Article Per Year (5 Year)
p-Index From 2020 - 2025
2.223
P-Index
This Author published in this journals
All Journal Jurnal Pendidikan Teknologi dan Kejuruan PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Journal of Intelligent Systems Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal Teknik Informatika STMIK Antar Bangsa JURNAL PENDIDIKAN TAMBUSAI Jurnal Bumigora Information Technology (BITe) Jumat Informatika: Jurnal Pengabdian Masyarakat Ilmu Komputer untuk Masyarakat Jurnal Ilmu Komputer dan Sistem Informasi Journal of Computer Science Contributions (Jucosco)
Hani Harafani, Hani
STMIK Nusa Mandiri
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Library & Information Science Social Sciences Other

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 20 Documents
Search

 1   2 
Optimasi Parameter Pada Metode Support Vector Machine Berbasis Algoritma Genetika untuk Estimasi Kebakaran Hutan Harafani, Hani; Wahono, Romi Satria
Journal of Intelligent Systems Vol 1, No 2 (2015)
Publisher : IlmuKomputer.Com

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1016.097 KB)

Abstract

Kebakaran hutan merupakan salah satu masalah lingkungan yang mengancam hutan, menimbulkan dampak negatif pada lingkungan, menciptakan masalah ekonomi, dan kerusakan ekologis, serta menyebabkan kerugian penting di seluruh dunia setiap tahunnya. Estimasi area yang terbakar penting dilakukan, karena area yang terbakar dapat mencerminkan berapa kuat radiasi api pada vegetasi disekitarnya. SVM dapat mengatasi masalah klasifikasi dan regresi linier ataupun nonlinier kernel yang dapat menjadi satu kemampuan algoritma pembelajaran untuk klasifikasi serta regresi. Namun, SVM juga memiliki kelemahan yaitu sulitnya menentukan nilai parameter yang optimal. Untuk menyelesaikan permasalahan tersebut algoritma genetika diusulkan untuk diterapkan sebagai algoritma pencarian nilai parameter yang efisien pada SVM. Beberapa eksperimen dilakukan untuk menghasilkan estimasi yang akurat. Awalnya percobaan dilakukan pada kernel –kernel SVM (dot, RBF, polynomial) untuk menentukan kernel mana yang akan digunakan, kemudian model SVM+GA juga dibandingkan dengan model regresi lainnya seperti Linear Regression, k-NN, dan Neural Network. Berdasarkan eksperimen dengan 10 kombinasi parameter pada metode SVM dan SVM+GA dengan kernel dot, RMSE terkecil dihasilkan oleh model SVM+GA sebesar 1.379, sementara pada percobaan SVM dan SVM+GA dengan kernel polynomial RMSE terkecil diperoleh model SVM+GA sebesar 1.379, sedangkan pada percobaan SVM dan SVM+GA dengan kernel RBF diperoleh RMSE terkecil pada model SVM+GA sebesar 1.379.Selanjutnya berdasarkan perbandingan rata-rata RMSE, kernel RBF unggul dengan nilai RMSE terkecil yaitu 1.432 pada SVM, dan 1.418 pada SVM+GA. Pada perbandingan nilai rata-rata RMSE antara SVM(RBF)+GA dengan model lainnya, RMSE terkecil dihasilkan oleh SVM(RBF)+GA yaitu sebesar 1.418, disusul dengan model SVM(RBF) sebesar 1.432, keudian Linear Regression sebesar 1.459, dilanjutkan oleh model k-NN sebesar 1.526 dan yang terakhir adalah NN dengan nilai RMSE sebesar 1.559. maka dapat disimpulkan bahwa optimasi parameter yang dilakukan GA pada model SVM terbukti dapat mengurangi tingkat error pada model SVM tanpa optimasi parameter pada dataset forestfire, selain model SVM(RBF)+GA pada penelitian ini juga terbukti lebih baik dari model regresi lainnya
Optimasi parameter SVM untuk Meningkatkan Estimasi Penyakit Liver dengan Algoritma Genetika Harafani, Hani
Sinkron : Jurnal dan Penelitian Teknik Informatika Vol 4 No 2 (2020): SinkrOn Volume 4 Number 2, April 2020
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (430.556 KB) | DOI: 10.33395/sinkron.v4i2.10524

