Garuda - Garba Rujukan Digital

PENGGUNAAN OTIMASI ATRIBUT DALAM PENINGKATAN AKURASI PREDIKSI DEEP LEARNING PADA BIKE SHARING DEMAND: THE USE OF ATTRIBUTE OTIMATION IN INCREASING THE ACCURACY OF DEEP LEARNING PREDICTIONS ON BIKE SHARING DEMAND Syarif Hidayatulloh; Muhammad Amar Mustajab; Yudi Ramdhani
INFOTECH journal Vol. 9 No. 1 (2023)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v9i1.4530

Bersepeda kembali populer pasca pandemi Covid 19 yang terjadi di Indonesia kemarin. Dalam studi ini, algoritma yang paling umum digunakan diuji, termasuk Neural Nets, Generelized Linear Models, Support Vector Machines, Random Forests, dan Deep Learning. Penelitian dilakukan dalam lima model algoritma prediktif dengan sepuluh percobaan menggunakan validasi silang, dan dipilih nilai akurasi terbaik. Berdasarkan perbandingan algoritma tersebut, algoritma Deep Learning memiliki nilai Accuracy sebesar 90% dan AUC sebesar 0,770. Validasi Croos dengan X fold adalah dasar dari algoritma perbandingan ini. Algoritma pembelajaran mendalam ditemukan memiliki nilai akurasi 90%, yang 4-5% lebih rendah dari empat algoritma lainnya. Dengan peningkatan yang signifikan pada penelitian tersebut, maka nilai akurasi untuk optimasi bobot menggunakan algoritma Forward optimize adalah sebesar 95,63%. Berdasarkan hasil percobaan, peneliti menyimpulkan bahwa percobaan tersebut berhasil meningkatkan nilai akurasi dari algoritma deep learning.

Sentiment Analysis Tanggapan Masyarakat Tentang Hacker Bjorka Menggunakan Metode SVM Taufik Agung Pramana; Yudi Ramdhani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 6, No 1 (2023): Februari 2023
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v6i1.5583

Abstrak— Pada pertengahan tahun 2022, Indonesia dibuat gempar oleh kehadiran hacker dengan nama Bjorka, pasalnya Bjorka berhasil meretas situs Kementrian Komunikasi dan Informatika (KEMKOMINFO). Bjorka tidak melakukan aksinya satu atau dua kali, namun sering kali Bjorka membuat gempar seluruh masyarakat Indoneisa. Bagaimana tidak, selain meretas situs Kementrian Komunikasi dan Informatika, Bjorka juga berhasil mencuri dokumen rahasia milik Badan Intelejen Negara (BIN). Selain berhasil mencuri, Bjorka juga tidak ragu untuk menyebarluaskan dokumen rahasia tersebut dalam berupa kalimat di sosial media Twitter. Salah satu isu dokumen rahasia milik Indonesia yang Bjorka bocorkan adalah mengenai kasus pembunuhan Munir. Sebagai negara yang memiliki 19,5 juta pengguna aktif Twitter, tentunya hashtag Bjorka sering kali menduduki peringkat teratas, ini berarti banyak dari masyarakat di Twitter yang membicarakan Bjorka dalam cuitan Twitternya. Pada cuitan Twitter tersebut kita bisa menemukan banyak komentar positif dan komentar negatif. Penulis menggunakan metode Support Vector Machine untuk mengetahui apakah tanggapan masyarakat di Twitter termasuk positif atau negatif. Berdasarkan hasil analisis, akurasi terbaik didapatkan yaitu metode SVM dalam sentiment analysis tanggapan masyarakat Indonesia tentang Hacker Bjorka dibandingkan metode NBC.Kata Kunci: Analisis sentimen, SVM, Bjorka Abstract— In mid-2022, Indonesia was shocked by the presence of a hacker named Bjorka, because Bjorka managed to hack the Ministry of Communication and Information (KEMKOMINFO) website. Bjorka didn't do it once or twice, but Bjorka often caused an uproar among Indonesian people. How could it not be, besides hacking the Ministry of Communication and Informatics website, Bjorka also managed to steal confidential documents belonging to the State Intelligence Agency (BIN). Apart from being successful in stealing, Bjorka also did not hesitate to disseminate these secret documents in the form of sentences on social media Twitter. One of the issues of secret documents belonging to Indonesia that Bjorka leaked was regarding the Munir murder case. As a country with 19.5 million active Twitter users, of course, the hashtag Bjorka often tops the rankings. This means that many people on Twitter talk about Bjorka in their Twitter tweets. On the Twitter tweet, we can find many positive comments and negative comments. The author uses the Support Vector Machine method to find out whether people's responses on Twitter are positive or negative. Based on the results of the analysis, the best accuracy was obtained, namely the SVM method in sentiment analysis of Indonesian people's responses to the Bjorka Hacker compared to the NBC method..Keyword : Sentiment Analysis, SVM, Bjorka

