Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal E-JURNAL JUSITI : Jurnal Sistem Informasi dan Teknologi Informasi Journal Entrepreneurship Digital
Rudy Donny Liklikwatil
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Social Sciences

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

Found 2 Documents
Search

 1 
Optimasi K-Nearest Neighbor Dengan Particle Swarm Optimization Untuk Memprediksi Harga Komoditi Karet Rudy Donny Liklikwatil; Edi Noersasongko; Catur Supriyanto
E-JURNAL JUSITI : Jurnal Sistem Informasi dan Teknologi Informasi Vol 7 No 2 (2018): e-jurnal JUSITI
Publisher : Universitas Dipa Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36774/jusiti.v7i2.252

Abstract

Komoditi dan harganya karet mengalami perubahan yang fluktuatif dan menunjukkan pola yang tidak stasioner, di sisi lain pengambilan keputusan bisnis memerlukan data yang akurat dan terukur. Algoritma k-NN merupakan algoritma yang merupakan algoritma unsupervised, dan terbukti baik pada data mining. Sedangkan Particle Swarm Optimization (PSO) menunjukkan performa optimasi yang lebih baik dibandingkan dengan metode yang lain. Penelitian ini  bertujuan untuk merancang metode prakiraan yang dapat memperkirakan tingkat harga dan volume permintaan untuk TSR 20. Prakiraan dilakukan menggunakan Jaringan Syaraf Tiruan dengan algoritma propagasi balik, dimana data yang digunakan adalah data perkembangan pasar TSR pada bursa berjangka SICOM.. Berdasarkan tiga indikator pelatihan yang dijadikan acuan dalam pemilihan arsitektur terbaik, spesifikasi ke 15 tidak perlu melakukan pelatihan sampai epoch maksimum. Dalam teknik PSO terdapat beberapa cara untuk melakukan pengoptimasian diantaranya meningkatkan bobot atribut  terhadap semua atribut atau variable yang dipakai, menseleksi atribut dan fitur seleksi. Hasil penelitian dari prediksi harga komoditi karet dengan menggunakan model k-NN mendapatkan nilai RMSE sebesar 0,087 sedangkan bila menggunakan k-NN yang dioptimasi dengan menggunakan Particle Swarm Optimization didapatkan nilai  RMSE sebesar 0,082 lebih baik dibandingkan dengan hanya menggunakan k-NN saja.
APLIKASI PREDIKSI STATUS PERTUMBUHAN BALITA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS (K-NN) ST. Aminah Dinayati Ghani; Nur Salman; Rudy Donny Liklikwatil; Siti Hajratul Aswa; Maria Nova Sarembona
JED : Journal Entrepreneurship Digital Vol. 2 No. 1 (2024): JED (Journal Entreupreneur Digital)
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Universitas Dipa Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36774/jed.v2i1.1701

Abstract

Pertumbuhan balita merupakan indikator penting dalam menentukan status kesehatan anak di usia dini. Posyandu sebagai layanan kesehatan masyarakat memiliki peran krusial dalam pemantauan tumbuh kembang balita. Posyandu Kuncup Mekar di Desa Je’nemadinging dalam pencatatan dan analisis data pertumbuhan balita masih dilakukan secara manual, sehingga kesalahan dalam interpretasi data dapat terjadi. Penelitian ini bertujuan untuk merancang aplikasi berbasis web yang dapat membantu tenaga kesehatan dalam memprediksi status pertumbuhan balita dengan menggunakan algoritma K-Nearest Neighbors (K-NN). Algoritma K-NN dipilih karena kemampuannya dalam melakukan klasifikasi berdasarkan data historis yang ada. Aplikasi ini akan memanfaatkan data seperti usia, berat badan, tinggi badan, dan lingkar kepala balita untuk melakukan prediksi status pertumbuhan berdasarkan standar WHO (World Health Organization). Pengujian aplikasi menghasilkan tingkat akurasi sebesar 92,98 %. Hal ini membuktikan bahwa aplikasi mampu memprediksi status pertumbuhan balita dengan tingkat kepercayaan yang tinggi, sehingga dapat mendukung deteksi dini masalah gizi serta memungkinkan intervensi yang lebih cepat dan tepat.Hasil penelitian ini diharapkan dapat meningkatkan efisiensi pencatatan data di Posyandu serta membantu tenaga kesehatan dalam mengambil keputusan yang lebih akurat terkait pertumbuhan balita.
Co-Authors Catur Supriyanto Edi Noersasongko Maria Nova Sarembona Salman, Nur Siti Hajratul Aswa ST. Aminah Dinayati Ghani