Claim Missing Document
Check
Articles

Klasifikasi Berat Badan Lahir Rendah (BBLR) menggunakan Metode Support Vector Machine dengan Teknik SMOTE Anindya Celena Khansa Kirana; Muhammad Tanzil Furqon; Achmad Ridok
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 6 No 7 (2022): Juli 2022
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

One of the main causes of infant mortality is associated with an increase in the Neonatal Mortality Rate (AKN) with low birth weight (LBW). LBW needs to be identified and predicted to prevent death when knowing the risk of LBW. In this study, a classification system was built as the initial identification of LBW. The data used comes from medical record data for childbirth at the Ardimulyo Public Health Center, Malang Regency for the January-August 2021 period in the form of imbalanced class. In this study, the method used is the Support Vector Machine (SVM) by combining the Synthetic Minority Oversampling Technique (SMOTE) technique. The performance of the SVM method without the SMOTE technique and the SVM method with the SMOTE technique using a linear kernel and RBF are compared in this study. Tests were carried out using 3-fold cross validation on kernel and parameter testing to find the best method and independent data testing of all methods. to compare the two. Based on testing the evaluation results obtained are less than optimal because they get low results. By testing the 3-fold cross validation test, the best results are obtained on the RBF kernel with the parameter lamda of 0.1, gamma of 0.001, complexity of 20, maximum iteration of 100, and epsilon of 0.001. Meanwhile, the results of data testing show that the best method is the RBF kernel SVM method without using SMOTE, which results in accuracy of 0.75, precision of 0.5, recall of 0.2, and f-measure of 0.2857.
Optimasi Portofolio Saham menggunakan Algoritma Genetika Adaptif pada Indeks Saham LQ45 Rama Humam Syarokha; Dian Eka Ratnawati; Achmad Ridok
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 6 No 13 (2022): Publikasi Khusus Tahun 2022
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Diterbitkan di JTIIK (Jurnal Teknologi Informasi dan Ilmu Komputer)
Sistem Klasifikasi Kualitas Daging Ayam Broiler sebagai Bahan Pembuatan Bakso berdasar Nilai Resistansi dan Kadar Amonia dengan menggunakan Metode Fuzzy Iqbal Maulana Susanto; Barlian Henryranu Prasetio; Achmad Ridok
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 1 (2023): Januari 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

The availability of chicken meat is inversely proportional to the demand, resulting in meatball producers being unable to choose proper chicken meat. In making meatballs, quality meat is needed that is fresh, firm, and fit for consumption. Then a classification system was created that could detect quality of chicken meat based on the aroma and texture. System input values come from the MQ-135 gas sensor and resistance circuit (voltage divider). Input data is processed using the fuzzy - Mamdani method on Arduino Pro Mini. Processed data is displayed on the Oled ST7789 LCD and the buzzer sound indicator. The system is small in size with a voltage source from the battery, so the classification system is portable. The results of functional testing of the MQ-135 sensor in measuring ammonia gas levels affect the output voltage value by 96.78%. While the voltage range has a measurement of 96.29% with a measurement range of 1K-100KΩ. Broiler filet breast meat has an average resistance value of 26.32K - 33.92KΩ and an ammonia content of 5.41 - 7.41 ppm with wet-processed meat, while the average resistance value and ammonia content of dry processed meat is 27.02K - 34.52KΩ and 5.45 - 7.33 ppm. System accuracy in classifying using the fuzzy - Mamdani method has a proportion of 83.33% in 24 tests.
Klasifikasi Performa Pelajar dalam Proses Pembelajaran menggunakan Extreme Gradient Boosting (XGBoost) Ikhsan Putra Arisandi; Fitra Abdurrachman Bachtiar; Achmad Ridok
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 13 (2023): Publikasi Khusus Tahun 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Dipublikasikan di Journal of Educational Data Mining (JEDM)
Karakterisasi Pola Faktor Afektif Mahasiswa pada HSS Learning Menggunakan Algoritma Fuzzy C-Means Hasyir Daffa Ibrahim; Fitra Abdurrachman Bachtiar; Achmad Ridok
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 14 (2023): Antrian Publikasi
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pencapaian akademik mahasiswa dipengaruhi oleh kemampuannya dalam meregulasikan emosinya yang sering kali dikesampingkan. Adanya perkuliahan daring berdampak terhadap emosi mahasiswa dari tingkat depresi, kecemasan, dan stresnya dengan signifikan. Dosen lebih sulit dalam memonitor mahasiswa dari segi emosinya dalam perkuliahan daring dibandingkan perkuliahan luring. Sebelumnya sudah terdapat penelitian terdahulu terkait pengaruh faktor afektif terhadap capaian pembelajaran mahasiswa, namun penelitian yang dilakukan sampel datanya dikumpulkan dalam jangka waktu yang pendek, menggunakan beberapa kuesioner afektif, dan menggunakan metode clustering yang bersifat hierarchical dibandingkan menggunakan metode clustering yang lebih sederhana. Dalam penelitian ini, pengumpulan data dilakukan selama satu bulan menggunakan kuesioner afektif AEQ - S, DASS 21, ERQ dan nilai ujian Posttest serta algoritma Fuzzy C Means. Preprocessing yang dilakukan berupa reduksi dimensi menggunakan Principal Component Analysis. Pengujian pencarian hyperparameter terbaik dilakukan secara pengujian parsial dan menyeluruh yang kinerjanya diukur menggunakan silhouette score. Hasil penelitian memperoleh tiga pola karakter atau profil mahasiswa yang mempengaruhi capaian pembelajarannya. Silhouette score yang diperoleh dalam seluruh analisis cukup baik dengan nilai diatas 0.4 dan bahkan ada yang mendekati 0.5.
Application of Deep Convolutional Generative Adversarial Networks to Generate Pose Invariant Facial Image Synthesis Data Jagad Nabil Tuah Imanda; Fitra Bachtiar; Achmad Ridok
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 7 No 5 (2023): October 2023
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v7i5.5112

