Claim Missing Document
Check
Articles

Found 39 Documents
Search

Prediksi Nilai Calon Mahasiswa dengan Algoritma Backpropagation (Studi Kasus: Data Kaggle) Nur Nafi'iyah; Rizki Ardhian Ahmad; Siti Mujilahwati
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 3, No 1 (2020): April 2020
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (530.017 KB) | DOI: 10.32672/jnkti.v3i1.1945

Abstract

Mahasiswa yang akan melakukan pendaftaran ke perguruan tinggi, baik ke jenjang sarjana atau pascasarjana pasti harus diseleksi. Proses seleksi dengan tes dan serangkaian kegiatan lainnya. Nilai-nilai tes tersebut kemudian dianalisa untuk mengetahui apakah mahasiswa layak diterima atau tidak. Beberapa perguruan tinggi di Amerika Serikat atau Inggris melakukan serangkaian tes mulai tes akademik, tes bahasa Inggris dan kemampuan meneliti. Dari beberapa data hasil seleksi atau ujian dapat digunakan untuk memprediksi calon mahasiswa baru yang akan masuk perguruan tinggi. Tujuan penelitian ini adalah memprediksi nilai calan mahasiswa yang akan masuk di perguruan tinggi. Studi kasus ini mengambil dari data kaggle, yang akan diprediksi dengan menggunakan algoritma backpropagation. Variabel yang menjadi input adalah GRE score, TOEFL score, Universiy rating, SOP, LOR, GPA, Research. Output dari prediksi nilai calon mahasiswa dalam angka. Proses training backpropagation menggunakan toole Matlab dengan arsitektur jaringan 2 model. Model ke-1 menggunakan 7-5-1 dengan hasil MSE 0,00272. Model ke-2 menggunakan 7-4-1 dengan hasil MSE 0,0029.
Price Prediction of Vegetable Oil Kaggle Data with Multiple Linear Regression and Backpropagation Nur Nafi'iyah; Nela Nevrivanti Aulia
SISFOTENIKA Vol 12, No 2 (2022): SISFOTENIKA
Publisher : STMIK PONTIANAK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30700/jst.v12i2.1071

Abstract

Indonesia has an abundant agricultural sector. The agricultural sector is very abundant, one of which is coconut oil, palm oil. Oil prices are often uncontrolled fluctuations that cannot be determined based on parameters. The ups and downs of oil prices can be seen clearly from graphs and tables of previous data. Farmers who plant coconut and oil palm often experience losses due to the high cost of planting, but when harvesting the price drops. In order to reduce the losses experienced by farmers, we propose a vegetable oil price prediction system. The aim of this research is to predict the price of vegetable oil, starting from palm oil, coconut oil, fish oil, soybean oil, peanut oil, and sunflower oil by using multiple linear regression and Backpropagation methods. The data used is from Kaggle, with year and month input variables, from 2006 to 2018. The total dataset is 153 lines, used training 110 lines, and testing 43 lines. The results of our prediction of accuracy testing with MAPE, the average accuracy value of the multiple linear regression method is 0.385, and the average accuracy value of the Backpropagation method is 0.209. Based on the MAPE accuracy results, the multiple linear regression algorithm and Backpropagation show the best Backpropagation
Rice Price Prediction System Based on Rice Quality and Milling Level using Multilayer Perceptron Nur Nafi'iyah; Muchammad Khudori
Jurnal Informatika Universitas Pamulang Vol 7, No 1 (2022): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v7i1.15326

Abstract

Bacpropagation algorithm is a neural network algorithm that has good performance. In addition to Backpropagation, SVM also includes a neural network algorithm. SVM also has a good performance in making predictions. This is based on previous research related to rice price predictions. During the COVID-19 pandemic, the government is obliged to maintain the stability of the price of basic necessities or basic commodities, the reason is to maintain the availability of basic commodities. Based on the conditions in the field, this research will create a rice price prediction system based on the type of rice quality at the milling level. The purpose of this research is to help stabilize rice prices in the market. The method used to predict is Backpropagation by proposing 2 architectures, namely 3-25-1, and 3-35-1. The dataset used is taken from bps.go.id, the total dataset is 318, and the method of evaluating the prediction results is using the MAE value. Based on the trial the lowest MAE value is 305.93 in the first architecture 3-25-1.
ANALISIS JUMLAH NODE HIDDEN LAYER ALGORITMA BACKPROPAGATION DALAM IDENTIFIKASI PENYAKIT MATA Nur Nafi'iyah; Irma Dwi Rohmawati
I N F O R M A T I K A Vol 14, No 1 (2022): MEI 2022
Publisher : STMIK DUMAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36723/juri.v14i1.249

