini menjadi suatu tantangan kompleks. Untuk mengatasi tantangan ini, pendekatan bio-informatika digunakan untuk mengelola data ekologi yang kompleks sehingga dapat dipahami oleh masyarakat umum. penelitian ini menggabungkan data ekologi sebagai sumber informasi utama dan data spasial sebagai dasar pemetaan spesies. Data ini kemudian diolah untuk menghasilkan analisis dalam bentuk grafik dan laporan yang berguna bagi peneliti dalam menjaga stabilitas ekosistem. Pendekatan bio-informatika ini tidak hanya membantu dalam mengumpulkan dan mengelola data ekologi, tetapi juga meningkatkan pemahaman kita tentang keanekaragaman hayati yang luar biasa di Aceh.Penelitian ini memiliki dampak besar dalam menjaga keberlanjutan lingkungan Aceh, membantu dalam pelestarian spesies yang terancam punah, dan memberikan dukungan penting bagi penelitian dan pemantauan ekologi di wilayah ini. Hasilnya dapat menjadi landasan penting dalam menjaga ekosistem Aceh tetap stabil dan berfungsi sebagai sumber informasi yang berharga bagi para peneliti dan masyarakat umum.Kata kunci - Keakenaragaman hayati, Aceh, bio-informaticsAbstractIndonesia, often referred to as a "mega biodiversity country," is home to more than 17,000 species of plants and wildlife, including thousands of birds, reptiles, amphibians and fish. Aceh's vast forested areas encompass a diverse range of ecosystems, from forests to oceans. However, managing ecological data in this region is a complex challenge. To overcome this challenge, bio-informatics approaches have been used to manage complex ecological data so that it can be understood by the general public. This research combines ecological data as the main source of information and spatial data as the basis for species mapping. This data is then processed to produce analysis in the form of graphs and reports that are useful for researchers in maintaining ecosystem stability. This bio-informatics approach not only helps in collecting and managing ecological data, but also enhances our understanding of Aceh's extraordinary biodiversity. This research has a major impact in maintaining Aceh's environmental sustainability, assisting in the preservation of endangered species, and providing important support for ecological research and monitoring in the region. The results can serve as an important foundation in keeping Aceh's ecosystems stable and serve as a valuable source of information for researchers and the general public.Keyword - Biodiversity, Aceh, bio-informatics

Klasifikasi Citra Songket Aceh Menggunakan Metode Probabilistic Neural Network Ismi Amalia; Indra Mawardi; Indrawati Indrawati; Muhammad Arhami; Muhammad Muhammad; Guntur Syahputra
Jurnal Serambi Engineering Vol 8, No 3 (2023): Juli 2023
Publisher : Fakultas Teknik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jse.v8i3.6132

Tujuan penelitian ini untuk mengklasifikasikan citra Songket Aceh. Data penelitian menggunakan sepuluh motif Songket Aceh dan data diperoleh dari tempat usaha tenun Songket Nyak Mu. Tahapan penelitian ini adalah akuisisi citra, pra-proses, ekstraksi fitur, klasifikasi dan evaluasi. Ekstraksi fitur tekstur citra Songket Aceh menggunakan metode Gray Level Co-occurrence Matrix (GLCM). Fitur-fitur yang digunakan pada penelitian ini adalah entropy, energy, sum of squares: variance, difference entropy dan autocorrelation. Metode Probabilistic Neural Network (PNN) diaplikasikan untuk klasifikasi citra Songket Aceh. Metode Leave-One-Out Cross Validation (LOOCV) digunakan untuk pembagian data latih dan data uji. Hasil klasifikasi citra Songket Aceh dengan metode PNN adalah sebesar 93%.

