Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal JIKO (Jurnal Informatika dan Komputer) PROCESSOR Jurnal Ilmiah Sistem Informasi, Teknologi Informasi dan Sistem Komputer
Erfin Nur Rohma Khakim
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Perbandingan Algoritma Klasifikasi Data Kesejahteraan Sosial Kabupaten Bantul Erfin Nur Rohma Khakim
Jurnal Processor Vol 17 No 2 (2022): Processor
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33998/processor.2022.17.2.1222

Abstract

Today, the main problem in the economy sector in Indonesia is related to poverty alleviation. In Bantul Regency, poverty alleviation relies on the poverty data. The Social Welfare Integrated Data set by the Ministry of Social Affairs of the Republic of Indonesia is currently can not describe the classification of the poverty. It is either the causes of the delay in handling the poverty problem in Bantul Regency. Mapping of the poverty data has a major impact to the accuracy of targets for poverty reduction programs. One of the mappings that can be do for the problems of poverty data is by using the classification method. With this classification, the poverty data can be classified into several groups according to their circumstances. These groups include the very poor, the poor, the vulnerable and the near poor. In this study, two classification methods will be tried, called Naive Bayes and K-nearest neighboor (KNN) to compare the best results based on a measurement method.
IMPLEMENTASI CORRELATION MATRIX PADA KLASIFIKASI DATASET WINE Erfin Nur Rohma Khakim; Arief Hermawan; Donny Avianto
JURNAL INFORMATIKA DAN KOMPUTER Vol 7, No 1 (2023): Februari 2023
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (772.346 KB) | DOI: 10.26798/jiko.v7i1.771

Abstract

Wine merupakah minuman mengandung alkohol yang juga terdiri dari banyak sekali kandungan yang bermacam-macam yang dapat mempengaruhi kualitas wine. Begitu banyaknya jenis wine ini membuat masyarakat kesulitan untuk memilah jenis-jenis dan kualitas wine. Penelitian ini menggunakan metode klasifikasi untuk menentukan kualitas wine agar mengurangi peran pakar wine atau mempermudah pakar dalam melabeli jenis-jenis dan kualitas wine. Algoritma klasifikasi data mining yang digunakan dalam penelitian ini adalah k-NN. Untuk meningkatkan nilai akurasi dari klasifikasi algoritma k-NN digunakan metode normalisasi dan seleksi fitur. Normalisasi yang digunakan adalah normalisasi Z-sccore dan Min-max, sedangkan seleksi fitur yang digunakan untuk lebih meningkatkan akurasi adalah correlation matrix. Hasil dari penelitian ini membutktikan bahwa penggunaan seleksi fitur correlation matrix mampu meningkatkan nilai akurasi pada normalisasi Z-score dari 73,75% menjadi 75,62% dan pada normalisasi Min-max mampu meningkatkan akurasi dari 68,12% menjadi 71,25%. Sehingga bisa disimpulkan bahwa seleksi fitur correlation matrix dapat digunakan untuk meningkatkan nilai akurasi agar lebih tinggi dan penelitian menjadi lebih akurat.
Co-Authors Donny Avianto