Garuda - Garba Rujukan Digital

PENENTUAN JENIS TINDAKAN OPERASI LALU LINTAS BERDASARKAN TINGKAT KERAWANAN LALULINTAS MENGGUNAKAN METODE ANALYTIC HIERARCHY PROCESS DAN VISUALISASI PEMETAAN DI WILAYAH KABUPATEN JEPARA Aprilia, Ayu Riana Devi; Waspada, Indra
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 9, No 1 (2018): JURNAL SIMETRIS VOLUME 9 NO 1 TAHUN 2018
Publisher : Universitas Muria Kudus

Jumlah pelanggaran lalu lintas yang terjadi di Indonesia meningkat dari tahun ke tahun. Sejak 2012 hingga 2016, angka pelanggaran melonjak hingga 47 persen. Untuk meningkatkan ketertiban lalu lintas disuatu daerah, aparatur kepolisian memiliki tiga jenis tindakan yaitu penyuluhan, patroli, dan razia. Pada awalnya belum ada metode tertentu yang digunakan atasan dalam memutuskan jenis tindakan disuatu wilayah, hanya berdasarkan pengamatan dari atasan saja, sehingga dalam pelaksanaannya dimungkinkan masih kurang akurat dalam aspek prioritas jenis tindakan yang diambil. Pada penelitian ini telah dibangun suatu sistem menggunakan metode Analytic Hierarchy Process (AHP) yang dapat memberikan informasi lebih cepat dan mudah dipahami dalam penentuan jenis tindakan operasi lalu lintas untuk tiap kecamatan di kabupaten Jepara. Hasil kalkulasi AHP berupa urutan prioritas tindakan. Data-data yang dibutuhkan dalam penghitungan AHP adalah usia pelanggar pelanggar dibawah 17 tahun, usia pelanggar 17 tahun ke atas, dan total kejadian kecelakaan. Untuk memudahkan interaksi dengan pengguna maka hasil urutan prioritas tersebut disajikan dalam bentuk peta yang dapat menampilkan warna merah untuk razia, warna kuning untuk patroli, dan warna hijau untuk penyuluhan. Hasil black box testing menunjukkan bahwa fungsionalitas yang diterapkan pada sistem sudah sesuai, sedangkan hasil dari usability testing menunjukkan sistem dapat diterima oleh pengguna. Kata kunci: pelanggaran lalu lintas, jenis tindakan, analytic hierarchy process.

APLIKASI HYBRID PADA SISTEM INFORMASI PENYEWAAN BUKU Pradana, Dimas Iqbal; Waspada, Indra
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 10, No 1 (2019): JURNAL SIMETRIS VOLUME 10 NO 1 TAHUN 2019
Publisher : Universitas Muria Kudus

Saat ini persewaan buku konvensional mengalami permasalahan dalam manajemen data, pemberian informasi koleksi buku, serta transaksi penyewaan yang mengharuskan penyewa untuk mendatangi tempat persewaan buku. Untuk itu diperlukan suatu sistem informasi yang dapat mendukung transaksi penyewaan. Penggunaan smartphone yang memiliki akses internet sudah menjadi hal umum. Pemanfaatan aplikasi mobile yang mendukung akses internet dalam pengembangan sistem informasi penyewaan buku dapat memberi kemudahan penggunaan dan akses informasi yang cepat bagi penyewa buku. Beragamnya jenis mobile platform menyebabkan pengembangan aplikasi mobile native menjadi tidak efisien, baik dalam aspek waktu maupun biaya pengembangan. Sebagai solusinya, teknologi mobile hybrid dapat mengatasi masalah tersebut. Berdasarkan latar belakang tersebut maka dibangun aplikasi mobile hybrid pada sisi klien sistem informasi penyewaan buku menggunakan framework Ionic. Klien ini terhubung dengan aplikasi back-end web administrator melalui RESTful Web Service.

