Garuda - Garba Rujukan Digital

Identifikasi Sel Darah Merah Bertumpuk Menggunakan Pohon Keputusan Fuzzy Berbasis Gini Index Mandyartha, Eka Prakarsa; Kurniawan, Muchammad; Perdana, Rizal Setya
Jurnal Buana Informatika Vol 6, No 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (717.118 KB)

Pendekatan teknik data mining diusulkan untuk identifikasi sel darahmerah bertumpuk pada citra makroskopik sel darah untuk meningkatkan akurasipenghitungan jumlah sel darah merah. Fitur yang digunakan adalah geometri danwarna. Fitur geometri terdiri dari luasan dan eksentrisitas sel. Pada prosesidentifikasi digunakan pendekatan fuzzy. Setiap fitur direpresentasikan denganfungsi keanggotaan fuzzy. Identifikasi dilakukan berdasarkan aturan yangdiperoleh dari pohon keputusan fuzzy yang dibangkitkan. Pencabangan multisplitdigunakan pada pohon keputusan fuzzy. Pengukuran split atribut menggunakannilai gini index. Hasil pengujian pada 10 citra makroskopik sel darah yangmengandung 532 sel darah merah menunjukkan bahwa metode yang diusulkanmemiliki rata-rata akurasi sebesar 96,14%. Dengan akurasi yang tinggidiharapkan dapat meningkatkan akurasi diagnosis penyakit berdasarkan jumlahsel darah merah.

Prediksi Code Defect Perangkat Lunak Dengan Metode Association Rule Mining dan Cumulative Support Thresholds Perdana, Rizal Setya; Yuhana, Umi Laili
Jurnal Buana Informatika Vol 6, No 2 (2015): Jurnal Buana Informatika Volume 6 Nomor 2 April 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (317.005 KB)

Kualitas perangkat lunak merupakan salah satu penelitian pada bidangrekayasa perangkat lunak yang memiliki peranan yang cukup besar dalamterbangunnya sistem perangkat lunak yang berkualitas baik. Prediksi defectperangkat lunak yang disebabkan karena terdapat penyimpangan dari prosesspesifikasi atau sesuatu yang mungkin menyebabkan kegagalan dalam operasionaltelah lebih dari 30 tahun menjadi topik riset penelitian. Makalah ini akandifokuskan pada prediksi defect yang terjadi pada kode program (code defect).Metode penanganan permasalahan defect pada kode program akan memanfaatkanpola-pola kode perangkat lunak yang berpotensi menimbulkan defect pada data setNASA untuk memprediksi defect. Metode yang digunakan dalam pencarian polaadalah memanfaatkan Association Rule Mining dengan Cumulative SupportThresholds yang secara otomatis menghasilkan nilai support dan nilai confidencepaling optimal tanpa membutuhkan masukan dari pengguna. Hasil pengujian darihasil pemrediksian defect kode perangkat lunak secara otomatis memiliki nilaiakurasi 82,35%.

Penjadwalan Perkuliahan dengan Pendekatan Evolutionary Algorithm (Studi Kasus : Sistem Informasi Akademik (SIAKAD) Program Teknologi Informasi dan Ilmu Komputer Universitas Brwijaya) Wicaksono, Satrio Agung; Setiyawan, R. Arief; Setiyawan, Budi Darma; Hernawan, Ari; Perdana, Rizal Setya
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 1, No 2 (2014)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (763.832 KB)

Abstrak Untuk menyusun jadwal kuliah bukanlah sesuatu yang mudah karena terkait aturan-aturan yang ada. Penjadwalan perkuliahan jika dilakukan dengan cara manual tentu saja akan memakan waktu cukup lama. Oleh karena itu pada penelitian ini mencoba untuk melakukan pendekatan menggunakan evolutionary algorithm untuk mempermudah dalam pembuatan jadwal kuliah dengan menerapkan aturan yang berlaku. Kromosom disusun dalam bentuk representasi string dengan susunan yang mewakili hari, jam perkuliahan, ruang dan gedung. Dari beberapa percobaan paremeter yang digunakan, diperoleh hasil optimal pada jumlah individu 100 dan peluang crossover sebesar 75%. Kata kunci: algoritma evolusi, algoritma genetik, penjadwalan mata kuliah. Abstract It is not an easy task to arange academic schedule because it is affected by many constraints. If this scheduling is done manually, it will consume many times. Therefore, this research tries to use the evolutionary algorithm approach to do schedulling by applying the applicable rules. Chromosomes are represented as string, which each of them consist of days, times, rooms, dan the buildings. From some experiments whisch are used in this research, optimal result obtained when use 100 individu in one population and 75% chance of crossover. Keywords: evolution algorithm, genetic algorithm, class scheduling

