Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal EVOLUSI : Jurnal Sains dan Manajemen
Ina Maryani
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
OPTIMASI PARAMETER PSO BERBASIS SVM UNTUK ANALISIS SENTIMEN REVIEW JASA MASKAPAI PENERBANGAN BERBAHASA INGGRIS Risawati Risawati; Siti Ernawati; Ina Maryani
Evolusi : Jurnal Sains dan Manajemen Vol 8, No 2 (2020): Jurnal Evolusi 2020
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/evolusi.v8i2.9248

Abstract

AbstractAs technology advances, many airline service users provide reviews of what they feel while using these services which are written through internet media, such as websites and social media. Currently, a lot of research is being done to analyze someone's review or opinion. This research teaches Support Vector Machine (SVM) as a method for processing data and optimizes Particle Swarm Optimization (PSO) as feature selection to improve. The parameters used in the SVM are the values of C and Epsilon while the parameters used in the PSO are the Population Size and Inertia Weight values. PSO was able to optimize the SVM model with the value of the SVM model before the implementation of the PSO feature selection was 84.25% and after the implementation of the PSO feature selection it increased to 87.39%. The increase in the value increase was 3.14%. AbstrakSeiring dengan kemajuan teknologi, banyak pengguna jasa maskapai penerbangan memberikan review mengenai apa yang dirasakan selama menggunakan jasa tersebut yang dituliskan melalui media internet, seperti situs web ataupun media sosial. Saat ini banyak penelitian yang terus dilakukan untuk menganalisis review atau pendapat seseorang.  Penelitian ini mengusulkan Support Vector Machine (SVM) sebagai metode untuk memproses data dan mengoptimasi Particle Swarm Optimization (PSO) sebagai seleksi fitur agar akurasi meningkat. Parameter yang digunakan pada SVM adalah nilai C dan Epsilon sedangkan parameter yang digunakan pada PSO adalah nilai Population Size dan Inertia Weight. PSO mampu mengoptimasikan model SVM dengan nilai akurasi model SVM sebelum diterapkannya seleksi fitur PSO adalah sebesar 84,25% dan setelah diterapkannya seleksi fitur PSO akurasi meningkat menjadi 87,39%. Terdapat kenaikan akurasi sebesar 3.14%. Keywords: Optimasi Parameter; PSO; SVM; Jasa Maskapai Penerbangan.
Aplikasi Diagnosa Penyakit Pada Ternak Ayam Menggunakan Metode Forward Chaining Berbasis Web Hidayat Muhammad Nur; Vadlya Maarif; Ina Maryani; Yesi Gusmiati
Evolusi : Jurnal Sains dan Manajemen Vol 9, No 2 (2021): Jurnal Evolusi 2021
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/evolusi.v9i2.11360

Abstract

Berternak ayam selalu dihadapkan kepada ragam penyakit, diagnosa yang muncul secara umum melewati gejala fisik. Intensitas dan langkah untuk meminimalisasi keterlambatan penangganan ataupun kerugian yang disebabkan penyakit ayam para peternak dan warga masyarakat. Dalam upaya mengatasi permasalahan tersebut, dibuatlah entitas sistem yang dapat membantu kelompok masyarakat yang terlibat ternak ayam, dengan menerapkan metode forward chaining yang menjadikan pemahaman ilmu pakar kedalam komputer sehingga sistemis dapat mengerjakan solusi bagaikan ahli atau pakar. Dengan adanya sistem pakar ini kelak diharapkan dapat mengoptimasi kegiatan peternak dalam mendiagnosa penyakit ayam.  Pengembangan sistem pakar dibangun dengan menggunakan metode waterfall yang terdiri rekayasa dan pemodelan sistem, analisis sistem, desain, perancangan antarmuka dan pengujian. Implementasi metode sistem pakar menggunakan forward chaining ialah proses premis data inputan berbentuk indikasi sehingga dapat menuju akurasi diagnosis terkena penyakit, beserta jalan keluar perihal usulan pengobatan dan pencegahan dengan dasar pengamatan gejala. Hasil penelitian pada aplikasi ini terdapat entitas yaitu gejala, penyakit, data penyakit, kandang ayam, konsultasi, diagnosa penyakit, solusi.
Co-Authors Hidayat Muhammad Nur Risawati Risawati Siti Ernawati Vadlya Maarif Yesi Gusmiati