Article Per Year (5 Year)
p-Index From 2020 - 2025
1.971
P-Index
This Author published in this journals
All Journal Jurnal Simetris MAGISTRA MUSTEK ANIM HA Scientific Journal of Informatics Emitor: Jurnal Teknik Elektro Jurnal Teknika Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal Penelitian dan Pengabdian Kepada Masyarakat UNSIQ Metalurgi INFOMATEK: Jurnal Informatika, Manajemen dan Teknologi Abdimasku : Jurnal Pengabdian Masyarakat Community Empowerment International Journal of Environmental, Sustainability, and Social Science Mattawang: Jurnal Pengabdian Masyarakat Jurnal PkM Setiadharma MANTHANO: Jurnal Pendidikan Kristen Jurnal Pengabdian Pada Masyarakat REI MAI: Jurnal Ilmu Teologi dan Pendidikan Kristen El-Mujtama: Jurnal Pengabdian Masyarakat
Wiyono, Slamet
Politeknik Harapan Bersama Tegal
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Scientific Journal of Informatics

 1 
Metode K-Means untuk Optimasi Klasifikasi Tema Tugas Akhir Mahasiswa Menggunakan Support Vector Machine (SVM) Somantri, Oman; Wiyono, Slamet; Dairoh, Dairoh
Scientific Journal of Informatics Vol 3, No 1 (2016): May 2016
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v3i1.5845

Abstract

Masih sulitnya dalam menentukan klasifikasi tema tugas akhir mahasiswa sering dialami oleh setiap perguruan tinggi. Algoritma SVM digunakan untuk mengklasifikasi jenis tema tugas akhir mahasiswa. SVM merupakan metode yang banyak digunakan untuk klasifikasi. K-Means Clustering merupakan metode pengelompokan paling sederhana yang mengelompokkan data kedalam k kelompok berdasar pada centroid masing-masing kelompok. Optimasi klasifikasi tema tugas akhir mahasiswa menggunakan SVM dan K-Means untuk meningkatkan tingkat akurasi. Hasil yang diperoleh memiliki tingkat akurasi yang lebih baik yaitu 86,21%. 
Metode K-Means untuk Optimasi Klasifikasi Tema Tugas Akhir Mahasiswa Menggunakan Support Vector Machine (SVM) Somantri, Oman; Wiyono, Slamet; Dairoh, Dairoh
Scientific Journal of Informatics Vol 3, No 1 (2016): May 2016
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v3i1.5845

Abstract

Masih sulitnya dalam menentukan klasifikasi tema tugas akhir mahasiswa sering dialami oleh setiap perguruan tinggi. Algoritma SVM digunakan untuk mengklasifikasi jenis tema tugas akhir mahasiswa. SVM merupakan metode yang banyak digunakan untuk klasifikasi. K-Means Clustering merupakan metode pengelompokan paling sederhana yang mengelompokkan data kedalam k kelompok berdasar pada centroid masing-masing kelompok. Optimasi klasifikasi tema tugas akhir mahasiswa menggunakan SVM dan K-Means untuk meningkatkan tingkat akurasi. Hasil yang diperoleh memiliki tingkat akurasi yang lebih baik yaitu 86,21%.
Metode K-Means untuk Optimasi Klasifikasi Tema Tugas Akhir Mahasiswa Menggunakan Support Vector Machine (SVM) Somantri, Oman; Wiyono, Slamet; Dairoh, Dairoh
Scientific Journal of Informatics Vol 3, No 1 (2016): May 2016
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v3i1.5845

Abstract

Masih sulitnya dalam menentukan klasifikasi tema tugas akhir mahasiswa sering dialami oleh setiap perguruan tinggi. Algoritma SVM digunakan untuk mengklasifikasi jenis tema tugas akhir mahasiswa. SVM merupakan metode yang banyak digunakan untuk klasifikasi. K-Means Clustering merupakan metode pengelompokan paling sederhana yang mengelompokkan data kedalam k kelompok berdasar pada centroid masing-masing kelompok. Optimasi klasifikasi tema tugas akhir mahasiswa menggunakan SVM dan K-Means untuk meningkatkan tingkat akurasi. Hasil yang diperoleh memiliki tingkat akurasi yang lebih baik yaitu 86,21%. 
Co-Authors . SUNARDI Aditya Rahman Af'idah, Dwi Intan Agus Pramono AMANDA, Febyanti Dwi Andree Saylendra, Andree Ani Susilawati Anwar, Moch. Syaiful Arsjah, Regina J. Arwam, Bryan. A. Ayu Aulia Oktaviani Bachtiar, M. Yusuf Daeli, Florus Dairoh Dairoh, Dairoh Danny Dega Surono Wibowo, Dega Surono Erwin Erwin Fahira, Hilza Firdaus, Rizki Amsyarul Hanock, Edward E. Hanock, Edward. E. Herviana, Ditta Ahmad Jarinah, Jarinah Laoli, Arosokhi Mabruri, Efendi Muhammad Fikri Hidayattullah, Muhammad Fikri Mulyaningsih, Asih Netsen Nugroho, Hady Zhakwan Nurhakiki, M. Nurul Anriani Oman Somantri Pangestu, Mohammad Prayoga Pitriani, Sinta Putri, Widiya Ratono, Ratono Sartika, Nenden Suciyati Simamora, Adam Yonas Tarso Rudiana, Tarso Taufiq Abidin, Taufiq Titik Aryati Tuti Rostianti Maulani Ucu Wandi Somantri Yundari, Yundari Yustia Hapsari, Yustia