Sony Kartika Wibisono
Program Studi Informatika Universitas Harapan Bangsa

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

Found 2 Documents
Search

Rancangan Bangun Sistem Pakar Diagnosa Gejala Kecanduan Game Online Pada Remaja Menggunakan Metode Certainty Factor Sony Kartika Wibisono; Amanah Tri Wulandari; Supriyatin Supriyatin
Jurnal IT UHB Vol 2 No 1 (2021): Jurnal Ilmu Komputer dan Teknologi
Publisher : Universitas Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (324.957 KB) | DOI: 10.35960/ikomti.v2i1.661

Abstract

Game online merupakan jenis permainan yang memberikan kesenangan tersendiri bagi pemainnya, karena dapat dimainkan tidak hanya sendiri (singleplayer), namun dapat juga dimainkan dengan dua orang atau lebih (multiplayer) dari berbagai tempat, dan negara yang berbeda. Karena hal itu, banyak yang memainkan game online secara terus menerus sampai lupa waktu, bahkan dapat menyebabkan kecanduan. Oleh karena itu, dibutuhkan sistem pakar untuk mendiagnosa gejala kecanduan game online sebagai sarana mengatasi masalah kecanduan game online tersebut. Aplikasi yang dikembangkan ini bertujuan untuk memprediksi tingkat pertumbuhan penduduk dengan hanya menganalisis data tersebut menggunakan metode Certainty Factor, yaitu metode untuk mengelola ketidakpastian dalam sisem berbasis aturan. Metode ini mampu menangani ketidakpastian jawaban yang ditemukan yaitu ketika pakar tidak dapat mendefinisikan hubungan antara gejala dengan penyebab secara pasti, dan pasien tidak dapat merasakan gejala dengan pasti. Dari hasil metode tersebut terdapat 3 jenis kecanduan online game yang didapat dari seorang pakar yaitu kecanduan ringan (kriteria antara 0.1 s/d 0.39), kecanduan sedang (kriteria antara 0.4 s/d 0.79), dan kecanduan berat (kriteria antara 0.8 s/d 1)
Model Prediksi Otomatis Jenis Penyakit Hipertensi dengan Pemanfaatan Algoritma Machine Learning Artificial Neural Network Purwono Purwono; Pramesti Dewi; Sony Kartika Wibisono; Bala Putra Dewa
Insect (Informatics and Security): Jurnal Teknik Informatika Vol. 7 No. 2 (2022): Maret 2022
Publisher : Universitas Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33506/insect.v7i2.1828

Abstract

Hipertensi merupakan faktor utama dalam perkembangan penyakit seperti stroke, gagal jantung, infark miokard, fibrilasi atrium, penyakit arteri perifer, dan diseksi aorta. Prediksi dini jenis hipertensi dari riwayat kesehatan merupakan hal yang penting agar kita dapat mengetahui penyakit yang disebabkan olehnya. Prediksi ini dapat diperoleh dengan memanfaatkan teknologi machine learning untuk menemukan pengetahuan baru dari data dasar sehingga menemukan pola yang valid, berguna, dan mudah dipelajari. Model klasifikasi neural network diusulkan dalam penelitian ini. Kontribusi kami dalam penelitian ini adalah membuat model klasifikasi neural network. Kami melihat peneliti sebelumnya hanya mengejar nilai akurasi yang tinggi semata. Berbeda dengan penelitian sebelumnya, kami menggunakan teknik optimasi hyperparameter gridsearch cv pada model klasifikasi artificial neural network. Parameter yang digunakan dalam model ini yaitu solver='lbfgs', alpha=1e-5,hidden_layer_sizes=(5, 2), random_state=1. Nilai akurasi ketepatan prediksi dalam menentukan jenis hipertensi ini sebesar 85% yang menunjukan bahwa model yang dibangun tenyata sudah cukup baik dalam proses klasifikasi