Penerapan Algoritma C4.5 pada Aplikasi Prediksi Kelulusan Mahasiswa Prodi Informatika Putri, Ratna Puspita Sari; Waspada, Indra
Khazanah Informatika Vol. 4 No. 1 Juni 2018
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v4i1.5975

Data tentang mahasiswa yang lulus merupakan sebuah data yang penting baik bagi departemen, fakultas maupun universitas karena data tersebut digunakan dalam proses akreditasi. Data tentang mahasiswa yang lulus terus bertambah di tiap tahunnya dan menumpuk seperti data yang terabaikan karena jarang digunakan. Data tentang mahasiswa yang lulus dapat memberikan informasi yang berguna jika dimanfaatkan dengan maksimal. Maka dari itu, penelitian ini akan memanfaatkan data tentang mahasiswa yang lulus dengan mengolahnya menggunakan data mining untuk mendapatkan informasi berupa prediksi kelulusan mahasiswa. Metode yang akan digunakan adalah metode pohon keputusan yang dibangun dengan algoritma C4.5 disertai dengan algoritma error-based pruning untuk proses pemotongan pohon keputusan. Kriteria yang akan digunakan adalah jenis kelamin, asal daerah, IPK, dan TOEFL. Dalam penerapannya, algoritma C4.5 dapat digunakan untuk menghasilkan prediksi kelulusan dengan nilai rata-rata precision 63.93%, recall 60.73%, dan akurasi 60.52%. Setelah pohon keputusan dipotong dengan menggunakan metode error-based pruning, didapatkan hasil yang lebih baik. Pohon yang dipotong dengan menggunakan nilai confidence 0,4 menghasilkan precision 70.70%, recall 50.65%, dan akurasi 61.57%. Sedangkan pohon yang dipotong dengan menggunakan nilai confidence 0,25 menghasilkan precision 73.77%, recall 48.84%, dan akurasi 62.44%.

IMPLEMENTASI DATA MINING UNTUK KLASIFIKASI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Nikmatun, Inna Alvi; Waspada, Indra
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 10, No 2 (2019): JURNAL SIMETRIS VOLUME 10 NO 2 TAHUN 2019
Publisher : Universitas Muria Kudus

Akreditasi merupakan salah satu bentuk penilaian mutu dan kelayakan program studi di perguruan tinggi. Ketepatan waktu mahasiswa dalam menyelesaikan studi dan proporsi mahasiswa yang menyelesaikan studi dalam batas masa studi termasuk dalam elemen penilaian akreditasi. Hal tersebut menunjukkan diperlukan pemantauan terhadap masa studi mahasiswa. Rata-rata masa studi mahasiswa di Departemen Informatika Universitas Diponegoro masih di atas 4 tahun sehingga perlu dilakukan evaluasi dengan membangun aplikasi pengklasifikasian masa studi mahasiswa. Dengan mempertimbangkan keseimbangan data maka pengklasifikasian masa studi mahasiswa menggunakan kelas target masa studi <5 tahun dan >=5 tahun. Pada penelitian ini menggunakan data riwayat mahasiswa tahun angkatan 2007 sampai dengan 2011 yang telah lulus dengan jumlah data sebanyak 377 orang dengan 72 atribut nilai mata kuliah dan 1 kelas target berupa masa studi. Penelitian ini dilakukan dengan mengikuti tahap pengerjaan data mining yang mengacu pada proses knowledge discovery in database (KDD). Pengklasifikasian dilakukan dengan menggunakan algoritma K-Nearest Neighbor. Aplikasi data mining berhasil dibangun dengan hasil percobaan menunjukkan bahwa hasil klasifikasi masa studi terbaik diperoleh dengan memilih atribut dari semua mata kuliah pilihan dengan nilai akurasi 75.95%.

THE DESIGN OF EXPLORATORY APPLICATION AND PREPROCESSING OF EVENT LOG DATA IN LMS MOODLE-BASED ONLINE LEARNING ACTIVITIES FOR PROCESS MINING Aulia, Demaspira; Waspada, Indra
Khazanah Informatika Vol. 5 No. 2 December 2019
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v5i2.8023

Process Mining is one of the sub-studies of Data Mining that focuses on the events of a system. An area that benefits from process mining is education, especially online learning. This study used Moodle as a platform to provide online event activity log data in online learning. Moodle-based process mining requires several stages that are not easily understood directly by teachers. As a solution, some efforts are needed to integrate Moodle with process mining. This study built an application that could contribute to the Preprocessing and Exploratory Data Analysis (EDA) stages of Moodle event log data ? as an important part of the process mining stage. Preprocessing was implemented by using the simple heuristic filtering method, while EDA was employed through visualization using flow control and dotted charts. Eventually, the application built in this study successfully performed preprocessing in Moodle event log data and could display the results visually, as a tool of control flow analysis and dotted chart analysis.

