Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : CogITo Smart Journal

Penerapan Algoritma J48 Decision Tree Untuk Analisis Tingkat Kemiskinan di Indonesia Fergie Joanda Kaunang
CogITo Smart Journal Vol 4, No 2 (2018): CogITo Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (632.413 KB) | DOI: 10.31154/cogito.v4i2.141.348-357

Abstract

Kemiskinan telah menjadi masalah sosial dan tantangan bagi masyarakat di seluruh dunia yang terus dicari penyelesaiannya. Berdasarkan identifikasi dari Badan Program Pembangunan PBB (UNDP) yang bekerjasama dengan Oxford Poverty and Human Development Initiative (OPHI), 1.3 miliar penduduk dunia teridentifikasi sebagai penduduk miskin pada bulan September tahun 2018. Di tingkat nasional, Indonesia, tingkat kemiskinan tertinggi terjadi pada tahun 1999 dengan persentase sebesar 23.43%. Berdasarkan data dari Badan Pusat Statistik Indonesia (BPS), penduduk miskin di Indonesia mencapai 25.95 juta orang dengan persentase 9.82% pada tahun Maret 2018. Oleh karena itu penelitian ini bertujuan untuk menganalisis tingkat kemiskinan menggunakan dimensi dasar dari indeks pembangunan manusia (IPM) menggunakan metode data mining dan machine learning yakni algoritma J48 Decision Tree. Akurasi dari model prediksi yang telah dibuat menunjukan hasil yang baik yakni sebesar 88.6% dimana dengan kata lain model prediksi yang dikembangkan dapat digunakan untuk membantu para pembuat kebijakan maupun para pemangku kepentingan untuk mengambil keputusan. Kata kunci—Angka Kemiskinan, Indeks Pembangunan Manusia, Algoritma J48 Decision Tree, Data Mining, Machine Learning
Pemodelan Sistem Prediksi Tanaman Pangan Menggunakan Algoritma Decision Tree Fergie Joanda Kaunang; Reymon Rotikan; Gleadies Stella Tulung
CogITo Smart Journal Vol 4, No 1 (2018): CogITo Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (430.798 KB) | DOI: 10.31154/cogito.v4i1.115.213-218

Abstract

Pertanian sebagai salah satu sektor industri menjadi bagian pekerjaan yang menunjang pemenuhan kebutuhan makanan pokok masyarakat seperti tanaman pangan. Cuaca yang berubah-ubah dan tidak menentu dapat mempengaruhi hasil panen terlebih khusus dari segi jumlah hasil produksi. Hal ini membuat cuaca menjadi salah satu faktor penentu hasil produksi dari tanaman pangan. Memprediksi hasil panen tanaman pangan dengan baik dapat membantu para pemangku kepentingan baik petani ataupun mereka yang bekerja dalam industri pengolahan hasil tanaman pangan. Dewasa ini, Data Mining dan Machine Learning adalah dua topik berkaitan yang sering digunakan dalam berbagai bidang kehidupan termasuk bidang pertanian. Penelitian ini menggunakan teknik Data Mining dan Machine Learning untuk membuat suatu model sistem prediksi tanaman pangan di provinsi Sulawesi Utara berdasarkan iklim/cuaca. Menggunakan algoritma Decision Tree J48, penelitian ini memberikan hasil yang dapat dipertimbangkan dalam pengambilan keputusan bagi para pemangku kepentingan di bidang pertanian. Hasil yang diperoleh juga menunjukkan pengaruh parameter iklim/cuaca terhadap jumlah hasil produksi tanaman pangan di provinsi Sulawesi Utara. Penelitian ini tidak menggunakan parameter lain yang dapat mempengaruhi hasil produksi tanaman pangan seperti kondisi tanah ataupun harga jual di pasaran, mengingat dapat terjadinya perubahan terhadap harga yang tidak menentu. Penelitian ini diharapkan dapat memberikan kontribusi terhadap bidang pertanian terlebih khusus kepada para petani tanaman pangan dalam menopang pemenuhan kebutuhan pokok masyarakat. Keywords : Machine Learning, Data Mining, Algoritma Decision Tree J48, Sistem Prediksi, Tanaman Pangan
Klasifikasi Fungsi Family Protein Transport Menggunakan Radial Basis Neural Network Green Arther Sandag; Fergie Kaunang
CogITo Smart Journal Vol 5, No 2 (2019): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (550.962 KB) | DOI: 10.31154/cogito.v5i2.191.203-214

