Claim Missing Document
Check
Articles

ADALINE Neural Network For Early Detection Of Cervical Cancer Based On Behavior Determinant Midyanti, Dwi Marisa; Bahri, Syamsul; Midyanti, Hafizhah Insani
Scientific Journal of Informatics Vol 8, No 2 (2021): November 2021
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v8i2.31064

Abstract

Purpose: Cervical cancer is one of the most common types of cancer that kills women worldwide. One way for early detection of cervical cancer risk is by looking at human behavior determinants. Detection of cervical cancer based on behavior determinants has been researched before using Naïve Bayes and Logistic Regression but has never using ADALINE Neural Network. Methods: In this paper, ADALINE proposes to detect early cervical cancer based on the behavior on the UCI dataset. The data used are 72 data, consisting of 21 cervical cancer patients and 51 non-cervical cancer patients. The dataset is divided 70% for training data and 30% for testing data. The learning parameters used are maximum epoch, learning rate, and MSE. Result: MSE generated from ADALINE training process is 0.02 using a learning rate of 0.006 with a maximum epoch of 19. Twenty-two test data obtained an accuracy of 95.5%, and overall data got an accuracy value of 97.2%. Novelty: One alternative method for early detection of cervical cancer based on behavior is ADALINE Neural Network. 
Diagnosis of Lung Disease Using Learning Vector Quantization 3 (LVQ3) Midyanti, Dwi Marisa
Scientific Journal of Informatics Vol 7, No 2 (2020): November 2020
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v7i2.25368

Abstract

Lung disease is one of the diseases with the highest number of patients in Indonesia. Lung disease is a disease with many types and symptoms that are almost the same as each other. This study uses an artificial neural network Learning Vector Quantization 3 (LVQ3), to diagnose lung disease. The data used in this study were 113 medical records, with seven types of lung disease, and 27 symptoms of the disease. From the experimental results, the best LVQ3 parameters from this study are using m = 0.15, and the learning rate = 0.15. LVQ3 produces the best accuracy value for training data at 87.5% of 80 data, and accuracy for test data 88% of 33 data.
Perbandingan Algoritma Naive Bayes dan C4.5 Untuk Klasifikasi Penyakit Anak Syamsul Bahri; Dwi Marisa Midyanti; Rahmi Hidayati
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2018
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Anak sangat rentan terhadap kuman penyakit, para orang tua pada umumnya sering tidak mengetahui gejala-gejala penyakit yang muncul pada tubuh anak. Informasi mengenai gejala-gejala penyakit pada tubuh anak sangat penting untuk diketahui orang tua agar orang tua mampu melakukan tindakan yang tepat pada awal gejala. Salah satu langkah awal yang dapat dilakukan dalam mendiagnosa penyakit pada anak adalah dengan melakukan klasifikasi berdasarkan gejala-gejala yang sering timbul. Terdapat beberapa algoritma klasifikasi, diantaranya yang sering digunakan yaitu Naive Bayes dan Decision Tree C4.5. Penelitian ini melakukan perbandingan kedua algoritma tersebut untuk klasifikasi penyakit anak. Dari hasil perbandingan menunjukkan bahwa algoritma terbaik dengan akurasi sebesar 90.00% yaitu Decision Tree C4.5. Sementara algoritma Naive Bayes memperoleh tingkat akurasi sebesar 89.58%.
Pemanfaatan QGIS Untuk Pemetaan Fasilitas Layanan Masyarakat Di Kota Pontianak Syamsul Bahri; Dwi Marisa Midyanti; Rahmi Hidayati
CESS (Journal of Computer Engineering, System and Science) Vol 5, No 1 (2020): Januari 2020
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1335.641 KB) | DOI: 10.24114/cess.v5i1.15666

Abstract

Kota Pontianak merupakan ibu kota Provinsi Kalimantan Barat yang memiliki 6 kecamatan dengan total luas wilayah 107,82 km2. Hingga tahun 2018 jumlah penduduk kota Pontianak mencapai 665.694 jiwa. Kepadatan penduduk tiap kecamatan di Kota Pontianak relatif tidak merata, yang mengakibatkan sebaran fasilitas pelayanan publik menjadi tidak merata. Seringkali masyarakat di beberapa kecamatan kesulitan menemukan fasilitas pelayanan publik yang terdekat. Fasilitas pelayanan publik yang digunakan oleh masyarakat, diantaranya seperti ATM, SPBU, Puskesmas, Rumah Sakit, PAUD, dan Bengkel. Solusi yang dapat dilakukan untuk permasalahan tersebut salah satunya adalah memanfaatkan aplikasi QGIS untuk pemetaan fasilitas layanan masyarakat. Penelitian ini menghasilkan sebuah peta web yang memetakan fasilitas layanan yang ada di kota Pontianak. Peta web ini diharapkan dapat bermanfaat dan mempermudah masyarakat menemukan lokasi fasilitas layanan publik yang ada di Kota Pontianak.
PERBANDINGAN METODE EDAS DAN ARAS PADA PEMILIHAN RUMAH DI KOTA PONTIANAK Dwi Marisa Midyanti; Rahmi Hidayati; Syamsul Bahri
CESS (Journal of Computer Engineering, System and Science) Vol 4, No 2 (2019): JULI 2019
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (554.293 KB) | DOI: 10.24114/cess.v4i2.13351