Abstract

The field of technology is currently developing rapidly, one of the developments is artificial intelligence. Artificial intelligence can still find it difficult to solve problems that are easy for humans to do but difficult for computers to describe, such as facial recognition. There are still several problems related to the existing facial recognition model, namely, the facial recognition model is still unable to recognize facial shapes that are not in a perfect state due to several factors such as face position, lighting, expression, and obstacles covering the face. Among these several factors, the most influencing factor is the position of the face. Therefore, in this study, deep convolutional generative adversarial networks (DCGANs) will be applied to generate fake image data with varying face positions. This research will be carried out starting from collecting data, processing data, designing and training models, hyperparameter tuning, and lastly analyzing test results. Based on the results of hyperparameter tuning that were performed sequentially, the best hyperparameter combination produced is 200 epoch, 0.002 Generator learning rate, 0.5 Generator momentum/beta1, Adam as Generator optimizer, 0.0002 Discriminator learning rate, 0.5 Discriminator momentum/beta1, and Adam as Discriminator optimizer. The combination of hyperparameters gives a result with an FID score of 74.05. Based on testing with human observers, generated fake images have relatively good results, but there are still few bad fake image results
Peringkasan Teks Otomatis menggunakan Metode Latent Semantic Analysis pada Artikel Berita Ekonomi berbahasa Indonesia Sianturi, Manat Hendry Fernando; Ridok, Achmad; Santoso, Edy
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 6 (2023): Juni 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Teks artikel berita merupakan dokumen yang memuat berbagai macam informasi yang memiliki ragam topik salah satunya ekonomi. Teks artikel berita umumnya terdiri atas banyak paragraf sehingga dibutuhkan sebuah sistem untuk mengekstrak informasi untuk menyajikan ide-ide pokok atau informasi-informasi penting dari sebuah artikel berita kepada pembaca. Peringkasan dokumen secara otomatis merupakan solusi untuk membantu mendapatkan intisari dari dokumen. Pada penelitian ini memaparkan peringkasan artikel berita ekonomi berbahasa Indonesia menggunakan metode Latent Semantic Analysis yang menggunakan pendekatan aljabar linear singular value decomposition (SVD) dengan membentuk matriks representasi dari asosiasi term yang merupakan kata-kata pada dokumen yang berhubungan erat dari proses perhitungan TF-IDF. Pengujian penelitian ini memperoleh nilai rata-rata precission, recall, f-measure dan akurasi pada nilai compression rate sebesar 10% secara berurutan adalah 0.791667, 0.148054, 0.242747 dan 0.90152, pada nilai compression rate sebesar 30% secara berurutan adalah 0.475, 0.171828, 0.2264444 dan 0.787366 dan pada nilai compression rate sebesar 50% secara berurutan adalah 0.357857, 0.268677, 0.293111, 0.628009. Pada evaluasi pengujian yang dilakukan menghasilkan precison dan akurasi terbaik pada saat compression rate 10% dengan nilai 0.7416 dan akurasi 0.909853. Sedangkan untuk recall, dan f-measure terbaik dihasilkan pada saat compression rate 50% dengan nilai 0.25201 dan 0.284788.
Identifikasi Kerusakan Transmisi pada Mobil Otomatis Torque Converter menggunakan Pendekatan Improved K-Nearest Neighbor Ricardo, Muhammad Erico; Indriati, Indriati; Ridok, Achmad
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 6 (2023): Juni 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Peningkatan mobilitas masyarakat Indonesia dipicu oleh pertumbuhan penduduk dan popularitas mobil bertransmisi otomatis. Mobil bertransmisi otomatis lebih mudah digunakan, tetapi perawatannya sering diabaikan oleh pemilik. Hal ini dapat menyebabkan kerusakan, yang sulit didiagnosis oleh teknisi yang tidak berpengalaman. Sistem klasifikasi kerusakan transmisi otomatis torque converter dikembangkan untuk mengatasi permasalahan ini. Sistem ini menggunakan pendekatan Improved K-Nearest Neighbor, yang merupakan pengembangan dari metode K-Nearest Neighbor dengan menggunakan Z-Distance. Hasil penelitian menunjukkan bahwa sistem klasifikasi ini memiliki akurasi tertinggi sebesar 95,83%. Nilai precision, recall, dan F-measure masing-masing adalah 96,87%, 97,50%, dan 96,82%. Pada pengujian K-Fold Cross Validation, sistem ini menghasilkan rata-rata akurasi sebesar 91.66%.
Analisis Sentimen Pengguna Jalan Tol Tangerang – Merak dengan Metode Naïve Bayes dan Seleksi Fitur Query Expansion Ranking Firdausi, Fathina Atsila; Indriati; Ridok, Achmad
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 3 (2024): Maret 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Jalan tol Tangerang – Merak, yang menghubungkan wilayah Tangerang Barat hingga ujung barat Pulau Jawa, memiliki peran krusial dalam mendukung konektivitas dan menjadi jalur logistik vital antara Pulau Jawa dan Sumatera. Sejak diberlakukannya perluasan lajur dan penyesuaian tarif terbaru, berbagai opini pengguna jalan tol Tangerang – Merak muncul, terutama di media sosial seperti Instagram. Opini-opini ini tercermin melalui analisis sentimen, mempertimbangkan normalisasi kata-kata slang yang banyak digunakan dalam komentar Instagram. Penelitian ini mengimplementasikan metode Naïve Bayes serta seleksi fitur Query Expansion Ranking (QER). Hasil pengujian menggunakan 5-folds cross validation dengan 250 data komentar menunjukkan rasio pengujian fitur berperan penting pada kinerja model. Pada rasio penggunaan fitur 100%, model mencapai kinerja optimal dengan akurasi 0.884, dan pada rasio 80% menunjukkan performa lebih baik dengan akurasi 0.892. Pengujian selanjutnya pada normalisasi kata slang meningkatkan performa model dengan akurasi 0.884, sementara model tanpa normalisasi menghasilkan akurasi 0.872. Sentimen opini pengguna jalan tol Tangerang – Merak dari 50 data komentar cenderung negatif dengan persentase 60%, dan positif 40%.
Analisis Sentimen Opini Masyarakat Terhadap Fenomena TikTokShop di Indonesia Menggunakan Metode K-Nearest Neighbor berbasis N-gram dengan Seleksi Fitur Information Gain Mahendra, Zianka; Indriati; Ridok, Achmad
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 5 (2024): Mei 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

