Ito Wasito
Faculty of Computer Science - Universitas Indonesia

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

Found 2 Documents
Search

DATA INTEGRATION SIMULATION USING DATA CONSOLIDATION Ito Wasito; Hadaiq R. Sanabila
Jurnal Ilmu Komputer dan Informasi Vol 4, No 1 (2011): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information)
Publisher : Faculty of Computer Science - Universitas Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2147.985 KB) | DOI: 10.21609/jiki.v4i1.156

Abstract

One of the data integration methods is data consolidation. This method captures data from multiple source systems/data and integrates it into a single persistent data. We examined the performance of data consolidation using k-means and Gaussian mixture clustering. Meanwhile, we use Silhouette index as cluster validation and measure how well of a clustering relative to others. The experiments analyses the data in various data duplication rate and actual number of data cluster. Based on the experimental result, there are two factors affecting the performance of data consolidation. These factors are the rate/percentage of duplicate data and the number of actual cluster contained in a data. The higher percentages of duplicate data and less number of clusters contained in the data would be increasing the performance of clustering algorithm. Salah satu metode dari integrasi data adalah konsolidasi data. Metode ini mengambil data dari beberapa sumber data untuk digabungkan menjadi data persisten tunggal. Peneliti memeriksa kinerja konsolidasi data menggunakan beberapa teknik clustering yaitu k-means dan gaussian mixture clustering. Penulis menggunakan Silhouette index sebagai metode validasi cluster untuk mengukur seberapa baik suatu pengelompokan relatif terhadap data lain. Penelitian ini melakukan analisis data terhadap jumlah rata-rata duplikasi data dan jumlah sebenarnya dari cluster data. Berdasarkan hasil percobaan, ada dua faktor yang mempengaruhi kinerja integrasi data dengan menggunakan konsolidasi data. Faktor-faktor tersebut antara lain adalah tingkat atau persentase dari duplikasi data dan jumlah cluster sebenarnya yang terkandung dalam data. Persentase duplikasi data yang tinggi dan data yang mengandung jumlah cluster yang rendah, akan meningkatkan kinerja dari algoritma clustering.
Analisis Peran Atlet Dota 2 Dengan Algoritma Random Forest Dicky Huang; Ito Wasito
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 1: MARET 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i1.216

Abstract

Dota 2 merupakan permainan action real time yang tergolong dalam game dengan genre strategi. Dalam Dota 2, para pemain dibagi menjadi 2 tim, yaitu, radiant dan dire untuk melawan satu sama lain. Setiap tim terdiri dari lima pemain, dengan peran masing-masing yang telah dipilih sebelumnya, salah satu cara dalam mengidentifikasi pemain berdasarkan keahliannya adalah dengan melakukan prediksi peran berdasarkan hasil statistik permainan sebelumnya. Untuk memprediksi kesesuaian pemain terhadap perannya, kami menggunakan Random Forest sebagai classifier dalam algoritma. Penelitian ini bertujuan menyortir pemain terhadap peran yang sesuai dengan permainannya. Metode random forest digunakan sebagai model prediksi yang meraih hasil akurasi sebesar 86,89%. Adapun penggunaan Confusion Matrix yang berfungsi untuk mengevaluasi teknik kategorisasi. Hasil penelitian ini menunjukkan bahwa penggunaan teknik Random Forest dapat menentukan peran yang sesuai bagi setiap pemain. Hasil tersebut dapat digunakan oleh perusahaan dan pelatih untuk melakukan prediksi terhadap peran yang sesuai dengan kualitas pemain tersebut.