Garuda - Garba Rujukan Digital

PREDIKSI HARGA KOMODITI JAGUNG MENGGUNAKAN K-NN DAN PARTICLE SWARM OPTIMAZATION SEBAGAI FITUR SELEKSI Lasulika, Mohamad Efendi
ILKOM Jurnal Ilmiah Vol 9, No 3 (2017)
Publisher : Program Studi Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (675.082 KB)

Jagung merupakan komponen terpenting pakan pabrikan di dunia, terutama di daerah tropis. Fluktuasi harga produk pertanian akan mengakibatkan ikut berfluktuasinya pendapatan yang diterima oleh petani dari hasil produksi pertanian mereka. Salah satu upaya untuk mengantisipasi terjadinya fluktuasi harga adalah dengan melakukan peramalan harga. Peramalan harga dimaksudkan untuk melakukan prakiraan/prediksi harga masa depan dalam kurun waktu tertentu, dengan hasil keluaran berupa harga masa depan. metode KNN dapat digunakan untuk memprediksi harga komoditi. Hasil eksperiment yang telah dilakukan peneliti menunjukkan bahwa algoritma K-NN berbasis Particle Swarm Optimazation lebih baik dibandingkan dengan algoritma K-NN tanpa fitur seleksi. Berdasarkan hasil penelitian nilai RMSE terendah terdapat pada K-Nearest Neighbor berbasis Particle Swarm Optimazation untuk data jagung dengan variabel periode 4 parameter k 7 nilai population 5 Max Of Generation 40 dengan nilai RMSE 0,06

KOMPARASI NAÏVE BAYES, SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBOR UNTUK MENGETAHUI AKURASI TERTINGGI PADA PREDIKSI KELANCARAN PEMBAYARAN TV KABEL Lasulika, Mohamad Efendi
ILKOM Jurnal Ilmiah Vol 11, No 1 (2019)
Publisher : Univeristas Muslim Indonesia

One obstacle of the default payment is the lack of analysis in the new customer acceptance process which is only reviewed from the form provided at registration, as for the purpose of this study to find out the highest accuracy results from the comparison of Naïve Bayes, SVM and K-NN Algorithms. It can be seen that the Naïve Bayes algorithm which has the highest accuracy value is 96%, while the K-Neural Network algorithm has the highest accuracy at K = 3 which is 92%, while Support Vector Machine only gets accuracy of 66%. The ROC Curve results show that Naïve Bayes achieved the best AUC value of 0.99. Comparison between data mining classification algorithms namely Naïve Bayes, K-Neural Network and Support Vector Machine for predicting smooth payment using multivariate data types, Naïve Bayes method is an accurate algorithm and this method is also very dominant towards other methods. Based on Accuracy, AUC and T-tests this method falls into the best classification category.

Klasifikasi Nasabah Kredit Koperasi Menggunakan Algoritma K-Nearest Neighbor Haditsah Annur; Moh Efendi Lasulika
Jurnal Informatika Upgris Vol 5, No 2: Desember (2019)
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/jiu.v5i2.4343