Klasifikasi Bumbu Dapur Pasar Menggunakan Metode Deep Neural Network Berbasis Android Hizaz Zakaria Yahya; Yudi Ramdhani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 6, No 1 (2023): Februari 2023
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v6i1.5569

Abstrak - Mengetahui rempah atau bumbu dapur merupakan pengetahuan dasar, khususnya bagi masyarakat yang ingin fokus di dunia kuliner, bahkan bukan itu saja, setiap orang tentunya perlu mengetahui jenis-jenis bumbu dapur. Masih banyak orang yang sulit mengenali jenis bumbu dapur apalagi bumbu yang terlihat mirip. Tujuan penelitian ini yaitu menguji metode DNN untuk klasifikasi jenis bumbu/rempah di Indonesia. Metode yang digunakan yaitu Deep Neural Network dimana metode ini memiliki cara kerja yang tepat untuk data berupa gambar. Pada penelitian ini terdapat 10 class yang digunakan dan hasil akhirnya yaitu akurasi sebesar 86.5% dengan 4000 epoch dan dibangun menggunakan bahasa python. Hasil dari aplikasi ini berupa aplikasi android.Kata kunci: Klasifikasi rempah/bumbu dapur, Deep Neural Network, Pengolahan Citra Abstract - Knowing spices or herbs is basic knowledge, especially for people who want to focus on the culinary world, and that's not all, of course everyone needs to know the types of spices. There are still many people who find it difficult to recognize the types of spices, let alone spices that look similar. The purpose of this research is to test the DNN method for the classification of types of spices/spices in Indonesia. The method used is the Deep Neural Network where this method has the right way of working for data in the form of images. In this study there were 10 classes used and the end result was an accuracy of 86.5% with 4000 epochs and was built using the python language. The result of this application is an android application.Keyword : Classification of spices/spice, Deep Neural Network, Image Processing

OPTIMASI ALGORITMA NAÃVE BAYES MENGGUNAKAN FORWARD SELECTION UNTUK KLASIFIKASI PENYAKIT GINJAL KRONIS Miftahul Rizal; Muhamad Zakhy Syahaf; Satrio Rully Priyambodo; Yudi Ramdhani
Naratif (Jurnal Nasional Riset, Aplikasi Dan Teknik Informatika) Vol 5 No 1 (2023): NARATIF : Jurnal Nasional Riset Aplikasi dan Teknik Informatika
Publisher : Sekolah Tinggi Teknologi Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53580/naratif.v5i1.200

Penyakit Ginjal Kronis (PGK) ialah disfungsi ginjal liberal dan ireversibel di mana keahlian tubuh untuk men-dukung badan mempertahankan metabolisme dan keseimbangan elektrolit tersendat. Penyakit ginjal kronis akan ber-tambah sebagai gagal ginjal terminal maupun ginjal tingkatan akhir penyakit dimana ginjal tidak sanggup bertugas lagi untuk melindungi materi ke dalam badan, membutuhkan pemulihan langkah- langkah lebih lanjut dari dialisis maupun transplantasi ginjal sebagai pemulihan pengganti ginjal. Penyakit ginjal adalah masalah kesehatan diseliruh dunia, yang memiliki Peningkatan prevalensi gagal ginjal dan prognosis buruk dan biaya yang tinggi. Penyakit ginjal kronis bisa menjadi sulit untuk disembuhkan, penyebab utama termasuk diabetes dan tekanan darah tinggi. Penelitian memperoleh dataset dari UCI machine learning reprository dan terdapat banyak dataset, salah satunya ialah dataset Risk Factor prediction of Chronic Kidney Disease. Studi ini bermaksud untuk mengukur tingkat keakuratan penggo-longan informasi data mining, studi ini menggunakan algoritma C4. 5, K- NN, NaÃ¯ve bayes, Logistic regression. Dari algoritma keempat akan dibandingkan pengklasifikasian dataset Risk Factor prediction of Chronic Kidney Disease, dataset yang diperoleh dari UCI machine learning reprository. Dari hasil akurasi yang didapat dengan menggunakan Algoritma C4. 5 menghasilkan akurasi 90, 45%, Algoritma K- NN menghasilkan kejituan 91, 50%, Algoritma NaÃ¯ve Bayes menghasilkan akurasi 92, 92%, Algoritma Logistic Regresion menghasilkan akurasi 80, 09%. sehingga bisa disimpulkan jika algoritma yang paling tidak akurat ialah algoritma NaÃ¯ve Bayes.