PEMILIHAN KATA KUNCI UNTUK DETEKSI KEJADIAN TRIVIAL PADA DOKUMEN TWITTER MENGGUNAKAN AUTOCORRELATION WAVELET COEFFICIENTS Perdana, Rizal Setya; Fatichah, Chastine; Purwitasari, Diana
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 13, No 2, Juli 2015
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v13i2.a484

ABSTRAK Pada penelitian ini diajukan sebuah sistem pendeteksian kejadian yang berulang secara periodik (trivial) dengan pem-ilihan kata kunci kejadian penting menggunakan perhitungan korelasi (autocorrelation) pada wavelet coefficient. Pem-ilihan kata kunci dilakukan untuk menemukan kata yang berulang secara periodik yang dianggap sebagai kejadian trivi-al. Hasil penelitian menunjukkan pemilihan kata kunci dengan nilai confidence boundary yang paling optimal adalah 0.20 pada nilai autocorrelation sebesar 31. Proses yang dilakukan oleh pengguna untuk menemukan kata kunci dari sua-tu kejadian, secara manual pengguna harus membaca banyak tweet dalam jumlah tertentu. Kata kunci yang merepresen-tasikan suatu kejadian penting menentukan tingkat penting atau tidaknya suatu kejadian. Pengguna twitter memiliki keterbatasan untuk membaca seluruh tweet yang ada untuk mengetahui adanya suatu kejadian. Sistem deteksi kejadian pada twitter telah dilakukan oleh para peneliti dalam bidang analisis sosial media. Pendeteksian kejadian trivial atau tidak penting yang terpisah dari kejadian penting diperlukan untuk memisahkan dua kejadian tersebut. Proses eliminasi terhadap kejadian trivial akan menyisakan tweet kejadian penting. Salah satu kejadian trivial adalah kejadian yang ber-ulang secara periodik dimana membutuhkan suatu cara spesifik untuk mendeteksi kemunculannya. Pendeteksian kejadian dilakukan dengan memanfaatkan pola-pola temporal atau sinyal dari data Twitter dalam bentuk sinyal wavelet untuk mendeteksi kemunculan kejadian penting. Pada penelitian ini melakukan pendeteksian kejadian yang berulang secara periodik dengan pemilihan kata kunci untuk kejadian penting. Sistem pendeteksian kejadian penting melakukan perhitungan terhadap autocorrelation pada koefisien wavelet. Hasil perhitungan menunjukkan bahwa pemilihan kata kunci paling optimal pada nilai confidence boundary sebesar 0.20 dan nilai autocorrelation sebesar 31.

Prediksi Code Defect Perangkat Lunak Dengan Metode Association Rule Mining dan Cumulative Support Thresholds Perdana, Rizal Setya; Yuhana, Umi Laili
Jurnal Buana Informatika Vol 6, No 2 (2015): Jurnal Buana Informatika Volume 6 Nomor 2 April 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v6i2.408

