Article Per Year (5 Year)
p-Index From 2021 - 2026
2.282
P-Index
This Author published in this journals
All Journal ILKOM Jurnal Ilmiah Jurnal Teknologi Dan Sistem Informasi Bisnis Indonesian Journal of Data and Science Ilmu Komputer untuk Masyarakat Jurnal Ilmiah Teknik Informatika dan Komunikasi International Journal of Artificial Intelligence in Medical Issues Masyarakat Mandiri: Jurnal Pengabdian Dan Pembangunan Lokal
Yudha Islami Sulistya
Universitas Gadjah Mada
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Mathematics Medicine & Pharmacology Public Health Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Indonesian Journal of Data and Science

 1 
Analisis perbandingan Reduction Technique dengan metode Dimentional Reduction dan Cross Validation pada dataset Breast Cancer Sulistya, Yudha Islami; Danuputri, Chyquitha
Indonesian Journal of Data and Science Vol. 3 No. 2 (2022): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v3i2.41

Abstract

Machine learning (ML) merupakan bidang ilmu yang memungkinkan komputer dalam mengembangkan sebuah sistem yang dapat belajar dari data. Dalam ML sendiri banyak teknik sangat berperan penting dalam pengembangan machine ML salah satunya adalah teknik reduksi yang dimana membuat sistem lebih baik dari data yang telah di reduksi. Penelitian ini bertujuan membandingkan performa teknik reduksi dengan metode dimentional reduction dan cross validation pada dataset breast cancer. Dimentional reduction merupakan teknik yang menyederhanakan feature atau mengurangi dimensi pada dataset sedangkan cross validation merupakan metode yang digunakan untuk memaksimalkan hasil dari prediksi pada suatu model. Setalah melakukan tahapan-tahapn dalam pengujian dengan dimentional reduction dan cross validation menggunakan algoritma K-Nearest Neighbors dengan dataset breast cancer berjumlah 500. Hasil yang diperolah untuk dimentional reduction akurasi rata-rata pada model 95.2%, sedangkan pada cross validation 96.6%.
Analisis Performa Algoritma Stochastic Gradient Descent (SGD) Dalam Mengklasifikasi Tahu Berformalin Admojo, Fadhila Tangguh; Sulistya, Yudha Islami
Indonesian Journal of Data and Science Vol. 3 No. 1 (2022): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v3i1.42

Abstract

Tahu berformalin adalah salah satu jenis makanan yang sering mengandung bahan-bahan kimia yang dapat mengawetkan daripada tahu tanpa formalin. Pada tahu berformalin dapat memberikan tekstur lebih kenyal dan berwarna putih bersih. Penelitian ini bertujuan untuk mengklasifikasikan tahu berformalin dan tahu tidak berformalin. Pada paper ini menggunakan algoritma Stochastic Gradient Descent atau dalam penerapannya lebih dikenal dengan SGD Classifier yang merupakan bagian dari algoritma machine learning untuk klasifikasi, regresi maupun jaringan syaraf tiruan serta algoritma ini sangat efisien pada dataset berskala besar. Penelitian ini mencoba menerapkan algoritma SGD pada dataset tahu berformalin dengan jumlah dataset yakni 11000 yang dimana 5500 data tahu berformalin dan 5500 data tahu tidak berformalin. Setelah dilakukan beberapa tahapan dalam pengujian dengan algoritma SGD maka diperolah hasil akurasi, presisi, recall, f1-score pada model yang masing-masing 82.6% untuk akurasi, 81.7% untuk presisi, 84.1% untuk recall, 83.5% untuk f1-score dan dilakukan pengujian menggunakan 10 data yang tidak termasuk dalam data latih memperoleh performansi rata-rata akurasi sebesar 70%, presisi 71%, recall 70% dan f1-score 70%.
Classification of Noni Fruit Ripeness Using Support Vector Machine (SVM) Method Yudha Islami Sulistya; Istighosah, Maie; Septiara, Maryona; Septiadi, Abednego Dwi; Amrullah, Arif
Indonesian Journal of Data and Science Vol. 5 No. 3 (2024): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v5i3.180

Abstract

The classification of Noni fruit (Morinda citrifolia) ripeness is essential for maximizing its medicinal benefits and ensuring product quality. This research aimed to classify Noni fruit ripeness using the Support Vector Machine (SVM) method, comparing three kernel functions: linear, Radial Basis Function (RBF), and polynomial. A dataset consisting of images of ripe and unripe Noni fruits was utilized, with preprocessing steps including the extraction of color and texture features. Performance evaluation revealed that the RBF kernel achieved the highest accuracy at 86.18%, followed by the polynomial kernel with 84.55%, and the linear kernel with 81.30%. These results suggest that the RBF kernel is the most effective for this classification task, showing superior capability in capturing non-linear patterns and complexities within the dataset.
Co-Authors Abdul Rachman Manga' Abednego Dwi Septiadi Admojo, Fadhila Tangguh Aina Musdholifah Amrullah, Arif Anik Nur Handayani Anjani, Sarah Arif Riyandi Ariq Cahya Wardhana Br Bangun, Elsi Titasari Danuputri, Chyquitha Dyah Aruming Tyas Elsi Titasari Br Bangun Galih Putra Pamungkas Hamda, Hizbullah Heru Wahyu Herwanto Kasmira Kasmira La Saiman Laurensius Windy Octanio Haryanto Lokapitasari Belluano, Poetri Lestari Maie Istighosah Maryona Septiara Nisrina Hanifa Setiono Purnawansyah Purnawansyah Rosa Andrie Asmara Sapuletea, Chrissandy