Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Telematika

SISTEM DETEKSI KONDISI JALAN MENGGUNAKAN METODE Z-DIFF PADA SMARTPHONE ANDROID astrid novita putri; Susanto Susanto; Siti Asmiatun
Telematika Vol 11, No 2: Agustus (2018)
Publisher : Universitas Amikom Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (583.098 KB) | DOI: 10.35671/telematika.v11i2.716

Abstract

Kondisi jalan yang baik akan memberikan kenyamanan dan memperlancar aktifitas suatu daerah. Penggunaan transportasi darat di indonesia sendiri sangat tinggi. Hal ini menyebakan beban lalu lintas yang sangat tinggi dan mengakibatkan kerusakan pada jalan.  Dalam melakukan upaya untuk mengurangi angka kecelakan dapat dilakukan dengan mengidentifikasi penyebab kecelakaan dan proses cara memperbaikinya. Salah satu faktor penyebab kecelakaaan adalah kondisi jalan yang berlubang. Salah satu solusi untuk mengurangi angka kecelakaan adalah dengan menyediakan informasi mengenai kondisi jalan berlubang kepada pihak dinas setempat. Sehingga dengan adanya informasi tersebut dinas setempat dapat segera menindaklanjuti perbaikan jalan. Berdasarkan dari beberapa penelitian sebelumnya yang berkaitan dengan masalah yang diangkat pada penelitian ini akan membahas tentang pengembangan perangkat lunak dengan memanfaatkan sensor accelerometers sebagai pencatat lokasi jalan berlubang yang ada di semarang timur. Penelitian ini menggunakan metode alghoritma Z-diff untuk menyaring data yang diperoleh dari sensor accelerometers. Dari hasil percobaan dibeberapa kecamatan semarang timur yang tergolong memiliki tingkat kerusakan jalan yang tinggi, penelitian ini menemukan 281 titik jalan berlubang. Dari hasil pengukuran menggunakan presisi, recall dan F-measure mendapatkan tingkat akurasi sebanyak 79%. Sehingga untuk pengembangan penelitian berikutnya diperlukan kombinasi metode untuk memperbaiki akurasi tersebut.
An Improved K-NN Algorithm and Bagging for Liver Disease Classification Wardhani, Anindya Khrisna; Lakhmudien, Lakhmudien; Putri, Astrid Novita; Ashour, Salim Fathi Salim
Telematika Vol 15, No 2: August (2022)
Publisher : Universitas Amikom Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35671/telematika.v15i2.1247

Abstract

The function of the liver is to detoxify toxins in the human body and control cholesterol and fat in the human body. If the liver is damaged, health will be disturbed, even death. A lot of data on the liver disease can be used to predict liver disease. This study aims to improve the accuracy of liver disease classification using K-NN and bagging methods. The experimental results in this study are the bagging method can improve the performance accuracy of the K-NN prediction model even though it is based on the T-test even though there is only a slight change in accuracy. In this study, the accuracy value using the K-NN method was 78.56%. For the highest accuracy value of 99.83% using the K-NN model which is integrated with bagging. From the results of experiments carried out in this study, the K-NN model with bagging can certainly improve performance on the prediction model of liver disease classification. So that the predictions made can be more accurate and can be used to predict liver disease.