Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Informatika dan Teknik Elektro Terapan

PERAMALAN TINGKAT INFLASI DI INDONESIA MENGGUNAKAN ARTIFICIAL BEE COLONY DAN XGBOOST Mohammad, Farrel Adel; Rizki, Agung Mustika; Sihananto, Andreas Nugroho
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4827

Abstract

Pertumbuhan ekonomi dan stabilitas harga merupakan fokus utama bagi negara-negara, termasuk Indonesia. Inflasi, sebagai indikator fluktuasi harga barang dan jasa, memainkan peran penting dalam stabilitas ekonomi. Peramalan inflasi menjadi kunci bagi pemerintah dan pemangku kepentingan ekonomi untuk merancang kebijakan yang responsif. Model pembelajaran mesin, seperti XGBoost, telah digunakan untuk tujuan ini, namun penyetelan hiperparameter yang optimal menjadi kunci keberhasilannya. Algoritma optimisasi seperti Artificial bee colony (ABC) dapat mengotomasi proses penyetelan hiperparameter XGBoost, meningkatkan efisiensi dan kinerja model. Penelitian ini membuktikan bahwa kombinasi Artificial bee colony dan XGBoost berhasil meramalkan tingkat inflasi bulanan di Indonesia dengan hasil yang akurat. Implementasi metode ini memberikan rata-rata skor RMSE 0.155066, skor MAE 0.115655, dan skor MAPE 0.795767.
SEGMENTASI SEL PAP SMEAR SERVIKS BERTUMPUK MENGGUNAKAN LOCAL ADAPTIVE THRESHOLDING DAN WATERSHED Lutfia, Qonita; Mandyartha, Eka Prakarsa; Rizki, Agung Mustika
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4811

Abstract

Kanker serviks merupakan ancaman kesehatan global serius, dengan WHO melaporkan sekitar 604.000 kasus baru dan 342.000 kematian pada tahun 2020. Penelitian ini mengeksplorasi kombinasi metode local adaptive threshold dan segmentasi watershed untuk meningkatkan akurasi deteksi dini kanker serviks dengan lebih akurat mengidentifikasi sel-sel yang saling tumpang tindih pada Pap Smear. Metode Local Adaptive Threshold menyesuaikan nilai ambang berdasarkan karakteristik lokal gambar, dan segmentasi watershed diaplikasikan untuk memisahkan sel-sel yang saling tumpang tindih. Kombinasi ini menunjukkan hasil yang menjanjikan dalam meningkatkan efisiensi dan akurasi skrining kanker serviks, mendukung strategi WHO untuk eliminasi kanker serviks. Namun, adopsinya menghadapi tantangan di negara berkembang karena keterbatasan sumber daya dan kesenjangan digital. Tes menggunakan K-Fold Cross Validation (5 dan 7) menunjukkan akurasi 90.93% untuk k=5, dengan rata-rata precision 97.97%, recall 49.22%, dan F1-Score 65.50%. Pada k=7, hasil sedikit meningkat dengan precision 97.99%, recall 49.24%, dan F1-Score 65.53%. Rata-rata PSNR adalah 43.4341 dB dan MSE 3.45061, menegaskan efektivitas metode.Kata Kunci: Local Adaptive Thresholding, Watershed, Cervical Cancer, Pap Smear