Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal KOMPUTA : Jurnal Ilmiah Komputer dan Informatika Jurnal INFOTEL
Ednawati Rainarli
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
SIMULASI PERANCANGAN BEJANA TEKAN DENGAN MENGGUNAKAN METODE BEDA HINGGA Ednawati Rainarli
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 1 No 2 (2012): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputa.v1i2.58

Abstract

Salah satu metode numerik yang digunakanuntuk menyelesaikan persamaan diferensial biasaadalah metode beda hingga, dalam paper inidiberikan simulasi penerapan metode tersebut untukmenyelesaikan masalah nilai batas kususnya untukmengukur besar defleksi dari bejana tekan.Diberikan pula perbandingan galat dari dua caraperhitungan metode beda hingga yaitu fowarddifference dan center difference. Hasilnyamenunjukkan bahwa perhitungan dengan cara centerdifference lebih baik dibandingkan dengan fowarddifference.
Peringkasan dan Support Vector Machine pada Klasifikasi Dokumen Nelly Indriani Widiastuti; Ednawati Rainarli; Kania Evita Dewi
JURNAL INFOTEL Vol 9 No 4 (2017): November 2017
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/infotel.v9i4.312

Abstract

Klasifikasi adalah proses pengelompokkan objek yang memiliki karakteristik atau ciri yang sama ke dalam beberapa kelas. Klasifikasi dokumen secara otomatis dapat dilakukan dengan menggunakan ciri atau fitur kata yang muncul pada dokumen latih. Jumlah dokumen yang besar dan banyak mengakibatkan jumlah kata yang muncul sebagai fitur akan bertambah. Oleh karena itu, peringkasan dipilih untuk mereduksi jumlah kata yang digunakan dalam proses klasifikasi. Untuk proses klasifikasi digunakan metode Support Vector Machine (SVM) untuk multikelas. SVM dipilih karena dianggap memiliki reputasi yang baik dalam klasifikasi. Penelitian ini menguji penggunaan ringkasan sebagai seleksi fitur dalam klasifikasi dokumen. Peringkasan menggunakan kompresi 50%. Hasil yang diperoleh menunjukkan bahwa proses peringkasan tidak mempengaruhi nilai akurasi dari klasifikasi dokumen yang menggunakan SVM. Akan tetapi, penggunaan peringkasan berpengaruh pada peningkatan hasil akurasi dari metode klasifikasi Simple Logistic Classifier (SLC). Hasil pengujian metode klasifikasi menunjukkan bahwa penggunaan metode Naïve Bayes Multinomial (NBM) menghasilkan akurasi yang lebih baik dari pada metode SVM.
Co-Authors Kania Evita Dewi Nelly Indriani Widiastuti