Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Pseudocode ILKOM Jurnal Ilmiah Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer (BALOK)
Irvan Muzakkir
Universitas Dian Nuswantoro
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
PENINGKATAN AKURASI ALGORITMA BACKPROPAGATION DENGAN SELEKSI FITUR PARTICLE SWARM OPTIMIZATION DALAM PREDIKSI PELANGGAN TELEKOMUNIKASI YANG HILANG Muzakkir, Irvan; Syukur, Abdul; Dewi, Ika Novita
PSEUDOCODE Vol 1, No 1 (2014): Jurnal Pseudocode
Publisher : Universitas Bengkulu

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

Abstract

Telekomunikasi adalah salah satu industri, di mana pelanggan memerlukan perhatian khusus, oleh karena itu, manajemen di sebuah perusahaan telekomunikasi ingin kehilangan pelanggan model prediksi untuk efisien memprediksi berpotensi kehilangan pelanggan. Jaringan syaraf adalah metode yang sering digunakan untuk memprediksi. Teknik yang paling populer dalam metode adalah saraf algoritma jaringan backpropagation. Namun algoritma backpropagation memiliki kelemahan pada kebutuhan untuk data pelatihan besar dan optimasi yang digunakan kurang efisien. Particle Swarm Optimization (PSO) adalah suatu algoritma optimasi yang dapat memecahkan yang efektif masalah pada algoritma neural network umumnya menggunakan algoritma backpropagation. Pengujian model dengan berbasis menggunakan Backpropagation Particle Swarm Optimization menggunakan data pelanggan hilang pada telekomunikasi. Model yang dihasilkan diuji untuk memperoleh akurasi dan nilai-nilai AUC dari masing-masing algoritma untuk mendapatkan tes menggunakan nilai yang diperoleh akurasi Backpropagation adalah 85.48% dan nilai AUC adalah 0.531. Sementara pengujian dengan menggunakan Backpropagation berbasis Particle Swarm Optimization dipilih atribut dan penyesuaian nilai parameter yang diperoleh 86.05% akurasi dan nilai AUC adalah 0,637. Dengan demikian dapat disimpulkan bahwa data pelanggan uji hilang dalam telekomunikasi menggunakan aplikasi Particle Swarm Optimization Backpropagation dan dalam pemilihan atribut diperoleh bahwa metode ini lebih akurat dalam prediksi pelanggan hilang telekomunikasi dibandingkan dengan Backpropagation, ditandai dengan peningkatan akurasi 00:57% dan nilai-nilai AUC dari 0.106, dengan nilai yang dimasukkan ke dalam akurasi klasifikasi cukup.Kata Kunci: Telekomunikasi, Neural Network, Backpropagation, Particle Swarm Optimization.
PENINGKATAN AKURASI ALGORITMA BACKPROPAGATION DENGAN SELEKSI FITUR PARTICLE SWARM OPTIMIZATION DALAM PREDIKSI PELANGGAN TELEKOMUNIKASI YANG HILANG Irvan Muzakkir; Abdul Syukur; Ika Novita Dewi
Jurnal Pseudocode Vol 1, No 1 (2014)
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (600.688 KB) | DOI: 10.33369/pseudocode.1.1.1-10

Abstract

Abstrak: Telekomunikasi adalah salah satu industri, di mana pelanggan memerlukan perhatian khusus, oleh  karena  itu,  manajemen  di  sebuah  perusahaan  telekomunikasi  ingin  kehilangan  pelanggan  model prediksi untuk efisien memprediksi berpotensi kehilangan pelanggan. Jaringan syaraf adalah metode yang sering digunakan untuk memprediksi. Teknik yang paling populer dalam metode adalah saraf algoritma jaringan backpropagation. Namun algoritma backpropagationmemiliki kelemahan pada kebutuhan untuk data  pelatihan  besar  dan  optimasi  yang  digunakan  kurang  efisien.  Particle  Swarm  Optimization (PSO) adalah  suatu  algoritma  optimasi  yang  dapat  memecahkan  yang  efektif  masalah  pada  algoritma  neural network umumnya  menggunakan  algoritma  backpropagation.  Pengujian  model  dengan  berbasis menggunakan  Backpropagation Particle Swarm Optimizationmenggunakan data pelanggan hilang pada telekomunikasi. Model yang dihasilkan diuji untuk memperoleh akurasi dan nilai-nilai AUC dari masingmasing  algoritma  untuk  mendapatkan  tes  menggunakan  nilai  yang  diperoleh  akurasi  Backpropagation adalah 85.48% dan nilai AUC adalah 0.531. Sementarapengujian dengan menggunakan Backpropagation berbasis  Particle  Swarm  Optimization dipilih  atribut  dan  penyesuaian  nilai  parameter  yang  diperoleh 86.05% akurasi dan nilai AUC adalah 0,637. Dengan demikian dapat disimpulkan bahwa data pelanggan uji  hilang  dalam  telekomunikasi  menggunakan  aplikasi  Particle  Swarm  Optimization  Backpropagation dan dalam pemilihan atribut  diperoleh bahwa  metode  ini  lebih akurat dalam prediksi pelanggan  hilang telekomunikasi dibandingkan dengan Backpropagation, ditandai dengan peningkatan akurasi 00:57% dan nilai-nilai AUC dari 0.106, dengan nilai yang dimasukkan ke dalam akurasi klasifikasi cukup.Kata  Kunci:  Telekomunikasi,  Neural  Network,  Backpropagation,  Particle  Swarm  Optimization.
Rancang Bangun Sistem Pendukung Keputusan Dalam Analisis Kelayakan Penerima BLP3G Dengan Metode SAW Irvan Muzakkir; Irma Surya Kumala Idris; Sudirman S. Panna; Rifadel Umbas
Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer Vol 3 No 2 (2024): November 2024
Publisher : Teknik Informatika Fakultas Ilmu Komputer Universitas Ichsan Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37195/balok.v3i2.1200