Kualitas perangkat lunak merupakan salah satu penelitian pada bidangrekayasa perangkat lunak yang memiliki peranan yang cukup besar dalamterbangunnya sistem perangkat lunak yang berkualitas baik. Prediksi defectperangkat lunak yang disebabkan karena terdapat penyimpangan dari prosesspesifikasi atau sesuatu yang mungkin menyebabkan kegagalan dalam operasionaltelah lebih dari 30 tahun menjadi topik riset penelitian. Makalah ini akandifokuskan pada prediksi defect yang terjadi pada kode program (code defect).Metode penanganan permasalahan defect pada kode program akan memanfaatkanpola-pola kode perangkat lunak yang berpotensi menimbulkan defect pada data setNASA untuk memprediksi defect. Metode yang digunakan dalam pencarian polaadalah memanfaatkan Association Rule Mining dengan Cumulative SupportThresholds yang secara otomatis menghasilkan nilai support dan nilai confidencepaling optimal tanpa membutuhkan masukan dari pengguna. Hasil pengujian darihasil pemrediksian defect kode perangkat lunak secara otomatis memiliki nilaiakurasi 82,35%.

Identifikasi Sel Darah Merah Bertumpuk Menggunakan Pohon Keputusan Fuzzy Berbasis Gini Index Mandyartha, Eka Prakarsa; Kurniawan, Muchammad; Perdana, Rizal Setya
Jurnal Buana Informatika Vol 6, No 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v6i1.398

Pendekatan teknik data mining diusulkan untuk identifikasi sel darahmerah bertumpuk pada citra makroskopik sel darah untuk meningkatkan akurasipenghitungan jumlah sel darah merah. Fitur yang digunakan adalah geometri danwarna. Fitur geometri terdiri dari luasan dan eksentrisitas sel. Pada prosesidentifikasi digunakan pendekatan fuzzy. Setiap fitur direpresentasikan denganfungsi keanggotaan fuzzy. Identifikasi dilakukan berdasarkan aturan yangdiperoleh dari pohon keputusan fuzzy yang dibangkitkan. Pencabangan multisplitdigunakan pada pohon keputusan fuzzy. Pengukuran split atribut menggunakannilai gini index. Hasil pengujian pada 10 citra makroskopik sel darah yangmengandung 532 sel darah merah menunjukkan bahwa metode yang diusulkanmemiliki rata-rata akurasi sebesar 96,14%. Dengan akurasi yang tinggidiharapkan dapat meningkatkan akurasi diagnosis penyakit berdasarkan jumlahsel darah merah.

BOT SPAMMER DETECTION IN TWITTER USING TWEET SIMILARITY AND TIME INTERVAL ENTROPY Rizal Setya Perdana; Tri Hadiah Muliawati; Reddy Alexandro
Jurnal Ilmu Komputer dan Informasi Vol 8, No 1 (2015): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information)
Publisher : Faculty of Computer Science - Universitas Indonesia

The popularity of Twitter has attracted spammers to disseminate large amount of spam messages. Preliminary studies had shown that most spam messages were produced automatically by bot. Therefore bot spammer detection can reduce the number of spam messages in Twitter significantly. However, to the best of our knowledge, few researches have focused in detecting Twitter bot spammer. Thus, this paper proposes a novel approach to differentiate between bot spammer and legitimate user accounts using time interval entropy and tweet similarity. Timestamp collections are utilized to calculate the time interval entropy of each user. Uni-gram matching-based similarity will be used to calculate tweet similarity. Datasets are crawled from Twitter containing both normal and spammer accounts. Experimental results showed that legitimate user may exhibit regular behavior in posting tweet as bot spammer. Several legitimate users are also detected to post similar tweets. Therefore it is less optimal to detect bot spammer using one of those features only. However, combination of both features gives better classification result. Precision, recall, and f-measure of the proposed method reached 85,71%, 94,74% and 90% respectively. It outperforms precision, recall, and f-measure of method which only uses either time interval entropy or tweet similarity.