Abstract

Dalam masalah pengambilan keputusan, teknik dan model dari Multi Criteria Decision Making (MCDM) sangat sering digunakan, dan berkembang sangat pesat. Pada penelitian ini menggunakan dua metode MCDM yaitu EDAS dan ARAS pada pemilihan rumah di Kota Pontianak. Metode EDAS didasarkan pada skor penilian (AS) tertinggi untuk mendapatkan pilihan terbaik dari semua alternatif, sedangkan metode ARAS menggunakan nilai utilitas (Ki) tertinggi untuk mendapatkan pilihan terbaik. Data yang digunakan pada penelitian ini berjumlah 30 data perumahan dengan 11 kriteria. Hasil akhir dari penelitian ini menunjukkan bahwa metode EDAS dan ARAS menghasilkan pilihan berbeda pada perangkingan alternatif. Untuk alternatif terbaik pada dengan metode EDAS didapatkan alternatif 9 dengan skor penilaian sebesar 0.7372, sementara dengan metode ARAS alternatif 10 merupakan alternatf terbaik dengan nilai utilitas 1
REKOMENDASI BENTUK PENGEMBANGAN RUANG TERBUKA HIJAU DI KOTA PONTIANAK MENGGUNAKAN METODE AHP-COPRAS Dwi Marisa Midyanti
CESS (Journal of Computer Engineering, System and Science) Vol 3, No 2 (2018): Juli 2018
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (292.686 KB) | DOI: 10.24114/cess.v3i2.9987

Abstract

Ruang Terbuka Hijau (RTH) Ruang Terbuka Hijau (RTH) adalah area memanjang/jalur dan /atau mengelompok, yang penggunaannya bersifat terbuka, tempat tumbuh tanaman, baik yang tumbuh secara alamiah maupun yang sengaja ditanam. RTH di kawasan perkotaan membutuhkan strategi dan desain tertentu dalam pengembangannya. Penelitian ini akan merekomendasikan bentuk pengembangan RTH di Kota Pontianak dari hasil perhitungan dengan menggunakan metode AHP-COPRAS. Metode AHP digunakan untuk menghitung bobot-bobot dari 4 kriteria yaitu ekologi, sosial, ekonomi dan estetika. Metode COPRAS digunakan untuk menentukan alternatif terbaik dari 24 kriteria yang ada. Dari hasil perhitungan AHP-COPRAS didapat alternatif terbaik untuk bentuk RTH di Kota Pontianak adalah Kawasan Penyerap Air Hujan. Terdapat 7 alternatif yang di rekomendasikan berdasarkan  nilai indeks kinerja (Pi) diatas rata-rata yaitu Kawasan Penyerap air hujan, Kawasan Pemicu kreativitas dan produktivitas, Kawasan paru-paru Kota, Jalur paru-paru Kota, Jalur Penyerap air hujan, Kawasan Sarana olahraga, pendidikan dan rekreasi dan Jalur Keindahan kota.
Implementasi Forward Chaining dalam Penentuan Pola Kerusakan Infrastruktur Jalan Dwi Marisa Midyanti; Abdul Hamid
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 5, No 2 (2021): InfoTekJar Maret
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v5i2.3384

Abstract

Perkembangan pembangunan infrastruktur teknik sipil di Indonesia boleh dikatakan cukup pesat dalam beberapa tahun terakhir ini.  Namun di sisi yang lain, kerusakan infrastruktur itu juga kian bertambah dari waktu ke waktu. Beberapa penelitian tentang kerusakan infrastruktur teknik sipil ini telah dilakukan sesuai dengan kaidah penelitian masing-masing infrastruktur  tersebut. Sebagaimana diketahui, penggunaan/penerapan Artificial Intelligence dalam bidang teknik sipil juga terus berkembang di dalam negeri, mengingat beberapa keuntungan dalam penerapannya.Pada penelitian ini, telah dibangun sistem pakar berbasis web untuk mengetahui pola kerusakan infrastruktur jalan dengan menggunakan metode forward chaining. Terdapat 28 Ciri kerusakan jalan, 9 jenis kerusakan jalan, dan 9 aturan yang digunakan dalam sistem ini. Sistem memberikan informasi berupa jenis kerusakan jalan berdasarkan ciri yang diberikan pengguna, dan memberikan solusi untuk mengatasi kerusakan jalan tersebut.
Kombinasi SOM-RBF untuk prediksi drought code berdasarkan data curah hujan dan suhu udara Dwi Marisa Midyanti
Jurnal Teknologi dan Sistem Komputer Volume 8, Issue 1, Year 2020 (January 2020)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.8.1.2020.64-68