IMPLEMENTASI DATA MINING UNTUK KLASIFIKASI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Nikmatun, Inna Alvi; Waspada, Indra
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 10, No 2 (2019): JURNAL SIMETRIS VOLUME 10 NO 2 TAHUN 2019
Publisher : Universitas Muria Kudus

Akreditasi merupakan salah satu bentuk penilaian mutu dan kelayakan program studi di perguruan tinggi. Ketepatan waktu mahasiswa dalam menyelesaikan studi dan proporsi mahasiswa yang menyelesaikan studi dalam batas masa studi termasuk dalam elemen penilaian akreditasi. Hal tersebut menunjukkan diperlukan pemantauan terhadap masa studi mahasiswa. Rata-rata masa studi mahasiswa di Departemen Informatika Universitas Diponegoro masih di atas 4 tahun sehingga perlu dilakukan evaluasi dengan membangun aplikasi pengklasifikasian masa studi mahasiswa. Dengan mempertimbangkan keseimbangan data maka pengklasifikasian masa studi mahasiswa menggunakan kelas target masa studi lebih kecil dari 5 tahun dan lebih kecil atau sama dengan 5 tahun. Pada penelitian ini menggunakan data riwayat mahasiswa tahun angkatan 2007 sampai dengan 2011 yang telah lulus dengan jumlah data sebanyak 377 orang dengan 72 atribut nilai mata kuliah dan 1 kelas target berupa masa studi. Penelitian ini dilakukan dengan mengikuti tahap pengerjaan data mining yang mengacu pada proses knowledge discovery in database (KDD). Pengklasifikasian dilakukan dengan menggunakan algoritma K-Nearest Neighbor. Aplikasi data mining berhasil dibangun dengan hasil percobaan menunjukkan bahwa hasil klasifikasi masa studi terbaik diperoleh dengan memilih atribut dari semua mata kuliah pilihan dengan nilai akurasi 75.95%.

PENENTUAN JENIS TINDAKAN OPERASI LALU LINTAS BERDASARKAN TINGKAT KERAWANAN LALULINTAS MENGGUNAKAN METODE ANALYTIC HIERARCHY PROCESS DAN VISUALISASI PEMETAAN DI WILAYAH KABUPATEN JEPARA Aprilia, Ayu Riana Devi; Waspada, Indra
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 9, No 1 (2018): JURNAL SIMETRIS VOLUME 9 NO 1 TAHUN 2018
Publisher : Universitas Muria Kudus

Jumlah pelanggaran lalu lintas yang terjadi di Indonesia meningkat dari tahun ke tahun. Sejak 2012 hingga 2016, angka pelanggaran melonjak hingga 47 persen. Untuk meningkatkan ketertiban lalu lintas disuatu daerah, aparatur kepolisian memiliki tiga jenis tindakan yaitu penyuluhan, patroli, dan razia. Pada awalnya belum ada metode tertentu yang digunakan atasan dalam memutuskan jenis tindakan disuatu wilayah, hanya berdasarkan pengamatan dari atasan saja, sehingga dalam pelaksanaannya dimungkinkan masih kurang akurat dalam aspek prioritas jenis tindakan yang diambil. Pada penelitian ini telah dibangun suatu sistem menggunakan metode Analytic Hierarchy Process (AHP) yang dapat memberikan informasi lebih cepat dan mudah dipahami dalam penentuan jenis tindakan operasi lalu lintas untuk tiap kecamatan di kabupaten Jepara. Hasil kalkulasi AHP berupa urutan prioritas tindakan. Data-data yang dibutuhkan dalam penghitungan AHP adalah usia pelanggar pelanggar dibawah 17 tahun, usia pelanggar 17 tahun ke atas, dan total kejadian kecelakaan. Untuk memudahkan interaksi dengan pengguna maka hasil urutan prioritas tersebut disajikan dalam bentuk peta yang dapat menampilkan warna merah untuk razia, warna kuning untuk patroli, dan warna hijau untuk penyuluhan. Hasil black box testing menunjukkan bahwa fungsionalitas yang diterapkan pada sistem sudah sesuai, sedangkan hasil dari usability testing menunjukkan sistem dapat diterima oleh pengguna. Kata kunci: pelanggaran lalu lintas, jenis tindakan, analytic hierarchy process.