Abstract

Transporter adalah protein transmembran yang penting dalam proses masuk dan keluarnya ion atau molekul sel di seluruh protein membran dan memainkan peran penting dalam mengenali sistem kekebalan tubuh dan transduser energi. Dalam beberapa tahun terakhir, penelitian sebelumnya telah dilakukan untuk menganalisis protein transport, terutama diskriminasi kelas dan familynya dalam memainkan peran penting dalam system control sel, mengangkut air, sinyal kimia dan listrik. Protein transport membrane cenderung membentuk system pompa dan channel span, serta span cell membrane. Oleh karena itu, membedakan kelas dan family transport protein adalah tugas penting dalam ilmu komputasi biologi dan diperlukan bagi para ahli biologi untuk mendapatkan pemahaman yang lebih baik tentang fungsi protein transport. Oleh karena itu, dalam penelitian ini, telah dilakukan pengembangan metode untuk mengidentifikasi fungsi kelas utama dan family protein transport menggunakan radial basis neural network. Peneliti telah mengalanisis karakteristik komposisi asam amino, komposisi residu pair pada protein transport. Metode dalam klasifikasi kelas protein transport untuk mengetahui fungsi protein transport peneliti menggunakan PSSM dengan metode quickRBF classifier memberikan hasil akurasi terbaik dibanding dengan metode yang lain. Hasil akurasi sebesar 84,84% untuk cross validation dan 80,71% untuk independent data, oleh karena itu maka motode yang peneliti usulkan dapat digunakan secara efektif untuk mengidentifikasi dan mendiskriminasi transporter ke dalam kelas protein transport dengan peningkatan 6-10 % dari penelitian yang sejenis.Keywords—transporter, membran, quickRBF, PSSM
Aplikasi Pemilihan Fakultas di Universitas Klabat Bagi Calon Mahasiswa Menggunakan Metode DSS Fuzzy Reynoldus Andrias Sahulata; Fergie Joanda Kaunang; Devry Yehuda Lengkong Worotikan; Daniel Yonggi Cornelius Tuwaidan
CogITo Smart Journal Vol 4, No 1 (2018): CogITo Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1017.04 KB) | DOI: 10.31154/cogito.v4i1.109.131-147

Abstract

Memilih fakultas sebagai kelanjutan dari  para peserta didik di tingkat SMA  yang telah tamat, tidaklah semudah yang diharapkan hal ini disebabkan untuk mencocok minat yang sesuai dengan kemampuan akademik yang dimiliki dari setiap peserta didik. Berdasarkan hal tersebut maka, dirasa perlu untuk memberikan arahan secara pasti kepada peserta didik kelas XII tersebut untuk dapat memilih fakultas yang akan diambil. Untuk itu pada penelitian ini peneliti menyelesaikan masalah tersebut dengan melakukan analisis kemampuan dari peserta didik kelas XII tersebut untuk mendapatkan minat yang sesuai berdasarkan prestasi akademik selama 3 tahun (6 semester). Nilai yang diperoleh tersebut diolah dengan menggunakan analisis Decision Support System (DSS) yang diterapkan pada metode Fuzzy pada perhitungan Simple Additive Weight (SAW) untuk mengetahui secara kuantitatif kemampuan dari peserta didik tersebut, dengan menarik bobot kemampuan akademik yang dimiliki peserta didik tersebut untuk mendapatkan fakultas yang sesuai dengan karakteristik bidang ilmu yang menjadi kekuatannya. Dari sinilah sistem akan menyarankan minat kepada peserta didik tersebut untuk mendapatkan fakultas yang sesuai dengan kemampuan akademik yang dimilikinya. Untuk memastikan bahwa aplikasi peminatan yang diperoleh pada aplikasi dapat dibangun, maka digunakan rekayasa perangkat lunak menggunakan metode Spiral. Hasil penelitian menunjukan bahwa sistem keputusan yang dibangun dapat memberikan saran dalam memilih fakultas berdasarkan kemampuan akademis yang dimiliki calon mahasiswa  yang bersumber dari nilai akademik SMA semester 1 – 6 dengan menggunakan perhitungan SAW yang diimplementasikan kedalam website. Keywords : Fuzzy, DSS, SAW, Metode Spiral, Aplikasi Penentu Program Studi