Visualisasi Data dan Penerapan Machine Learning Menggunakan Decision Tree Untuk Keputusan Layanan Kesehatan COVID-19 Amin Fahri; Yudi Ramdhani
Jurnal Tekno Kompak Vol 17, No 2 (2023): Agustus
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v17i2.2438

Pada Desember 2019, virus corona baru yang sekarang dinamai SARS-CoV-2, menyebabkan serangkaian penyakit pernapasan atipikal akut di Wuhan, Provinsi Hubei, China. Penyakit yang disebabkan oleh virus ini disebut COVID-19. Virus ini dapat menular antar manusia dan telah menyebabkan pandemi di seluruh dunia. Virus yang mendasari penyakit COVID-19, SARS-CoV-2, telah menyebabkan lebih dari 120 juta kasus yang dikonfirmasi dan 1,5 juta kematian sejak April 2022. Penelitian ini menggunakan algoritma Decision Tree untuk memprediksi COVID-19 dengan validasi parameter Cross Validation, Split Validation. Cross Validation pada algoritma Decision Tree Regressor memiliki tingkat performa terbaik diantara 3 algoritma lainnya, seperti; Linear Regression, Support Vector Machine Regression dan Neural Network Regression. Algoritma Decision Tree menghasilkan nilai average 57 untuk RMSE (Root Mean Square Error). Validasi data menggunakan split validation menghasilkan nilai average 29 untuk MAE (Mean Absolute Error) , 3816 untuk MSE (Mean Square Error), 59 untuk RMSE (Root Mean Square Error) dan 0,956 untuk R2 Square. Split ratio 0,9 memiliki nilai MAE, MSE, RMSE dan R2 Square tertinggi. Artinya algoritma Decision Tree Regressor memiliki kinerja yang baik untuk meningkatkan kinerja algoritma prediksi. Berdasarkan hasil penelitian mendapatkan nilai RMSE terbaik sehingga bisa digunakan oleh tenaga medis dan peneliti dalam melakukan prediksi COVID-19 dan dapat menjadi bahan rujukan metode yang akan diimplementasikan pada saat membuat penelitian mengenai COVID-19.

Gesture Recognition untuk Deteksi Bahasa Isyarat BISINDO: Pendekatan Mediapipe dan Random Forest Salsabila Ayuni Kaffah; Yudi Ramdhani
JOINTECS (Journal of Information Technology and Computer Science) Vol 8, No 3 (2023)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v8i3.4813

Gesture Recognition memainkan peran penting dalam memfasilitasi dan meningkatkan aksesibilitas komunikasi bagi individu dengan gangguan pendengaran dan bicara, Namun, dalam menerjemahkan bahasa isyarat yang kompleks menjadi bahasa lisan atau tulisan tetap menjadi tantangan yang signifikan. Berupaya untuk mengatasi hal tersebut, penelitian ini memanfaatkan framework MediaPipe dan algoritma Random Forest Classifier untuk mengklasifikasikan gerakan isyarat berbentuk ungkapan dan kata dalam bahasa isyarat BISINDO. Dengan mempertimbangkan tingkat kesulitan dan kompleksitas gerakan isyarat, 10 label ungkapan/kata dalam BISINDO dipilih dan menghasilkan total 25.000 data yang dipakai pada sistem di penelitian ini. Pendekatan ini melibatkan deteksi bahasa isyarat melalui pengenalan pose, gerakan tangan, dan ekspresi wajah. Hasil evaluasi menunjukkan algoritma Random Forest mencapai tingkat presisi, recall, F1-score, dan akurasi yang sangat tinggi (99,88%). Selain itu, sistem yang dikembangkan juga menunjukkan kinerja baik dengan rata - rata probabilitas prediksi berkisar antara 0,50 hingga 0,70 untuk prediksi yang benar, meskipun terdapat tantangan dalam membedakan gerakan isyarat yang mirip dan menyebabkan beberapa prediksi memerlukan waktu lebih lama untuk mencapai hasil yang tepat. Dengan hasil yang diperoleh, penelitian ini memberikan kontribusi penting dalam meningkatkan pengenalan bahasa isyarat dan mendorong inklusivitas bagi masyarakat dengan gangguan pendengaran dan bicara. Hal ini juga membuka peluang baru untuk pengembangan lebih lanjut dalam teknologi deteksi bahasa isyarat.