Abstract

Mata mempunyai banyak manfaat, diantaranya dapat digunakan sebagai alat penglihatan dan alat pengenalan manusia karena setiap individu mempunyai karakteristik atau ciri yang berbeda setiap iris mata. Mata juga dapat digunakan sebagai alat bantu identifikasi penyakit, misalnya identifikasi penyakit mata, penyakit prankreas, penyakit ginjal, dan diabetic retinopathy berdasarkan citra iris mata. Ekstraksi fitur citra dan metode identifikasi sangat berpengaruh terhadap hasil identifikasi penyakit. Ekstraksi fitur yang digunakan dalam penelitian ini adalah fitur tekstur citra, yaitu nilai rata-rata citra grayscale, standar deviasi, skewness, variance, entropy, kontras, energi, korelasi, homogeneity. Citra input dari penelitian diambil dari kaggle dataset dengan jumlah kelas penyakit sebanyak tiga, yaitu Gloucoma, Cataracts, dan Uveitis. Tujuan penelitian ini menganalisis jumlah node di hidden layer Backpropagation dalam identifikasi penyakit mata. Metode Backpropagation yang diusulkan akan terdapat 4 jenis arsitektur sebagai berikut: arsitektur pertama 9 node input layer, 5 node hidden layer, dan 2 node output layer. Arsitektur kedua adalah 9, 7, 2, arsitektur ketiga 9, 9, 2, dan arsitektur keempat 9, 15, 2. Hasil dari ujicoba arsitektur yang nilai akurasinya terbaik adalah 9, 7, 2, dengan 9 node input layer, 7 node hidden layer, dan 2 node output layer sebesar 54.17%.
APLIKASI ALAT MUSIK TRADISIONAL GAMELAN JAWA BERBASIS ANDROID Khotim Hidayati Hidayati; Nur Nafiiyah Nafiiyah
Jurnal Teknika Vol 9, No 1 (2017): Jurnal Teknika
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (319.715 KB) | DOI: 10.30736/teknika.v9i1.3

Abstract

Musik gamelan Jawa adalah karya seni musik tradisional yang merupakan produk seni dan budaya asli Indonesia yang perlu dijaga kelestariannya. Musik gamelan Jawa merupakan identitas bangsa Indonesia, yang sekaligus merupakan hasil karya seni musik tradisi yang sangat tinggi nilainya.Tujuan dari penelitian ini adalah untuk membangun aplikasi gamelan jawa sebagai media pelestarian budaya dan media pembelajaran instrumen gamelan dengan memanfaatkan perkembangan teknologi informasi. Sistem ini dibangun dengan menggunakan software eclipse yang sudah terpasang ADT, kemudian sistem diuji dengan SDK. Desain gambar gamelan menggunakan software Adobe Potoshop. Hasil penelitian memberikan kemudahan terhadap masyarakat untuk belajar mengetahui tentang gamelan jawa serta membantu memperkenalkan kebudayaan tradisional Indonesia dari perangkat mobile berbasis android.
SISTEM PENENTUAN PEMILIHAN TEMPAT CAFE MENGGUNAKAN FUZZY MAMDANI. M Sholihul Hadi; Nur Nafiiyah Nafiiyah; Eko Sulistiono Sulistiono
Jurnal Teknika Vol 8, No 2 (2016): Jurnal Teknika
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/teknika.v8i2.10

Abstract

Kebanyakan dari permasalahan dalam keputusan yang ada di perekonomian, perindustrian, keuangan atau politik adalah multikriteria. Pemilihan disampaikan untuk masing-masing rasa pribadi individu. Semua orang mengalokasikan suatu anak timbangan yang berbeda kepada ukuran-ukuran kriteria. Tujuan penelitian penelitian yang dilakukan yaitu Merancang aplikasi Sistem penentuan pemilihan tempat cafe menggunakan fuzzy mamdani berbasis android dan mengaplikasikan aplikasi tersebut ke pada masyarakat. Adapun manfaat dari sistem penentuan pemilihan tempat cafe menggunakan fuzzy mamdani adalah Memberikan kemudahan kepada masyarakat dalam menentukan lokasi yang akan di bangun cafe dan lebih praktis dan menghemat biaya dalam hal penggeluaran. Metode penelitian yang digunakan yaitu wawancara (interview), pengamatan (observasi), analisa, desain sistem, pengujian sistem dan implementasi sistem.Hasil penelitian yang telah dilakukan adalah penentuan dan membangun aplikasi sistem penentuan pemilihan tempat cafe mengunakan fuzzy mamdani berbasis android,implementasi sistem penentuan pemilihan tempat cafe menggunakan fuzzy mamadani yang berbasis android ini yakni dengan secara langung menggunakan gadget dan aplikasi sistem yang telah dibuat disajikan melalui semartphon yang berbasis android meliputi fitur menu utama, nama pasword, cari lokasi dan hasil defuzikasi.
Klasifikasi Kematangan Buah Mangga Berdasarkan Citra HSV dengan KNN Husnul Khotimah; Nur Nafiiyah; Masruroh Masruroh
Jurnal Elektronika, Listrik, dan Teknologi Informasi Terapan Vol 1 No 2 (2019): Jurnal ELTI II
Publisher : LPPM Politeknik Jambi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37338/e.v1i2.100