Penjadwalan Perkuliahan dengan Pendekatan Evolutionary Algorithm (Studi Kasus : Sistem Informasi Akademik (SIAKAD) Program Teknologi Informasi dan Ilmu Komputer Universitas Brwijaya) Satrio Agung Wicaksono; R. Arief Setiyawan; Budi Darma Setiyawan; Ari Hernawan; Rizal Setya Perdana
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 1 No 2: Oktober 2014
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Abstrak Untuk menyusun jadwal kuliah bukanlah sesuatu yang mudah karena terkait aturan-aturan yang ada. Penjadwalan perkuliahan jika dilakukan dengan cara manual tentu saja akan memakan waktu cukup lama. Oleh karena itu pada penelitian ini mencoba untuk melakukan pendekatan menggunakan evolutionary algorithm untuk mempermudah dalam pembuatan jadwal kuliah dengan menerapkan aturan yang berlaku. Kromosom disusun dalam bentuk representasi string dengan susunan yang mewakili hari, jam perkuliahan, ruang dan gedung. Dari beberapa percobaan paremeter yang digunakan, diperoleh hasil optimal pada jumlah individu 100 dan peluang crossover sebesar 75%. Kata kunci: algoritma evolusi, algoritma genetik, penjadwalan mata kuliah. Abstract It is not an easy task to arange academic schedule because it is affected by many constraints. If this scheduling is done manually, it will consume many times. Therefore, this research tries to use the evolutionary algorithm approach to do schedulling by applying the applicable rules. Chromosomes are represented as string, which each of them consist of days, times, rooms, dan the buildings. From some experiments whisch are used in this research, optimal result obtained when use 100 individu in one population and 75% chance of crossover. Keywords: evolution algorithm, genetic algorithm, class scheduling

Identifikasi Sel Darah Merah Bertumpuk Menggunakan Pohon Keputusan Fuzzy Berbasis Gini Index Eka Prakarsa Mandyartha; Muchammad Kurniawan; Rizal Setya Perdana
Jurnal Buana Informatika Vol. 6 No. 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v6i1.398

Pendekatan teknik data mining diusulkan untuk identifikasi sel darahmerah bertumpuk pada citra makroskopik sel darah untuk meningkatkan akurasipenghitungan jumlah sel darah merah. Fitur yang digunakan adalah geometri danwarna. Fitur geometri terdiri dari luasan dan eksentrisitas sel. Pada prosesidentifikasi digunakan pendekatan fuzzy. Setiap fitur direpresentasikan denganfungsi keanggotaan fuzzy. Identifikasi dilakukan berdasarkan aturan yangdiperoleh dari pohon keputusan fuzzy yang dibangkitkan. Pencabangan multisplitdigunakan pada pohon keputusan fuzzy. Pengukuran split atribut menggunakannilai gini index. Hasil pengujian pada 10 citra makroskopik sel darah yangmengandung 532 sel darah merah menunjukkan bahwa metode yang diusulkanmemiliki rata-rata akurasi sebesar 96,14%. Dengan akurasi yang tinggidiharapkan dapat meningkatkan akurasi diagnosis penyakit berdasarkan jumlahsel darah merah.

Prediksi Code Defect Perangkat Lunak Dengan Metode Association Rule Mining dan Cumulative Support Thresholds Rizal Setya Perdana; Umi Laili Yuhana
Jurnal Buana Informatika Vol. 6 No. 2 (2015): Jurnal Buana Informatika Volume 6 Nomor 2 April 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v6i2.408

Kualitas perangkat lunak merupakan salah satu penelitian pada bidangrekayasa perangkat lunak yang memiliki peranan yang cukup besar dalamterbangunnya sistem perangkat lunak yang berkualitas baik. Prediksi defectperangkat lunak yang disebabkan karena terdapat penyimpangan dari prosesspesifikasi atau sesuatu yang mungkin menyebabkan kegagalan dalam operasionaltelah lebih dari 30 tahun menjadi topik riset penelitian. Makalah ini akandifokuskan pada prediksi defect yang terjadi pada kode program (code defect).Metode penanganan permasalahan defect pada kode program akan memanfaatkanpola-pola kode perangkat lunak yang berpotensi menimbulkan defect pada data setNASA untuk memprediksi defect. Metode yang digunakan dalam pencarian polaadalah memanfaatkan Association Rule Mining dengan Cumulative SupportThresholds yang secara otomatis menghasilkan nilai support dan nilai confidencepaling optimal tanpa membutuhkan masukan dari pengguna. Hasil pengujian darihasil pemrediksian defect kode perangkat lunak secara otomatis memiliki nilaiakurasi 82,35%.

Title

Found 33 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 33 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 33 Documents
Search