Klasifikasi Bumbu Dapur Pasar Menggunakan Metode Deep Neural Network Berbasis Android Hizaz Zakaria Yahya; Yudi Ramdhani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 6, No 1 (2023): Februari 2023
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v6i1.5569

Abstrak - Mengetahui rempah atau bumbu dapur merupakan pengetahuan dasar, khususnya bagi masyarakat yang ingin fokus di dunia kuliner, bahkan bukan itu saja, setiap orang tentunya perlu mengetahui jenis-jenis bumbu dapur. Masih banyak orang yang sulit mengenali jenis bumbu dapur apalagi bumbu yang terlihat mirip. Tujuan penelitian ini yaitu menguji metode DNN untuk klasifikasi jenis bumbu/rempah di Indonesia. Metode yang digunakan yaitu Deep Neural Network dimana metode ini memiliki cara kerja yang tepat untuk data berupa gambar. Pada penelitian ini terdapat 10 class yang digunakan dan hasil akhirnya yaitu akurasi sebesar 86.5% dengan 4000 epoch dan dibangun menggunakan bahasa python. Hasil dari aplikasi ini berupa aplikasi android.Kata kunci: Klasifikasi rempah/bumbu dapur, Deep Neural Network, Pengolahan Citra Abstract - Knowing spices or herbs is basic knowledge, especially for people who want to focus on the culinary world, and that's not all, of course everyone needs to know the types of spices. There are still many people who find it difficult to recognize the types of spices, let alone spices that look similar. The purpose of this research is to test the DNN method for the classification of types of spices/spices in Indonesia. The method used is the Deep Neural Network where this method has the right way of working for data in the form of images. In this study there were 10 classes used and the end result was an accuracy of 86.5% with 4000 epochs and was built using the python language. The result of this application is an android application.Keyword : Classification of spices/spice, Deep Neural Network, Image Processing

Sentiment Analysis Tanggapan Masyarakat Tentang Hacker Bjorka Menggunakan Metode SVM Taufik Agung Pramana; Yudi Ramdhani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 6, No 1 (2023): Februari 2023
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v6i1.5583

Abstrak— Pada pertengahan tahun 2022, Indonesia dibuat gempar oleh kehadiran hacker dengan nama Bjorka, pasalnya Bjorka berhasil meretas situs Kementrian Komunikasi dan Informatika (KEMKOMINFO). Bjorka tidak melakukan aksinya satu atau dua kali, namun sering kali Bjorka membuat gempar seluruh masyarakat Indoneisa. Bagaimana tidak, selain meretas situs Kementrian Komunikasi dan Informatika, Bjorka juga berhasil mencuri dokumen rahasia milik Badan Intelejen Negara (BIN). Selain berhasil mencuri, Bjorka juga tidak ragu untuk menyebarluaskan dokumen rahasia tersebut dalam berupa kalimat di sosial media Twitter. Salah satu isu dokumen rahasia milik Indonesia yang Bjorka bocorkan adalah mengenai kasus pembunuhan Munir. Sebagai negara yang memiliki 19,5 juta pengguna aktif Twitter, tentunya hashtag Bjorka sering kali menduduki peringkat teratas, ini berarti banyak dari masyarakat di Twitter yang membicarakan Bjorka dalam cuitan Twitternya. Pada cuitan Twitter tersebut kita bisa menemukan banyak komentar positif dan komentar negatif. Penulis menggunakan metode Support Vector Machine untuk mengetahui apakah tanggapan masyarakat di Twitter termasuk positif atau negatif. Berdasarkan hasil analisis, akurasi terbaik didapatkan yaitu metode SVM dalam sentiment analysis tanggapan masyarakat Indonesia tentang Hacker Bjorka dibandingkan metode NBC.Kata Kunci: Analisis sentimen, SVM, Bjorka Abstract— In mid-2022, Indonesia was shocked by the presence of a hacker named Bjorka, because Bjorka managed to hack the Ministry of Communication and Information (KEMKOMINFO) website. Bjorka didn't do it once or twice, but Bjorka often caused an uproar among Indonesian people. How could it not be, besides hacking the Ministry of Communication and Informatics website, Bjorka also managed to steal confidential documents belonging to the State Intelligence Agency (BIN). Apart from being successful in stealing, Bjorka also did not hesitate to disseminate these secret documents in the form of sentences on social media Twitter. One of the issues of secret documents belonging to Indonesia that Bjorka leaked was regarding the Munir murder case. As a country with 19.5 million active Twitter users, of course, the hashtag Bjorka often tops the rankings. This means that many people on Twitter talk about Bjorka in their Twitter tweets. On the Twitter tweet, we can find many positive comments and negative comments. The author uses the Support Vector Machine method to find out whether people's responses on Twitter are positive or negative. Based on the results of the analysis, the best accuracy was obtained, namely the SVM method in sentiment analysis of Indonesian people's responses to the Bjorka Hacker compared to the NBC method..Keyword : Sentiment Analysis, SVM, Bjorka

