Claim Missing Document
Check
Articles

Found 4 Documents
Search

OPTIMASI BASIS PENGETAHUAN MENGGUNAKAN ALGORITMA FP-GROWTH UNTUK MEMBANGUN STRUKTUR BAYESIAN NETWORK (Studi Kasus : Penyakit Mata di Rumah Sakit Mata Pekanbaru) Yelfi Vitriani
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 15, No 1 (2017): DESEMBER 2017
Publisher : Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/sitekin.v15i1.4527

Abstract

One of the weaknesses of the Bayesian Network is that it is difficult to get agreement from some experts, for an expert it will be difficult to determine the probability value, and an expert will take a long time just to build the Bayesian Network structure. To overcome the weakness of the Bayesian Network then required another artificial intelligence science that is data mining with Association Rule technique using FP-Growth algorithm. This research takes the case on eye disease with the aim of building a Bayesian Network structure and generating probability values to get where the most influential symptoms in eye disease. The method test is carried out by using data mining tools WEKA 3.7.10, with the results obtained by 24 rules that meet the provisions and qualitative test results of 99% correct and get the probability value for presbyopia disease, with the greatest influence on women, evidenced by probability value of 60 %. For the most influential age was the mature middle of 31-59 years at 65%, and the most influential symptom was a near blur of 98%. As for conjunctivitis disease with the largest influence on men by 53%.For the most influential age is the middle adult from 31-59 years by 43%, and the most influential symptoms are the sticky eye of 100%. Based on the results of these tests can be concluded that the Association Rule technique succeeded in overcoming Bayesian Network weaknesses based on facts and data.
Analisa Perbandingan Metode Dempster-Shafer (DS) Dan Certainty Factor (CF) Dalam Mendiagnosa Hama Dan Penyakit Kacang Tanah Okfalisa Okfalisa; Yelfi Vitriani; M Fadhli Ihsan; Fitri Insani; Novi Yanti; Frica A Ambarwati; Eggy P
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (395.04 KB)

Abstract

Beberapa masalah meningkat untuk meningkatkan diagnosa hama dan penyakit pada kacang tanah. Adanya kendala yang dihadapi pada buruknya kesuburan tanah, penyakit, jamur, virus, dan hama dapat memicu mengurangi produktivitas tanaman, kualitas dan nilai. Terlebih, beberapa sumber langka dari varietas unggul, serta pengetahuan dari petani yang terbatas pada produksi benih, panen dan pengolahan tanaman itu sendiri. Makalah ini mengkaji penerapan metode Dempster-Shafer (DS) dan metode Certainty Factor (CF) untuk akurasi data yang tepat dalam mencari solusi yang diharapkan dengan menganalisa perbandingan metode tersebut. Analisis mengikuti proses dari sistem pakar termasuk pengolahan gejala-gejala, cara pengendalian, nilai probabilitas untuk DS dan CF, Rulebase Reasoning serta hasil diagnosa sistem dan pakar. Untuk menguji validitas dan keakuratan data kedua metode dengan Confusion Matrix, statistika deskriptif, Uji Mann Whitney dan uji T Independent Sample. Sebagai hasilnya, ada 13 hama/penyakit dari 13 terdapat perbedaan nilai kepercayaan antara kedua metode. Rata rata perbedaan dari 13 data uji adalah 16,48%. Terlihat pada metode CF nilai kepercayaan lebih tinggi daripada metode DS. Pengujian ini juga mencari solusi yang diharapkan berdasarkan keakuratan data dari metode yang tepat berdaskan uji T Independent Sample. Dari hasil perhitungan hasil uji T Independent Sample pada asumsi data terdistribusi normal dijelaskan bahwa didapatkan hasil bahwa probabilitas kesalahan (0,000), sedangkan pada kriteria pengujian dengan tingkat signifikansi α 0,05 (keyakinan 95%). Ini menunjukkan bahwa Hipotesis ditolak, maka dapat disimpulkan bahwa metode DS lebih tepat untuk diterapkan pada sistem pakar diagnosa hama dan penyakit pada kacang tanah.
Analisis Perbandingan Metode DBSCAN dan Meanshift dalam Klasterisasi Data Gempa Bumi di Indonesia MHD Ade Setiawan; Fitri Insani; Yelfi Vitriani; Yusra
Bulletin of Computer Science Research Vol. 5 No. 4 (2025): June 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v5i4.605

Abstract

Indonesia is one of the countries with a high vulnerability to earthquakes due to its location at the convergence of three major tectonic plates: the Indo-Australian, Eurasian, and Pacific plates. As a result of this interaction, seismic activity is highly frequent across various regions. Understanding the distribution patterns of earthquakes is essential for disaster risk mitigation. One approach used to analyze these patterns is clustering, particularly using the DBSCAN  and Meanshift algorithms, which can group spatial data without predefining the number of clusters. This study aims to compare the effectiveness of both algorithms in clustering earthquake data based on spatial parameters, namely latitude and longitude. Evaluation was conducted using cluster visualization and the Silhouette Score as the clustering validity metric. The results show that DBSCAN  produces more optimal clustering with a Silhouette Score of 0.930028, higher than Meanshift's score of 0.90103. DBSCAN  is also capable of detecting relevant outliers in earthquake analysis, while Meanshift generates more clusters but with less separation. Using spatial parameters such as latitude and longitude, DBSCAN  is considered more effective in identifying the spatial distribution patterns of seismic activity in Indonesia based on earthquake data. This research supports the development of decision support systems for earthquake disaster mitigation and serves as a reference for selecting appropriate clustering methods for spatial data analysis.
SISTEM PAKAR UNTUK DIAGNOSIS AWAL INDIKASI GANGGUAN KECEMASAN MENGGUNAKAN METODE CERTAINTY FACTOR Nurul Ikhsan Siahaan; Fitri Wulandari; Elin Haerani; Yelfi Vitriani; Fitra Kurnia; Ikhwanisifa
Pendas : Jurnal Ilmiah Pendidikan Dasar Vol. 10 No. 02 (2025): Volume 10 No. 02 Juni 2025 In Build
Publisher : Program Studi Pendidikan Guru Sekolah Dasar FKIP Universitas Pasundan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23969/jp.v10i02.26422

Abstract

Penderita gangguan kecemasan mengalami ketakutan dan kekhawatiran berlebihan yang sulit dikendalikan, disertai ketegangan fisik serta gejala perilaku dan kognitif. Jika tidak ditangani, kondisi ini dapat bertahan lama dan menimbulkan tekanan yang signifikan. Penelitian ini bertujuan untuk merancang dan mengembangkan sebuah sistem pakar yang berfungsi dalam memberikan diagnosis awal gangguan kecemasan dengan memanfaatkan pendekatan metode Certainty Factor. Penelitian ini dilaksanakan melalui tahapan identifikasi permasalahan, pengumpulan informasi, analisis kebutuhan, pembuatan pohon inferensi, perancangan sistem, proses implementasi, serta pengujian kinerja sistem, dengan menggunakan 4 data penyakit dan 58 data gejala. Sistem berhasil melakukan diagnosis gangguan kecemasan dengan tingkat akurasi sebesar 87,5%. Hasil pengujian memperlihatkan bahwa seluruh fitur sistem berjalan sesuai harapan. Sistem pakar ini mampu mendukung proses diagnosis awal gangguan kecemasan sekaligus menyediakan sumber informasi yang bermanfaat bagi pengguna.