Penerapan Metode SVM pada Klasifikasi Kualitas Air Salma Sheila Maulina Putri; Muhammad Arhami; Hendrawaty Hendrawaty
Journal of Artificial Intelligence and Software Engineering Vol 3, No 2 (2023)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v3i2.4630

SVM adalah salah satu metode learning machine yang bekerja dengan prinsip Structural Risk Minimization (SRM) yang bertujuan untuk menemukan hyperplane terbaik yang memisahkan dua buah class pada input space. Dengan melihat konsep metode SVM yang bekerja dengan menemukan fungsi pemisah optimal yang bisa memisahkan dua set data dari dua kelas yang berbeda. Maka, dari konsep tersebut timbul permasalahan sejauh mana penerapan metode SVM mampu menyelesaikan masalah klasifikasi. Dalam penelitian ini klasifikasi yang dilakukan adalah klasifikasi kualitas air yang akan dinilai berdasarkan WQI (Water Quality Index). WQI didasarkan pada ambang batas rekomendasi World Health Organization (WHO) dengan Sembilan parameter meliputi PH, Hardness, Solids, Chloramines, Sulfate, Conductivity, Organic_Carbon, Trihalomathanes, dan Turbidity. Untuk itu, penelitian ini melakukan simulasi menggunakan metode SVM dengan pendekatan One-Versus-One (OVO) untuk mengevaluasi kemampuan metode tersebut dalam mengklasifikasi kualitas air. Hasil penelitian menunjukkan bahwa nilai performa SVM kernel linear dengan parameter optimum C = 1000 adalah 60%. Tingkat performa SVM kernel RBF dengan parameter optimum C = 1000 dan γ = 4 adalah 100%. Tingkat performa SVM kernel polinomial dengan parameter optimum C = 1000 dan h = 5 adalah 98% dan Tingkat performa SVM kernel sigmoid dengan parameter optimum C = 1000 adalah 60%. Sehingga performa metode SVM terbaik untuk melakukan analisis klasifikasi data WQI pada Perumda Tirta Pase adalah kernel RBF dengan tingkat akurasi mencapai 100%.Kata kunci— Support Vector Machine, Klasifikasi, Kualitas Air, Water Quality IndexAbstractSVM is a machine learning method that works with the principle of Structural Risk Minimization (SRM) which aims to find the best hyperplane that separates two classes in the input space. By looking at the concept of the SVM method that works by finding the optimal separator function that can separate two data sets from two different classes. So, from this concept a problem arises to what extent the application of the SVM method is able to solve classification problems. In this study the classification used is the classification of water quality which will be assessed based on the WQI (Water Quality Index). WQI is based on the World Health Organization (WHO) recommendation threshold with nine parameters including PH, Hardness, Solids, Chloramines, Sulfate, Conductivity, Organic_Carbon, Trihalomathanes, and Turbidity. For this reason, this study conducted a simulation using the SVM method with the One-Versus-One (OVO) approach to evaluate the ability of this method to classify water quality. The results showed that the performance value of the linear kernel SVM with the optimum parameter C = 1000 was 60%. The performance level of the RBF kernel SVM with optimum parameters C = 1000 and γ = 4 is 100%. The polynomial kernel SVM performance level with optimum parameters C = 1000 and h = 5 is 98% and the sigmoid kernel SVM performance level with optimum parameters C = 1000 is 60%. So that the best performance of the SVM method for analyzing WQI data classification at Perumda Tirta Pase is the RBF kernel with an accuracy rate of up to 100%.Keywords— Support Vector Machine, Klasifikasi, Kualitas Air, Water Quality Index

Application of the Random Forest Method for UKT Classification at Politeknik Negeri Lhokseumawe Al Khaidar; Muhammad Arhami; Mustainul Abdi
Journal of Artificial Intelligence and Software Engineering Vol 4, No 2 (2024)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v4i2.6131

Classification is the systematic grouping of objects, ideas, books, or other items into specific classes based on similar characteristics. One of its applications is in the grouping of tuition fees, which are fees paid each semester or academic year based on the student's economic ability. However, there are several issues, such as the placement of underprivileged students into fee groups that are still not appropriate and the limited accuracy of the grouping process due to it being done manually. To address these issues, a classification system was designed using the Random Forest method. Random Forest is a machine learning algorithm that combines multiple decision trees for more accurate predictions. Testing the Random Forest method using cross-validation shows an average accuracy of 95%. Evaluation with a confusion matrix shows an accuracy of 94%, with varying values of precision, recall, and f1-score for each group.

Title

Found 22 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 22 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 22 Documents
Search