PENGGUNAAN OTIMASI ATRIBUT DALAM PENINGKATAN AKURASI PREDIKSI DEEP LEARNING PADA BIKE SHARING DEMAND Hidayatulloh, Syarif; Mustajab, Muhammad Amar; Ramdhani, Yudi
INFOTECH journal Vol. 9 No. 1 (2023)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v9i1.4530

Bersepeda kembali populer pasca pandemi Covid 19 yang terjadi di Indonesia kemarin. Dalam studi ini, algoritma yang paling umum digunakan diuji, termasuk Neural Nets, Generelized Linear Models, Support Vector Machines, Random Forests, dan Deep Learning. Penelitian dilakukan dalam lima model algoritma prediktif dengan sepuluh percobaan menggunakan validasi silang, dan dipilih nilai akurasi terbaik. Berdasarkan perbandingan algoritma tersebut, algoritma Deep Learning memiliki nilai Accuracy sebesar 90% dan AUC sebesar 0,770. Validasi Croos dengan X fold adalah dasar dari algoritma perbandingan ini. Algoritma pembelajaran mendalam ditemukan memiliki nilai akurasi 90%, yang 4-5% lebih rendah dari empat algoritma lainnya. Dengan peningkatan yang signifikan pada penelitian tersebut, maka nilai akurasi untuk optimasi bobot menggunakan algoritma Forward optimize adalah sebesar 95,63%. Berdasarkan hasil percobaan, peneliti menyimpulkan bahwa percobaan tersebut berhasil meningkatkan nilai akurasi dari algoritma deep learning.

ANALISIS ALGORITMA FP-GROWTH DAN APRIORI UNTUK MENEMUKAN MODEL ASOSIASI TERBAIK PADA DATASET ONLINE RETAIL Meirynda Lastika Rahimsyah; Yudi Ramdhani
Kohesi: Jurnal Sains dan Teknologi Vol. 3 No. 1 (2024): Kohesi: Jurnal Sains dan Teknologi
Publisher : CV SWA Anugerah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.3785/kohesi.v3i1.2866

In the digital era, the online retail industry is growing rapidly and is becoming an important sector. However, challenges arise in the analysis of sales transaction data on the Online Retail dataset. This study aims to overcome problems in the analysis of sales transaction data in the Online Retail dataset. The main focus includes selecting the optimal association algorithm between FP-Growth and Apriori, identifying relevant association models on complex datasets, and the efficiency and performance of algorithms in processing sales transaction data. The method used is association data processing using the FP-Growth and Apriori algorithms. Implementation of the association rule involves adding a lift metric as a measure of association strength. Measurement of processing time is also carried out to determine the efficiency of implementation. The results showed that FP-Growth and Apriori could produce an association model with the same frequent itemset and value matrix, namely a support value of 0.12 and a confidence value of 0.96, but there were differences in the resulting model order. The Apriori algorithm produces a model with the highest support value at index 18, while FP-Growth at index 10. In addition, the FP-Growth algorithm shows an advantage in faster processing time (0.004 seconds) compared to Apriori (0.007 seconds). This research provides a better understanding of the use of association algorithms in the context of the online retail industry.

Title

Found 46 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 46 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 46 Documents
Search