Abstract

Liver disease is an important public health problem. Over the past few decades, machine learning has developed rapidly and it has been introduced for application in medical-related. In this study we propose Support Vector Machine optimization parameter with genetic algorithm to get a higher performance of Root Mean Square Error value of SVM in order to estimate the liver disorder. The experiment was carried out in three stages, the first step was to try the three SVM kernels with different combination of parameters manually, The second step was to try some combination of range parameters in the genetic algorithm to find the optimal value in the SVM kernel. The third step is comparing the results of the GA-SVM experiment with other regression methods. The results prove that GA has an influence on improving the performance of GA-SVM which has the lowest RMSE value compared to another regression models.
TOGAF ADM to Improve The Promotion of Farm Edu-Tourism in Pondok Rangon Area Sari, Tri Retna; Rahmawati, Eva; Harafani, Hani
Sinkron : jurnal dan penelitian teknik informatika Vol. 3 No. 2 (2019): SinkrOn Volume 3 Number 2, April 2019
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (673.908 KB) | DOI: 10.33395/sinkron.v3i2.10108

Abstract

Edu-tourism is the one of the most popular sub-type of tourism these days,where many countries in the world use Edu-tourism as one of the main sources of income. However, the lack of promotion with such a good planning and good infrastructure makes Edu-tourism on farms less attractive. In this research we try to build a plan to develop an information systems architecture in the Pondok Rangon ranch area to analyze operational activities on the ranch, designing information system development architecture using TOGAF ADM, and make a system information enterprise architecture design model that can be used as one of the facility to optimize the development of the promotion of the educational tourism industry on livestock especially the Pondok Rangon area. This research is only limited to the preliminary phase up to the technology phase so that the next research is expected to meet all the TOGAF ADM phases.
Penerapan Routing EIGRP, RIPv2 Dan OSPF Pada IPv6 Menggunakan Metode Redistribution Maulana, Andry; Harafani, Hani; Setiawan, Ade
Jurnal Pendidikan Teknologi dan Kejuruan Vol 15, No 2 (2018): Edisi Juli 2018
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (447.696 KB) | DOI: 10.23887/jptk-undiksha.v15i2.14276

Abstract

The benefits of a computer network are to be able to exchange information and facilitate the work. Information sent from one network to another cannot be separated from the use of the router. Determination of network address can be done by routing method. Routing on many routers is easier and more efficient when using dynamic routing like EIGRP, OSPF, and RIP. Different route settings become a problem in data transmission. The purpose of this study is to explain the method of routing data transmission route routing. The routing redistribution method is chosen as one way to connect the routing method by combining the method using IPv6. Based on the results of the tests conducted on redistribution routing by looking at the length of time the data packet delivery with ICMP then obtained EIGRP redistribution routing to OSPF with an average value of 3.478 seconds and OSPF redistribution to RIP with an average of 3.486 seconds, and EIGRP redistribution to RIP with average 3,514 seconds. While the value of ICMP data transmission the longest by using OSPF redistribution to EIGRP with an average of 4.976 seconds, RIP redistribution to EIGRP with an average of 4.616 seconds and RIP redistribution to OSPF with an average of 4.462 seconds.
OPTIMASI ALGORITMA GENETIKA PADA K-NN UNTUK MEMPREDIKSI KECENDERUNGAN “BLOG POSTING” Harafani, Hani
Jurnal Pendidikan Teknologi dan Kejuruan Vol 15, No 1 (2018): Edisi Januari 2018
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/jptk-undiksha.v15i1.12873

Abstract

Menentukan faktor utama pola kecenderungan postingan blog merupakan hal yang penting. Beberapa metode machine learning banyak digunakan oleh peneliti dunia untuk mengklasifikasi pola kecenderungan postingan blog, diantaranya: Metode c4.5  Random Tree, Random Forest. k-NN dapat mengatasi masalah klasifikasi dengan baik, namun dibalik keunggulan k-NN pengaturan nilai k yang sangat sensitif kerap menjadi kelemahan dari k-NN. Algoritma Genetika pada penelitian ini telah berhasil memperbaiki akurasi prediksi dengan memberikan hasil nilai k yang optimal bagi k-NN dengan hasil akurasi yang meningkat dibandingkan dengan k-NN dan metode yang digunakan pada penelitian sebelumnya.
Penerapan Algoritma Genetika pada Support Vector Machine Sebagai Pengoptimasi Parameter untuk Memprediksi Kesuburan Harafani, Hani; Maulana, Andry
Jurnal Teknik Informatika Vol. 5 No. 1 (2019): JTI Periode Februari 2019
Publisher : LPPM STMIK ANTAR BANGSA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51998/jti.v5i1.303