Koperasi yang bergerak dalam usaha simpan pinjam merupakan usaha yang penuh resiko, salah satunya yaitu kredit macet sebagai resiko kerugian. Salah satu koperasi di Kota Gorontalo yang masih aktif yaitu Koperasi Wanita “Kasih Ibu”, Tujuan Penelitian ini bertujuan untuk implementasi algoritma K-Nearest Neighbor dalam mengklasifikasi status kelayakan nasabah kredit. Manfaat Penelitian ini yaitu dapat mengurangi resiko kredit nasabah koperasi dan meningkatkan keuntungan pendapatan koperasi wanita “Kasih Ibu”. Penelitian ini juga dapat dijadikan pedoman atau pengambil keputusan dalam memperoleh nasabah kredit koperasi.Metode pelaksanaan Penelitian ini diawali dengan tahap awal pengambilan data dengan menggunakan beberapa variabel atau atribut seperti Plafon Pinjaman, Jenis Jaminan, Jangka Waktu, Jenis Pekerjaan, Penghasilan, Status Perkawinan, Status Rumah, Jenis Anggota, Status Kredit. Tahap kedua yaitu menganalisa data dengan membuat database, Luaran Penelitian ini yaitu artikel ilmiah yang dipublikasikan pada Jurnal Nasional Tidak Terakreditasi. Tingkat Kesiapan Teknologi penelitian ini koperasi akan memiliki suatu pemodelan komputerisasi yang dapat mengklasifikasikan atau mengelompokkan status nasabah kredit koperasi, seperti nasabah kredit macet dan nasabah kredit lancar. Hasil Penelitian . Data diuji untuk mendapatkan Accuracy dan hasil pengujian dari algoritma K-NN dengan menggunakan K=1 sehingga diperoleh hasil akurasi sebesar 77.78 %. Maka dari itu algoritma K-NN baik digunakan dalam klasifikasi nasabah kredit koperasi, sehingga Koperasi dapat mencegah resiko kredit nasabah mereka.

Security System Analysis against Flood Attacks Using TCP, UDP, and ICMP Protocols on Mikrotik Routers Warid Yunus; Mohamad Efendi Lasulika
International Journal of Advances in Data and Information Systems Vol. 3 No. 1 (2022): April 2022 - International Journal of Advances in Data and Information Systems
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25008/ijadis.v3i1.1231

Advances in information technology today require all existing computer networks to be able to show that the security system model continues to be considered very important for users who want security both from inside and outside the network. An attack on a network server can occur at any time, as for an attack that can cause a dangerous effect on a router, namely DDOS / flood by flooding the router with very many data packets so that the router can be paralyzed in terms of handling the network system. In this study, descriptive research was applied to obtain data directly by conducting flooding techniques and analyzing and designing flooding prevention techniques with filtering techniques. The application of filtering on the firewall on MikroTik can minimize attacks and prevention directly by dropping flooding packets automatically so that MikroTik performance remains stable

PREDIKSI HARGA KOMODITI JAGUNG MENGGUNAKAN K-NN DAN PARTICLE SWARM OPTIMAZATION SEBAGAI FITUR SELEKSI Mohamad Efendi Lasulika
ILKOM Jurnal Ilmiah Vol 9, No 3 (2017)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v9i3.148.233-238

Jagung merupakan komponen terpenting pakan pabrikan di dunia, terutama di daerah tropis. Fluktuasi harga produk pertanian akan mengakibatkan ikut berfluktuasinya pendapatan yang diterima oleh petani dari hasil produksi pertanian mereka. Salah satu upaya untuk mengantisipasi terjadinya fluktuasi harga adalah dengan melakukan peramalan harga. Peramalan harga dimaksudkan untuk melakukan prakiraan/prediksi harga masa depan dalam kurun waktu tertentu, dengan hasil keluaran berupa harga masa depan. metode KNN dapat digunakan untuk memprediksi harga komoditi. Hasil eksperiment yang telah dilakukan peneliti menunjukkan bahwa algoritma K-NN berbasis Particle Swarm Optimazation lebih baik dibandingkan dengan algoritma K-NN tanpa fitur seleksi. Berdasarkan hasil penelitian nilai RMSE terendah terdapat pada K-Nearest Neighbor berbasis Particle Swarm Optimazation untuk data jagung dengan variabel periode 4 parameter k 7 nilai population 5 Max Of Generation 40 dengan nilai RMSE 0,06

KOMPARASI NAÃVE BAYES, SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBOR UNTUK MENGETAHUI AKURASI TERTINGGI PADA PREDIKSI KELANCARAN PEMBAYARAN TV KABEL Mohamad Efendi Lasulika
ILKOM Jurnal Ilmiah Vol 11, No 1 (2019)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v11i1.408.11-16