Abstract

Identifikasi atau klasifikasi menggunakan pengolahan citra dan computer vision membutuhkan pengenalan pola dari dataset training. Proses pengolahan citra dan pengenalan pola menjadi kajian riset yang sangat berkembang. Mulai dari proses pengenalan suatu objek, atau klasifikasi objek dan tentang mendeteksi tingkat kematangan buah. Penelitian ini akan melakukan klasifikasi tingkat kematangan buah mangga dengan citra HSV. Di mana citra input RGB dikonversi ke bentuk HSV. Kemudian diambil fitur nilai rata-rata intensitas HSV, nilai skewness, dan kurtosis. Proses klasifikasi kematang menjadi 4 kelas, yaitu: mentah, cukup matang, matang dan sangat matang. Dengan metode klasifikasi KNN, dan dataset yang digunakan 129 data training, serta 40 data testing. Nilai akurasi tertinggi pada k=2 sebesar 80%. Alat yang digunakan untuk mengembangkan sistem adalah matlab.
Prediksi Harga Beras Berdasarkan Kualitas Beras dengan Metode LSTM Nur Nafiiyah
Jurnal Inovtek Polbeng Seri Informatika Vol 7, No 2 (2022)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v7i2.2599

Abstract

Berdasarkan penelitian sebelumnya terkait memprediksi harga beras, bahwa beras merupakan kebutuhan primer bagi masyarakat Indonesia. Sehingga dibutuhkan model yang bisa memprediksi harga beras di waktu selanjutnya yang mendekati harga aktual di Indonesia. Kami mengusulkan arsitektur LSTM untuk memprediksi harga beras. Tujuan penelitian ini membuat model arsitektur LSTM untuk memprediksi harga beras berdasarkan kualitas, yaitu premium, medium, dan luar kulit. Data yang digunakan mulai tahun 2019 sampai 2021, total dataset 36 baris. Data training 28 baris, dan data tes 8 baris. Kami memprediksi berdasarkan urutan waktu, waktu yang digunakan untuk memprediksi berdasarkan 4 waktu sebelumnya. Arsitektur yang dibuat adalah layer input, 3 layer hidden LSTM, dan layer output, yaitu 4-50-50-50-1. Hasil evaluasi MAE dari prediksi harga beras premium, medium, dan luar kulit secara berurutan adalah 83.49, 89.6, 96.99.
PENERAPAN ALGORITMA USER-BASED FILTERING DALAM MEMBERIKAN REKOMENDASI BARANG PADA TOKO BIN WAHAB Sholikah Indrawati; Nur Nafi'iyah; Purnomo Hadi Susilo
Insand Comtech : Information Science and Computer Technology Journal Vol 5, No 1 (2020): insand comtech
Publisher : Universitas Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (368.784 KB) | DOI: 10.53712/jic.v5i1.736

Abstract

The goods recommendation system at Wahab Sugio Bin Shop is needed to help customers choose the items to be purchased. The purpose of this study is to make a product recommendation application according to the ranking of the selected product. The benefit is to make it easier for shop owners to display goods sold. The first step in the user based collaborative filteing algorithm is that the customer gives a rating of the product purchased, where the product is used as much as 6 researches. Next the system will calculate the average and find the similarity value between products with the adjusted cosine similarity statement. The results of the system similarity value will provide recommendations for products that can be purchased. The system recommendations show an accuracy of 98%, so it is good for use at Wahab Sugio's Bin Store.
APLIKASI ALAT MUSIK TRADISIONAL GAMELAN JAWA BERBASIS ANDROID Khotim Hidayati Hidayati; Nur Nafiiyah Nafiiyah
Jurnal Teknika Vol 9 No 1 (2017): Jurnal Teknika
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/teknika.v9i1.3

Abstract

Musik gamelan Jawa adalah karya seni musik tradisional yang merupakan produk seni dan budaya asli Indonesia yang perlu dijaga kelestariannya. Musik gamelan Jawa merupakan identitas bangsa Indonesia, yang sekaligus merupakan hasil karya seni musik tradisi yang sangat tinggi nilainya.Tujuan dari penelitian ini adalah untuk membangun aplikasi gamelan jawa sebagai media pelestarian budaya dan media pembelajaran instrumen gamelan dengan memanfaatkan perkembangan teknologi informasi. Sistem ini dibangun dengan menggunakan software eclipse yang sudah terpasang ADT, kemudian sistem diuji dengan SDK. Desain gambar gamelan menggunakan software Adobe Potoshop. Hasil penelitian memberikan kemudahan terhadap masyarakat untuk belajar mengetahui tentang gamelan jawa serta membantu memperkenalkan kebudayaan tradisional Indonesia dari perangkat mobile berbasis android.