Abstract

This study aims to predict Drought Code (DC) in Kabupaten Kubu Raya using a combination of SOM-RBF. The final weight value of SOM was used as a center on the RBF network. The input data variables are rainfall data and air temperature data for three days with three binary outputs to predict DC values. This study also observed the effect of the number of neurons, learning rates, and the number of iterations on the results of the SOM-RBF network training. The smallest MSE of training result from the SOM-RBF network was 0.159933 using 65 neurons in the hidden layer, learning rate 0.007, and epoch 45000. The detection accuracy of SOM-RBF was 91.34 % from 245 test data.
SISTEM INFORMASI TUTEP DAN TOEFL ITP ONLINE PADA UPT BAHASA UNIVERSITAS TANJUNGPURA MENGGUNAKAN METODE USER CENTERED DESIGN Edwin Rianto; Ilham Syah; Dwi Marisa Midyanti
Jurnal Khatulistiwa Informatika Vol 9, No 1 (2021): Periode Juni 2021
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jki.v9i1.10015

Abstract

Intisari - Telah dirancang dan dibangun Sistem Informasi Pendaftaran TUTEP dan TOEFL ITP pada UPT Bahasa Universitas Tanjungpura berbasis web menggunakan framework laravel. Penelitian ini menggunakan metode User Centered Design, dimulai dengan melakukan penyebaran kepada Staff UPT Bahasa Universitas Tanjungpura, Dosen,Mahasiswa, dan operator untuk mengumpulkan kebutuhan untuk membangun sistem. Dilakukan pengujian fungsionalitas sistem yang dilakukan kepada pihak Staff UPT Bahasa Untan untuk mengukur sistem yang dibangun dapat berjalan sesuai fungsi yang telah dirancang. Dari hasil pengujian antarmuka sistem untuk mengukur tingkat penerimaan pengguna terhadap sistem diperoleh persentase 78,95% Sistem dibangun sudah diterima oleh pengguna.
Implementasi Smart Society Melalui Sistem Layanan Pengaduan Warga pada Desa Teluk Kapuas Kabupaten Kubu Raya Caecilia Cantica Gita Mileniae Ahen; Hansen Alexander Rustan; Thomas Adi Putra; Rikki Pratama; Dwi Marisa Midyanti
Jurnal Buletin Al-Ribaath Vol 19, No 1 (2022): Buletin Al-Ribaath
Publisher : Universitas Muhammadiyah Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29406/br.v19i1.3793

Abstract

Layanan pengaduan warga merupakan fasilitas untuk menyampaikan permasalahan dari warga kepada pemerintah. Layanan pengaduan yang masih bersifat manual menyebabkan waktu pelayanan menjadi kurang efisien, baik bagi warga desa ataupun bagi perangkat desa, serta ketidakmampuan perangkat desa untuk menjawab semua aduan yang diajukan oleh warga desa. Hal ini dapat menyebabkan warga desa kurang puas dalam menyampaikan keluhannya. Adanya penggunaan teknologi informasi dapat mempercepat sampainya informasi pengaduan ke pihak pemerintah desa serta dapat meningkatkan efisiensi penanganan masalah yang dihadapi warga desa maupun pihak pemerintah desa. Merdeka Belajar Kampus Merdeka (MBKM) Smart Village Tanjungpura merupakan proyek digitalisasi desa hasil kerjasama dari Universitas Tanjungpura Pontianak dan PT. Telkom Indonesia yang dilaksanakan di Desa Teluk Kapuas, Kabupaten Kubu Raya, Kalimantan Barat. Kegiatan ini bertujuan untuk mendigitalisasi desa dengan melakukan penerapan Smart Society pada Desa Teluk Kapuas melalui pembangunan Sistem Layanan Pengaduan Warga. Sistem yang dibangun dapat menampung laporan permasalahan-permasalahan yang terdapat pada desa serta memiliki fitur live chat dengan perangkat desa agar warga dan perangkat desa dapat bertindak cepat menangani permasalahan yang telah diadukan. Dengan hadirnya sistem tersebut diharapkan dapat membantu penanganan pengaduan masyarakat Desa Teluk Kapuas lebih cepat dan efisien.