One obstacle of the default payment is the lack of analysis in the new customer acceptance process which is only reviewed from the form provided at registration, as for the purpose of this study to find out the highest accuracy results from the comparison of NaÃ¯ve Bayes, SVM and K-NN Algorithms. It can be seen that the NaÃ¯ve Bayes algorithm which has the highest accuracy value is 96%, while the K-Neural Network algorithm has the highest accuracy at K = 3 which is 92%, while Support Vector Machine only gets accuracy of 66%. The ROC Curve results show that NaÃ¯ve Bayes achieved the best AUC value of 0.99. Comparison between data mining classification algorithms namely NaÃ¯ve Bayes, K-Neural Network and Support Vector Machine for predicting smooth payment using multivariate data types, NaÃ¯ve Bayes method is an accurate algorithm and this method is also very dominant towards other methods. Based on Accuracy, AUC and T-tests this method falls into the best classification category.

Komparasi Algoritma Data Mining Menggunakan Forward selection Pada Prediksi Harga Jagung Mohamad Efendi Lasulika; Andi Bode
JURNAL TECNOSCIENZA Vol. 5 No. 2 (2021): TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51158/tecnoscienza.v5i2.392

Meningkatnya volume produksi jagung yang diperdagangkan dan kecenderungan harga jagung dipasaran menuntut kebijakan pemerintah dalam mengendalikan stabilasi harga jagung. Sehingga pemerintah kesulitan dalam menentukan atau memprediksi harga komoditi yang akan datang, namun pada penelitian ini hanya fokus pada beberapa algoritma klasifikasi untuk mengetahui algoritma apakah yang mempunyai tingkat akurasi tertinggi dalam hal prediksi harga jagung sehingga dapat digunakan dalam melakukan prediksi harga beberapa hari kedepannya. Dalam data mining ada beberapa algoritma klasifikasi yang dapat digunakan, seperti K-Neural Network, Artificial Neural Network, Naïve Bayes, Regresi Linear, C-45 dll, namun pada penelitian ini hanya fokus pada dua metode saja yaitu Naïve Bayes dan K- Neural Network. Berdasarkan hasil penelitian yang dilakukan metode K-nn merupakan metode yang sangat bagus atau baik dalam melakukan prediksi ataupun klasifikasi, hala ini dapat dilihat dari hasil RMSE yang di hasilkan yaitu 0,05, metode ini mampu menghasilkan nilai terbaik walaupun tanpa adanya penambahan metode lain seperti forward selection, sementara itu untuk naïve bayes metode ini juga merupakan metode terbaik dalam melakukan prediksi ataupun klasifikasi, akan tetapi naïve bayes mempunyai beberapa kekurangan apabila digunakan untuk type data univariate ataupun numerical. Penambahan forward selection kepada pengolahan data dapat membantu menghasilkan akurasi yang baik pula. Walaupun tanpa forward selection K-NN dan Naïve bayes merupakan metode komputasi yang sangat baik dalam prediksi ataupun klasifikasi. Kata kunci: Harga Jagung, Komparasi Metode, K-Neural Network, Naïve bayes, forward selection

Aplikasi Diagnosa Penyakit Hama Tanaman Kakao Menggunakan Metode Certainty Factor Pada Dinas Perkebunan dan Peternakan Provinsi Gorontalo Andi Bode; Mohamad Efendi Lasulika; Muh. Jabal Nur
JURNAL TECNOSCIENZA Vol. 5 No. 2 (2021): TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51158/tecnoscienza.v5i2.403

Kakao merupakan komoditas yang diperdagangkan yang memiliki peluang untuk berkembang dan dapat berkembang serta menambah devisa negara. Tanaman kakao terserang berbagai hama dan penyakit, Hama dan penyakit tersebut dapat dilihat dari gejala yang ditimbulkannya, namun untuk mengetahui secara pasti jenis hama dan penyakit yang menyerang kakao diperlukan tenaga ahli / ahli pertanian. Sedangkan tenaga ahli pertanian yang jumlahnya terbatas dan tidak dapat sekaligus menyelesaikan permasalahan petani, sehingga diperlukan suatu aplikasi dengan kemampuan ahli yang berisi keahlian ahli pertanian tentang penyakit dan gejala tanaman kakao. Pada penelitian ini dirancang aplikasi diagnostik dengan menggunakan metode kepastian Certainty Factor dan metode inferensi Backward Chaining, dengan bantuan bahasa pemrograman PHP (PHP: Hypertext Preprocessor) dan Basi Data MySQL. Aplikasi ini dirancang untuk membantu petani dalam mendiagnosis penyakit tanaman kakao. Kata kunci: Certainty Factor, Hama dan Penyakit, Tanaman Kakao