Abstract

Penelitian ini berfokus pada perancangan dan pembangunan sistem pendukung keputusan untuk menganalisis kelayakan penerima bantuan langsung pangan Pemerintah Provinsi Gorontalo (BLP3G) menggunakan metode Simple Additive Weighting (SAW). Tujuan utama dari penelitian ini adalah untuk mengembangkan sistem yang dapat membantu menentukan calon penerima bantuan secara lebih efektif dan efisien. Pendekatan penelitian yang digunakan adalah studi kasus pada Desa Luwoo Kecamatan Telaga Jaya. Data dikumpulkan melalui observasi dan wawancara untuk memperoleh data primer, serta pengkajian pustaka untuk memperoleh data sekunder. Sistem yang dibangun menggunakan basis data MySQL dan pemrograman PHP dengan Dreamweaver, serta desain antarmuka yang dibuat menggunakan Photoshop. Hasil dari penelitian ini menunjukkan bahwa metode SAW efektif dalam mengolah berbagai kriteria dan atribut yang menentukan kelayakan penerima bantuan, seperti pekerjaan, pendidikan, kepemilikan rumah, dan kondisi fasilitas rumah tangga. Sistem yang dikembangkan mampu memberikan rekomendasi yang akurat dan dapat diandalkan, serta mempermudah pengambilan keputusan oleh pihak berwenang. Kata Kunci : Sistem Pendukung Keputusan, Simple Additive Weighting, Bantuan Langsung Pangan, MySQL, PHP
Case Based Reasoning Method untuk Sistem Pakar Diagnosa Penyakit Sapi Muzakkir, Irvan; Botutihe, Marniyati Husain
ILKOM Jurnal Ilmiah Vol 12, No 1 (2020)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v12i1.506.25-31

Abstract

This study discusses about the Application of Case Based Reasoning (CBR) Method for Expert Systems in Diagnosing Cattle Disease. Beginning with data collection by consulting experts in the Department of Agriculture in Animal Health, Pohuwato Regency. The data obtained in the form of data names of disease and symptom data. The data is obtained based on the steps of the CBR method calculation in order to obtain the results of the diagnosis and the solution provided for handling the disease. Researcher have analyzed and create program listings to build a system that will be used by farmers. Based on CBR calculations Scours case which has the lowest weight is 0.09 while the highest weight is owned by the Pink Eye case 1. In this process provides a solution to the similarity of the case weight from the old case to the new higher case. In the case of Pink Eye having a higher weight and positive exposure to pink eye disease, the solution given is the provision of anti-allergic, anti-biotic and vitamin. Based on the results obtained, it can be concluded that the application of the CBR method is good for using cattle disease and is very helpful for farmers in dealing with cattle disease. 
PENERAPAN METODE TOPSIS UNTUK SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KELUARGA MISKIN PADA DESA PANCA KARSA II Muzakkir, Irvan
ILKOM Jurnal Ilmiah Vol 9, No 3 (2017)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v9i3.156.274-281

Abstract

Menentukan keluarga miskin adalah salah satu upaya pemerintah untuk melakukan intervensi pembangunan dalam bentuk bantuan terhadap keluarga miskin. Tepat sasaran adalah suatu keharusan sehingga benar-benar dapat berdaya guna bagi yang membutuhkan. Perkembangan penduduk Desa Panca Karsa II rata-rata 2% pertahun, sedangkan angka kelahiran dan kematian rata-rata 1% pertahun. Mayoritas mata pencaharian penduduk adalah petani dan buruh tani. Hal ini disebabkan karena sudah turun temurun dan juga minimnya tingkat pendidikan. Model yang digunakan dalam sistem pendukung keputusan ini adalah FMADM dengan menggunakan Metode TOPSIS. Metode TOPSIS tersebut, diharapkan penilaian akan lebih tepat karena didasarkan pada nilai kriteria dan bobot yang sudah ditentukan sehingga akan mendapatkan hasil yang lebih akurat. Untuk itu peneliti mencoba membantu permasalahan tersebut di atas dengan membuatkan suatu sistem pendukung keputusan menggunakan Bahasa Pemrograman PHP dengan Database MySQL, sehingga Penerapan Metode TOPSIS untuk sistem ini dapat memberikan hasil yang maksimal dalam hal pengambilan keputusan.
Particle Swarm optimization-based Neural Network method for predicting satisfaction of recipients of internet data quota assistance from the ministry of education and culture Riadi, Annahl; Muzakkir, Irvan; Botutihe, Marniyati H.
ILKOM Jurnal Ilmiah Vol 14, No 1 (2022)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v14i1.1094.52-56

Abstract

The free quota assistance program for students and lecturers is an assistance program provided by The Ministry of Education and Culture. This program has been implemented since the spread of the covid-19 pandemic in all regions of Indonesia. This assistance is expected to help students and lecturers carry out online learning caused by the pandemic covid-19. This study aims to predict the satisfaction level of the users so that it can help the government in advancing education. The data processing is carried out using the rapid miner application and the neural network method with particle swarm optimization. From the results of data processing, the accuracy value for the neural network algorithm model is 42.44%, and the accuracy value for the PSO-based neural network algorithm model is 91.86%.
Co-Authors Abdul Syukur Abdul Syukur Botutihe, Marniyati Husain Ika Novita Dewi Irma Surya Kumala Idris Riadi, Annahl Rifadel Umbas Sudirman S. Panna