Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Science Information System and Technology
Dwi Ari Suryaningrum, Dwi Ari
Unknown Affiliation
Computer Science & IT Education

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

Found 2 Documents
Search

 1 
INTEGRASI WORD EMBEDDINGS DAN INVERSE BOOK FREQUENCY DALAM PEMBOBOTAN TERM UNTUK PENINGKATAN PENCARIAN DOKUMEN Suryaningrum, Dwi Ari; Syaifudin, Rahmad; Putra, Haniel Rangga Pramudtya
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.7557

Abstract

Pencarian dokumen yang relevan dapat ditingkatkan dengan metode ekspansi kueri berbasis word embeddings. Studi ini mengusulkan pendekatan pembobotan ekspansi kueri dengan mempertimbangkan korelasi term terhadap kueri serta frekuensinya dalam dokumen menggunakan metode Word Embeddings (WE) dan Inverse Book Frequency (IBF). Pembobotan dilakukan dengan mengalikan nilai similaritas dari WE dengan bobot TF-IDF-IBF untuk meningkatkan relevansi pencarian dokumen secara lebih akurat. Hasil eksperimen menunjukkan bahwa metode ini menghasilkan f-score sebesar 0,743, dengan performa optimal ketika jumlah term ekspansi yang dipilih lebih sedikit. Selain itu, metode ini lebih unggul dibandingkan pendekatan tradisional seperti TF-IDF atau BM25 dalam mengurangi term yang tidak relevan, sehingga meningkatkan efektivitas pencarian informasi dalam dataset yang lebih luas. Namun, pendekatan ini masih memiliki keterbatasan dalam kompleksitas komputasi serta ketergantungan pada kualitas dataset pelatihan yang digunakan. Studi ini menyarankan eksplorasi lebih lanjut dengan model berbasis transformer seperti BERT atau RoBERTa untuk meningkatkan efektivitas pencarian dokumen. Dengan mengintegrasikan metode ini ke dalam sistem pencarian informasi, diharapkan pencarian dokumen menjadi lebih akurat, efisien, dan relevan dengan kebutuhan pengguna di berbagai domain aplikasi.
Optimizing Liver Disease Detection Through Combining Genetic Evolutionary Algorithm and Linear Discriminant Analysis (LDA) Suryaningrum, Dwi Ari; Firmansyah, Muhammad Romadhoni Indra
West Science Information System and Technology Vol. 2 No. 01 (2024): West Science Information System and Technology
Publisher : Westscience Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58812/wsist.v2i01.1019

Abstract

Liver diseases such as cirrhosis, hepatocarcinoma and fatty liver disease are global health problems with high morbidity and mortality. Early detection is crucial but is often hampered by the limitations of conventional methods in analyzing medical images and laboratory results. Machine learning and artificial intelligence technologies, particularly Genetic Evolutionary Algorithm (GA) and Linear Discriminant Analysis (LDA), offer opportunities to improve diagnosis accuracy. This research explores the combination of GA and LDA to improve liver disease detection using the ILPD (Indian Liver Patient Dataset) dataset from the UCI Machine Learning Repository. This study aims to optimize feature selection and classification to improve detection accuracy. The research method includes the use of GA for feature selection and LDA for dimensionality reduction and classification. Tests were conducted on various parameters such as the number of generations, population size, and the combination of crossover and mutation rates in the genetic algorithm. The test results show that the best parameter combination (generation 400, population size 40, crossover rate 0.9, and mutation rate 0.1) results in an Average Forecast Error Rate (AFER) value of 0.0345%, which indicates that the developed detection model is highly accurate. This study shows that the combination of GA and LDA can improve the effectiveness of liver disease detection compared to conventional methods, with potential practical applications in clinical diagnosis systems.
Co-Authors Firmansyah, Muhammad Romadhoni Indra Putra, Haniel Rangga Pramudtya Rahmad Syaifudin, Rahmad