TikTokShop merupakan fitur terbaru yang diperkenalkan dalam platform TikTok. Di tengah popularitasnya yang sedang melonjak pemerintah Indonesia secara mendadak mengambil keputusan untuk menutup akses ke fitur ini. Keputusan ini telah menyebabkan masyarakat memiliki pandangan tersendiri terhadap suatu kebijakan pemerintah baik itu positif (mendukung) ataupun negatif (menyangkal). Opini masyarakat terhadap TikTokShop tersebar luas di media sosial, termasuk dalam kolom komentar pada platform youtube yang sangat masif diperbincangkan. Analisis Sentimen menjadi kunci untuk memahami pandangan mendalam masyarakat terhadap kebijakan ini. Analisis Sentimen pada penelitian ini menggunakan kombinasi metode K-Nearest Neighbors (KNN) berbasis N-Gram dan Information Gain sebagai seleksi fitur. Fitur N-Gram yang digunakan dalam penelitian ini adalah fitur Unigram, Bigram dan Gabungan Unigram-Bigram. Berdasarkan pengujian yang telah dilakukan, didapatkan hasil bahwa nilai terbaik terdapat pada fitur Unigram dan nilai threshold yang digunakan adalah 100%, menghasilkan akurasi sebesar 89%, dengan recall 89%, Precision sebesar 89.00%, dan F-Measure sebesar 89.00%. Berdasarkan temuan tersebut, dapat disimpulkan bahwa dalam menganalisis sentimen opini masyarakat Indonesia terhadap TikTokShop, metode K-Nearest Neighbor (KNN) dengan fitur Unigram dan tanpa seleksi fitur Information Gain memberikan hasil terbaik.