Fitur Ekstraksi LBP Untuk Mengidentifikasi Kematangan Tomat Sayur Menggunakan Metode K-Nearest Neighbor Sri Rahayu Hidiya; Moh. Efendi Lasulika
Jurnal Cosphi Vol 3, No 1 (2019): Januari-Juli 2019
Publisher : Teknik Elektro - Universitas Ichsan Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (515.732 KB)

Mengidentifikasi kematangan tomat sayur dalam penelitian ini dibagi menjadi 3 bagian yaitu belum matang, matang, dan setengah matang. Penelitian ini bertujuan untuk mengidentifikasi kematangan tomat sayur berdasarkan tingkat akurasi yang dihitung menggunakan Confusion Matriks. Metode penelitian ini terdiri dari konversi citra RGB ke Grayscale, Normalisasi Citra, Klasifikasi dan Ekstraksi Fitur. Pada penelitian ini terdapat 103 dataset, kemudian dibagi menjadi 93 data training dan 10 data testing. Pada 93 data training akan dibagi menjadi 3 kelompok yaitu 31 tomat belum matang, 31 tomat matang, dan 31 tomat matang. Data training yang digunakan dalam penelitian ini merupakan data real dari hasil camera Canon D7000. Algoritma yang digunakan untuk proses klasifikasi adalah algoritma K-NN. Pada percobaan model K-NN dengan jumlah K=1, maka didapatkan nilai akurasi yaitu 60 %. Pada percobaan model K-NN dengan jumlah K=3, maka didapatkan nilai akurasi yaitu 70 %. Pada percobaan model K-NN dengan jumlah K=5, maka didapatkan nilai akurasi yaitu 60 %. Pada percobaan model K-NN dengan jumlah K=7, maka didapatkan nilai akurasi yaitu 60 %. Dengan demikian nilai akurasi tertinggi dari penerapan metode Local Binary Pattern dan K- Nearest Neighbor pada masalah identifikasi kematangan tomat sayur menggunakan confusion matriks yaitu pada percobaan model K-NN dengan jumlah K=3

K-NEAREST NEIGHBOR MENGGUNAKAN FEATURE SELECTION BACKWARD ELIMINATION UNTUK PREDIKSI JUMLAH PERMINTAAN DARAH PADA PMMI KOTA GORONTALO Yulianti Lasena; Sunarto Taliki; Mohamad Efendi Lasulika; Andi Bode
Jurnal Indonesia : Manajemen Informatika dan Komunikasi Vol. 4 No. 1 (2023): Jurnal Indonesia : Manajemen Informatika dan Komunikasi (JIMIK)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) AMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/jimik.v4i1.172

The importance of the availability of blood at PMI, it is expected that PMI always maintains the amount of blood supply to meet the need for blood transfusions. Prediction of blood supply is needed to overcome problems related to bloodstock supply at PMI Gorontalo. The application of predicting the number of blood requests with the K-Nearest Neighbor Algorithm can be done to overcome the existing problems. K-NN is a non-parametric algorithm that can be used for classification and regression. The last few decades have been used in prediction cases, but the K-NN algorithm is better if feature selection is applied in selecting features that are not relevant to the model, the feature selection used in this study is Backward Selection. This study aims to determine the error value in predicting the number of requests for blood at the PMI in Gorontalo City. Meanwhile, the purpose of this research is to find the error value of the K-Nearest Neighbor Algorithm and Feature Selection which can be used as a reference for PMI in making policies to make various efforts to maintainbloodstockk in the future.

Title

Found 19 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 19 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 19 Documents
Search