Abstract

Abstract— Fertility rates ini various countries have decreased. The result of the WHO study found 50% the causes of infertility were men caused by a decrease in the quality of semen. In this study, Genetic Algorithm and SVM Methods are used to predict the quality of semen in the Fertility dataset. Based on experiments with 10 iterations, the highest level of accuracy knowb is SVM+GA(dot kernel) of 89%, then SVM of 88%, followed by Decision Tree 84%, Neural Network 82%, and Naïve Bayes 82%. In Conclusion, GA is proven to increase the accuracy value of SVM  with kernel dot which shows a significant difference, although 2 kernel of SVM shows insignificant differences. Intisari— Tingkat kesuburan di berbagai Negara mengalami penurunan, Hasil riset WHO mendapatkan 50% penyebab infertilitas adalah pihak pria yang disebabkan oleh menurunnya kualitas semen. Pada penelitian ini Algoritma Genetika dan metode SVM digunakan untuk memprediksi kualitas semen pada dataset Fertility. Berdasarkan eksperimen dengan 10 iterasi, didapatkan tingkat akurasi paling tinggi adalah SVM+GA(kernel dot) sebesar 89%, kemudian SVM sebesar 88%, disusul Decision Tree 84%, Neural Network 83%, dan Naïve Bayes 82%. Kesimpulannya GA terbukti dapat meningkatkan akurasi pada SVM dengan kernel dot yang menunjukkan perbedaan yang signifikan, meskipun 2 kernel dari SVM menunjukan perbedaan yang tidak signifikan. Kata Kunci— Letakkan 4-8 kata kunci Anda di sini, kata kunci dipisahkan dengan koma.
MENINGKATKAN KINERJA K-NN UNTUK KLASIFIKASI KANKER PAYUDARA DENGAN FORWARD SELECTION Harafani, Hani; Al-Kautsar, H. Aji
Jurnal Pendidikan Teknologi dan Kejuruan Vol 18, No 1 (2021): Edisi Januari 2021
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/jptk-undiksha.v18i1.29905

Abstract

Kanker payudara adalah kanker paling umum yang menyerang wanita di seluruh dunia. Machine Learning telah banyak digunakan untuk membantu dalam mendukung keputusan para ahli kesehatan dalam memprediksi penyakit kanker payudara . Algoritma K-NN digunakan pada penelitian ini untuk mengklasifikasi dataset kanker payudara Coimbra dan forward selection diimplementasikan untuk menghindari sensitivitas K-NN terhadap attribute yang tidak relevan dan berkorelasi, sehingga kinerja K-NN dapat lebih maksimal. Tujuan penelitian ini adalah untuk membandingkan kinerja dari kombinasi K-NN dan forward selection dengan algoritma machine learning lainnya, sekaligus meningkatkan kinerja K-NN dalam mengklasifikasi dataset kanker payudara. Hasil menunjukan akurasi tertinggi diperoleh dari kombinasi KNN+FS sebesar 91,43% dengan 5 atribut terpilih dari 9 atribut independen. Bahkan KNN+FS juga mengungguli algoritma machine learning lainnya, juga unggul jika dibandingkan penelitian terdahulu. Forward selection dan proporsi data yang tepat sangat mempengarui kinerja K-NN dan machine learning lainnya.
APLIKASI KAMUS BAHASA BETAWI BERBASIS ANDROID MENGGUNAKAN METODE SEQUENCIAL SEARCH Aziz, Imaddudin; Harafani, Hani
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol 4 No 1 (2016): Maret 2016
Publisher : LPPM Universitas Islam 45 Bekasi

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRACT Betawi language is a subsidiary of Malay language. The use of local languages ​​has decreased in the daily communication. Preserving the local language is very important amid the rapid technological developments. Dictionaries can be one of the solution to introduce the varieties of local languages ​​in Indonesia. In this research, we design and build an application for Betawi language dictionary based on android using sequential search method. The designed Betawi language dictionary application can perform the meaning of a vocabulary of Betawi language into Indonesian language, base on an android mobile software, and designed in user friendly tools to make users feel easy to operate. Base on the research that has been done, it is found that the sequential search algorithm can be applied to the android-based Betawi language dictionary and can be used efficiently and effectively media in translating Betawi language and make it easier for users to learn the Betawi language. Keyword : Betawi Language,dictionary,Android application ABSTRAK Bahasa Betawi merupakan salah satu anak Bahasa Melayu. Penggunaan bahasa daerah telah mengalami penurunan penggunaan dalam bahasa komunikasi sehari-hari . Melestarikan bahasa daerah sangat perlu ditengah perkembangan teknologi yang semakin pesat. Media kamus dapat menjadi solusi untuk mengenalkan beragam bahasa daerah yang ada di Indonesia. Dalam penelitian ini dilakukan perancangan dan membangun aplikasi kamus bahasa Betawi berbasis android dengan menggunakan metode sequential search. Aplikasi kamus bahasa Betawi yang dirancang dapat melakukan fungsi pencarian kosakata kamus bahasa Betawi secara elektronik,dapat menampilkan arti dari kosakata bahasa Betawi dalam bahasa Indonesia,berbasis mobile menggunakan software android serta dirancang secara user friendly sehingga memudahkan para pengguna dalam mengoperasikannya. Dari penelitian yang telah dilakukan diperoleh bahwa Algoritma sequential search dapat diterapkan pada aplikasi kamus bahasa Betawi berbasis android serta dapat digunakan sebagai media yang efisien dan efektif dalam menterjemahkan bahasa Betawi sehingga memudahkan pengguna dalam mempelajari bahasa Betawi. Keyword : Bahasa Betawi, Kamus,Aplikasi Android
Penerapan Algoritma Genetika pada Support Vector Machine Sebagai Pengoptimasi Parameter untuk Memprediksi Kesuburan Harafani, Hani; Maulana, Andry
Jurnal Teknik Informatika Vol 5 No 1 (2019): JTI Periode Februari 2019
Publisher : LPPM STMIK ANTAR BANGSA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51998/jti.v5i1.303

