Article Per Year (5 Year)
p-Index From 2020 - 2025
10.829
P-Index
This Author published in this journals
All Journal Teknika SITEKIN: Jurnal Sains, Teknologi dan Industri Scientific Journal of Informatics Paediatrica Indonesiana JTT (Jurnal Teknologi Terpadu) Jurnal CoreIT Seminar Nasional Teknologi Informasi Komunikasi dan Industri Jurnal Informatika Universitas Pamulang Journal of Tropical Horticulture Jurnal Nasional Komputasi dan Teknologi Informasi Krea-TIF: Jurnal Teknik Informatika Jurnal Ilmiah Dikdaya Jurnal Keperawatan Komprehensif (Comprehensive Nursing Journal) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) CERIA (Cerdas Energik Responsif Inovatif Adaptif) Atfaluna: Journal of Islamic Early Childhood Education Building of Informatics, Technology and Science Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Medica Hospitalia Educatif: Journal of Education Research Journal of the Indonesian Medical Association : Majalah Kedokteran Indonesia Jurnal Agrium Jurnal Sistem informasi dan informatika (SIMIKA) Jurnal Vokasi Jurnal Tekinkom (Teknik Informasi dan Komputer) Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) JUKI : Jurnal Komputer dan Informatika Journal of Education Informatic Technology and Science International Journal of Engineering, Science and Information Technology KLIK: Kajian Ilmiah Informatika dan Komputer Semah : Jurnal Pengelolaan Sumberdaya Peraira J-Intech (Journal of Information and Technology) Seulanga : Jurnal Pendidikan Anak Malcom: Indonesian Journal of Machine Learning and Computer Science The Indonesian Journal of Gastroenterology, Hepatology and Digestive Endoscopy IJCIED Pedagogika: Jurnal Ilmu-Ilmu Kependidikan Jurnal Ilmiah Mahasiswa Agroekoteknologi Innovative: Journal Of Social Science Research Madani: Multidisciplinary Scientific Journal Jurnal Pengabdian Masyarakat Bangsa Educatif: Journal of Education Research At-Tajdid: Journal of Islamic Studies Jurnal Malikussaleh Mengabdi Proceedings Book of International Conference and Exhibition on The Indonesian Medical Education and Research Institute Jurnal Solusi Masyarakat Dikara International Journal of Information System and Innovation Management Science: Indonesian Journal of Science Journal of Business Economics and Management IJAE Eduprof
Yusra, Yusra
Universitas Islam Negeri Sultan Syarif Kasim Riau
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Other

Published : 91 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 91 Documents
Search

 1   2   3   4   5 
Perancangan dan Implementasi Perangkat Lunak untuk Pengelompokan Daerah Produksi Minyak Bumi dengan Metode Kohonen Fitri Insani; Luh Kesuma Wardhani; Yusra Yusra
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 9, No 1 (2011): Desember 2011
Publisher : Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/sitekin.v9i1.604

Abstract

Penelitian ini membahas tentang perancangan dan implementasi aplikasi yang digunakan untuk melakukan pengelompokan daerah produksi minyak bumi. Analisa pembentukan kelompok (cluster) dilakukan menggunakan  Jaringan Syaraf Tiruan algoritma Self Organizing Maps (SOM)- Kohonen dan Java 3D sebagai bahasa pemrograman. Data yang digunakan untuk uji coba adalah data sekunder sumur minyak yang dipersiapkan dengan melalui proses transformasi min-max normalisasi. Data ini diolah menggunakan algoritma SOM untuk menghasilkan cluster data. Hasil cluster ini ditampilkan dalam bentuk bubblechart 3D. Dengan menggunakan output dari aplikasi ini, yang berupa cluster daerah produksi sumur minyak, pihak perusahan dapat dengan mudah menganalisa tiap cluster.
Penerapan Metode Elman Recurrent Neural Network (ERNN) Untuk Peramalan Penjualan Eka Pandu Cynthia; Novi Yanti; Yusra Yusra; Yelvi Fitriani; Muhammad Yusuf
Jurnal Pendidikan Teknologi Informatika dan Sains Vol 1 No 2 (2019): Journal of Education Informatic Technology and Science (JeITS)
Publisher : Faculty of Teacher Training and Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (847.155 KB)

Abstract

Penjualan adalah suatu aktivitas atau bisnis menjual suatu produk atau jasa. Pada penelitian ini, mengambil studi kasus pada sebuah perusahaan penjualan tempe (PT. HB) di Kota Pekanbaru yang menggunakan metode penjualan melalui agen atau sales. Permasalahan penjualan pada perusahaan ini adalah sering terjadinya returned product karena tidak laku, yang dapat menyebabkan kerugian yang cukup besar. