Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : JURNAL REKAYASA TEKNOLOGI INFORMASI

Algoritma Swarm Intelligence untuk Data Berdimensi Tinggi pada Machine Learning: Review Widians, Joan Angelina; Tjikoa, Ade Fiqri
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 8, No 1 (2024): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v8i1.15228

Abstract

Data berdimensi tinggi berpengaruh pada learning model, ruang pencarian dan waktu komputasi, serta akurasi informasi. Banyaknya karakteristik dan dimensi tinggi, serta klasifikasi pola memerlukan pemilihan fitur atau feature selection (FS). FS dapat menghapus fitur-fitur yang berlebihan dan tidak relevan saat memilih subset fitur-fitur terkait. Swarm Intelligence (SI) banyak digunakan untuk mengatasi permasalahan data berdimensi tinggi. Secara konsep, SI dapat berarti sebagai kecerdasan kolektif yang dihasilkan dari tingkah laku kawanan agen yang terinspirasi dari alam. Makalah ini mengenai tinjauan literatur yang komprehensif tentang algoritma SI terkhusus Ant Colony Optimization, Particle Swarm Optimization, dan Grey Wolf Optimizer. Selain itu, pemaparan analisis framework SI terpadu dan investigasi berbagai pendekatan algoritma SI dalam FS. Analisis lebih lanjut menggambarkan terdapat gabungan beberapa algoritma SI di berbagai domain riset. Teknik hybrid SI ini dapat diterapkan dalam FS untuk menemukan subset fitur dengan ukuran lebih kecil dan meningkatkan performa klasifikasi dibandingkan penggunaan algoritma FS biasa. Dengan makalah ini kami menganalisis research-gap, memberikan gambaran komprehensif tentang penerapan SI dalam FS, serta mengusulkan diagram hibrid algoritma SI untuk permasalahan teks FS. Penelitian mendatang diharapkan dapat melakukan penggabungan maupun modifikasi berbagai algoritma SI menjadi suatu algoritma yang dapat meningkatkan performa sekaligus menurunkan kompleksitas waktu komputasi pada data mining dan teks mining. Harapan di masa depan, penggunaan algoritma SI semakin berkembang dan memberikan solusi yang efektif dan efisien di era big data.
Sistem Rekomendasi Lokasi Perkebunan Kelapa Sawit Menggunakan Weighted Product Dani, Riski Rama; Widians, Joan Angelina; Budiman, Edy
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 8, No 2 (2024): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v8i2.17010

Abstract

Perkebunan merupakan salah satu sektor penting dalam perekonomian Indonesia. Tentunya hal tersebut tidak terlepas dari peran perkebunan kelapa sawit yang tersebar di seluruh Indonesia. Dalam memilih dan menentukan lahan perkebunan kelapa sawit, ada enam indikator utama yang perlu diperhatikan antara lain kelembaban udara, suhu atau temperatur, bentuk wilayah, kondisi tanah, tekstur tanah, dan keasaman tanah. Penelitian ini mengembangkan sebuah sistem informasi rekomendasi pemilihan lokasi perkebunan kelapa sawit. Sistem pendukung keputusan (SPK) ini menggunakan metode Weighted Product (WP). Penelitian dilaksanakan di Dinas Perkebunan Provinsi Kalimantan Timur serta di Laboratorium Komputasi dan Pemrograman Komputer Fakultas Teknik Universitas Mulawarman. Penelitian ini menggunakan sembilan sampel data lokasi lahan di Kabupaten Mahakam Ulu, Provinsi Kalimantan Timur. Hasil pengembangan aplikasi SPK menggunakan WP ini diperoleh  perangkingan tiga terbesar yaitu Desa Long Bagun Ulu II dengan nilai 0.142; Desa Long Melaham dengan nilai 0.123; dan Desa Long Bagun Ilir dengan nilai 0.121. Hasil perangkingan ini menyatakan bahwa tiga lokasi tersebut direkomendasikan sebagai alternatif terbaik lahan perkebunan kelapa sawit di Kabupaten Mahakam Ulu, Provinsi Kalimantan Timur. Kontribusi penelitian ini diharapkan dapat membantu user yaitu petani atau pengusaha budidaya kelapa sawit dalam menentukan lahan yang tepat untuk perkebunan kelapa sawit.
Sistem Pakar Diagnosis Penyakit Mioma Uteri Menggunakan Teorema Bayes Widians, Joan Angelina; Hairah, Ummul; Fadila, Tandy
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 8, No 2 (2024): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v8i2.1446

Abstract

Mioma Uteri adalah salah satu masalah penyakit pada kesehatan reproduksi wanita yang gejalanya sangat susah untuk diketahui. Penyakit ini dapat menimbulkan masalah besar jika gejala yang diderita sangat berat, bahkan dapat menyebabkan rendahnya kesuburan seorang wanita dan dapat diangkatnya rahim seorang wanita jika tidak ditangani secara benar dan tepat. Mioma uteri Sistem pakar mendiagnosa penyakit mioma uteri adalah salah satu penerapan teknologi dalam bidang komputer. Sistem pakar ini memudahkan masyarakat untuk mengetahui informasi tentang penyakit, terutama Mioma Uteri. Sistem ini dibangun untuk masyarakat agar dapat mendiagnosa penyakit mioma uteri secara dini dengan memilih gejala-gejala yang diderita oleh pasien dan mendapatkan solusi dari gejala yang diderita.Sistem ini juga memberikan informasi tentang penyakit mioma uteri. Untuk menghitung probabilitas terjadinya suatu peristiwa berdasarkan pengaruh yang didapat dari hasil observasi, sistem ini menggunakan metode Teorema Bayes sebagai alat pengambil keputusan. Hasil dari sistem yang dibangun menunjukkan bahwa sistem pakar ini membantu mendiagnosa penyakit mioma uteri secara dini beserta penanganan awal yang harus dilakukan.  
Identifikasi Penyakit Pada Daun Anggrek Hitam Berdasarkan Ekstraksi Fitur Sari, Lili Kurnia; Widians, Joan Angelina; Wati, Masna
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 9, No 3 (2025): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v9i3.17504

Abstract

Salah satu spesies anggrek yang menjadi favorit di kalangan pecinta tanaman anggrek yaitu Anggrek Hitam. Anggrek hitam yang begitu indah dan unik menjadi koleksi bagi para pecinta tanaman hias. Anggrek Hitam dalam bahasa latinnya Coelogyne Pandurata merupakan salah satu anggrek alam endemik Kalimantan. Tanaman ini rentan terhadap penyakit. Penyakit pada tanaman anggrek hitam dapat disebabkan oleh adanya bakteri, jamur dan virus. Penelitian ini mengembangkan ekstraksi fitur berdasarkan citra daun bertujuan membantu user mengidentifikasi jenis penyakit pada anggrek hitam sehingga dapat melakukan perawatan pada tanaman tersebut. Pada penelitian ini, ekstraksi fitur tekstur menggunakan Gray Level Co-occurrence Matrix dengan 4 arah yaitu 0°, 45°, 90° dan 135°. Data citra daun tanaman anggrek hitam  yang digunakan berjumlah 64 data citra. Terdapat empat penyakit pada daun anggrek hitam yaitu penyakit bercak coklat, busuk lunak, bercak hitam dan bercak bercincin. Pengujian terhadap model menggunakan Multi SVM pada 3 jenis kernel yaitu linear, Gaussian/RBF dan polynomial. Pengujian model menggunakan proporsi 80:20 dengan 51 data training dan 13 data testing. Hasil evaluasi menunjukkan penyakit yang teridentifikasi adalah penyakit bercak coklat berdasarkan Multi SVM dengan nilai akurasi sebesar 100% pada kernel Gaussian/RBF, 92% pada kernel linear dan 92% pada kernel polynomial.