Abstract

Abstract— Fertility rates ini various countries have decreased. The result of the WHO study found 50% the causes of infertility were men caused by a decrease in the quality of semen. In this study, Genetic Algorithm and SVM Methods are used to predict the quality of semen in the Fertility dataset. Based on experiments with 10 iterations, the highest level of accuracy knowb is SVM+GA(dot kernel) of 89%, then SVM of 88%, followed by Decision Tree 84%, Neural Network 82%, and Naïve Bayes 82%. In Conclusion, GA is proven to increase the accuracy value of SVM  with kernel dot which shows a significant difference, although 2 kernel of SVM shows insignificant differences. Intisari— Tingkat kesuburan di berbagai Negara mengalami penurunan, Hasil riset WHO mendapatkan 50% penyebab infertilitas adalah pihak pria yang disebabkan oleh menurunnya kualitas semen. Pada penelitian ini Algoritma Genetika dan metode SVM digunakan untuk memprediksi kualitas semen pada dataset Fertility. Berdasarkan eksperimen dengan 10 iterasi, didapatkan tingkat akurasi paling tinggi adalah SVM+GA(kernel dot) sebesar 89%, kemudian SVM sebesar 88%, disusul Decision Tree 84%, Neural Network 83%, dan Naïve Bayes 82%. Kesimpulannya GA terbukti dapat meningkatkan akurasi pada SVM dengan kernel dot yang menunjukkan perbedaan yang signifikan, meskipun 2 kernel dari SVM menunjukan perbedaan yang tidak signifikan. Kata Kunci— Letakkan 4-8 kata kunci Anda di sini, kata kunci dipisahkan dengan koma.
MENINGKATKAN KINERJA K-NN UNTUK KLASIFIKASI KANKER PAYUDARA DENGAN FORWARD SELECTION Harafani, Hani; Al-Kautsar, H. Aji
Jurnal Pendidikan Teknologi dan Kejuruan Vol. 18 No. 1 (2021): Edisi Januari 2021
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (396.036 KB) | DOI: 10.23887/jptk-undiksha.v18i1.29905

Abstract

Kanker payudara adalah kanker paling umum yang menyerang wanita di seluruh dunia. Machine Learning telah banyak digunakan untuk membantu dalam mendukung keputusan para ahli kesehatan dalam memprediksi penyakit kanker payudara . Algoritma K-NN digunakan pada penelitian ini untuk mengklasifikasi dataset kanker payudara Coimbra dan forward selection diimplementasikan untuk menghindari sensitivitas K-NN terhadap attribute yang tidak relevan dan berkorelasi, sehingga kinerja K-NN dapat lebih maksimal. Tujuan penelitian ini adalah untuk membandingkan kinerja dari kombinasi K-NN dan forward selection dengan algoritma machine learning lainnya, sekaligus meningkatkan kinerja K-NN dalam mengklasifikasi dataset kanker payudara. Hasil menunjukan akurasi tertinggi diperoleh dari kombinasi KNN+FS sebesar 91,43% dengan 5 atribut terpilih dari 9 atribut independen. Bahkan KNN+FS juga mengungguli algoritma machine learning lainnya, juga unggul jika dibandingkan penelitian terdahulu. Forward selection dan proporsi data yang tepat sangat mempengarui kinerja K-NN dan machine learning lainnya.
Co-Authors Ade Setiawan Al-Kautsar, H. Aji Amas Sari Marthanti Amelia, Mutiara Mega Astuti, Rachmawati Darma Aziz, Imaddudin Endriana, E. Fina Eni Pudjiarti Eva Rahmawati Faizah, Siti Fazrin, Bintang Maulana Imam Budiawan Indah Suryani Kiswanto, Andi Diah Maarif, Muhammad Rafa Maulana, Andry Romdonni, Achmad Roddi Romi Satria Wahono Rudianto, Biktra Rusli, Ahmad Rais Sandra Dewi Saraswati Sari, Tri Retna Simbolon, Jesika Marsaulina Sungkar, Adam Andrea Verra Sofica Verra Sofica Yasin, Saeful