Performance Analysis of Isolation Forest Algorithm in Fraud Detection of Credit Card Transactions Waspada, Indra; Bahtiar, Nurdin; Wirawan, Panji Wisnu; Awan, Bagus Dwi Ari
Khazanah Informatika Vol. 6 No. 2 October 2020
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v6i2.10520

Losses incurred due to fraud on e-commerce transactions, especially those based on credit cards, continue to increase, resulting in large losses each year. One mechanism to minimize the risk of fraudulent credit card transactions is to utilize a detection technique for ongoing transactions. Credit card transaction data in its original state does not have a label, and the amount of fraud data on the training data is very small so that it belongs to a very unbalanced category, and the pattern of fraud continues to change. Isolation forest is an unsupervised algorithm that is efficient in detecting anomalies. Several techniques can be applied to improve the performance of the Isolation forest model. Previous studies used the ROC-AUC metric in analyzing the performance of Isolation Forests, which could provide incorrect information. This study made two contributions; the first is to present a performance analysis with both the ROC-AUC and AUCPR. Thus, it can be seen that the high ROC-AUC value does not guarantee the model has the reliability in detecting fraud. In comparison, the information provided through AUCPR is more appropriate to describe the ability of the model to capture data fraud. The second contribution is to propose several techniques that can be applied to improve the performance of the Isolation forest model, namely to optimize the determination of the amount of training data, feature selection, the amount of fraud contamination, and setting hyper-parameters in the modeling stage (training). Experiments were carried out using a real-life dataset from ULB. The best results are obtained when the validation data split ratio is 60:40, using the five most important features, using only 60% of fraud data, and setting hyper-parameters with the number of trees 100, 128 sample maximum, and 0.001 contamination. The validation performance of this model is precision 0.809917, recall 0.710145, F1-score 0.756757, ROC-AUC 0.969728, and AUCPR 0.637993, while for Testing results obtained precision 0.807143, recall 0.763514, F1-score 0.784722, ROC-AUC 0.97371, and AUCPR 0.759228.

Classification of Motorcyclists not Wear Helmet on Digital Image with Backpropagation Neural Network Sutikno Sutikno; Indra Waspada; Nurdin Bahtiar; Priyo Sidik Sasongko
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 14, No 3: September 2016
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v14i3.3486

One of the world’s leading causes of death is traffic accidents. Data from World Health Organization (WHO) that there are 1.25 million people in the world die each year. Meanwhile, based on data obtained from Statistics Indonesia, traffic accidents from 2006 to 2013 continue to increase. Of all these accidents, the largest accident occurred at motorcyclists, especially motorcyclists who not wearing standard helmet. In controlling the motorcyclists, police view directly at the highway, so that there are weaknesses which there are still a possibility of motorcyclist offenders who are undetectable especially for motorcyclists who are not wear helmet. This paper explains research on image classification of human head wearing a helmet and not wearing a helmet with backpropagation neural network algorithm. The test results of this analysis is the application can performs classification with 86.67% accuracy rate. This research can be developed into a larger system and integrated that can be used to detect motorcyclists who are not wearing helmet.

SUPERVISED MACHINE LEARNING MODEL FOR MICRORNA EXPRESSION DATA IN CANCER Indra Waspada; Adi Wibowo; Noel Segura Meraz
Jurnal Ilmu Komputer dan Informasi Vol 10, No 2 (2017): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information
Publisher : Faculty of Computer Science - Universitas Indonesia

The cancer cell gene expression data in general has a very large feature and requires analysis to find out which genes are strongly influencing the specific disease for diagnosis and drug discovery. In this paper several methods of supervised learning (decisien tree, naïve bayes, neural network, and deep learning) are used to classify cancer cells based on the expression of the microRNA gene to obtain the best method that can be used for gene analysis. In this study there is no optimization and tuning of the algorithm to test the ability of general algorithms. There are 1881 features of microRNA gene epresi on 25 cancer classes based on tissue location. A simple feature selection method is used to test the comparison of the algorithm. Expreriments were conducted with various scenarios to test the accuracy of the classification.

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