Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal JURNAL REKAYASA TEKNOLOGI INFORMASI Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika)
Femi Dwi Astuti
STMIK AKAKOM Yogyakarta
Computer Science & IT Decision Sciences, Operations Research & Management

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

Found 2 Documents
Search

 1 
OPTIMASI PEMROGRAMAN QUERY UNTUK ALGORITMA APRIORI BERBASIS ASOSIASI DATA MINING Femi Dwi Astuti; Widyastuti Andriyani
Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Vol 1 (2016): Edisi Juli
Publisher : STIKOM Tunas Bangsa Pematangsiantar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/jurasik.v1i1.3

Abstract

Secara umum, setiap pengukuran diasosiasikan dengan sebuah nilai threshold yang nilainya dapat ditentukan sendiri oleh pengguna data mining. Aturan asosiasi yang tidak menggunakan threshold cenderung tidak menarik karena tidak merepresentasikan pengetahuan kepada pengguna data mining. Salah satu faktor yang memberikan kontribusi untuk menentukan apakah suatu pola menarik atau tidak adalah kesederhanaannya dalam pemahaman manusia. Semakin kompleks struktur sebuah aturan, maka semakin sulit untuk diinterpretasikan sehingga pola yang dibentuk semakin tidak menarik.
Analisis Performa Algoritma K-NN Dan C4.5 Pada Klasifikasi Data Penduduk Miskin Femi Dwi Astuti; Mohammad Guntara
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 2, No 2 (2018): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (89.285 KB) | DOI: 10.30872/jurti.v2i2.1865

Abstract

Status kemiskinan penduduk di Kecamatan Bantul diklasifikasikan  melalui  11 aspek. Jumlah nilai dari keseluruhan aspek akan menentukan kelas kemiskinan diantaranya kelas miskin, sangat miskin dan rawan miskin. Klasifikasi dengan model tersebut membuat hasil pengelompokan kurang akurat sehingga perlu dicoba klasifikasi dengan model yang lain. Analisis performa klasifikasi data penduduk miskin pada penelitian ini dikerjakan menggunakan metode klasifikasi K-NN dan C4.5. Kedua algoritma klasifikasi akan dibandingkan performanya melalui uji akurasi, precision dan recall.Hasil analisis perbandingan performa algoritma K-NN dengan parameter setting k=1 memiliki performa yang paling baik dibandingkan dengan nilai k=10, 100, 1000 maupun algoritma C4.5. Hasil nilai Accuracy sebesar 94,71%, precision sebesar  84,96% dan recall sebesar 83,6%.
Co-Authors Andriyani, Widyastuti Desyandri Desyandri Mohammad Guntara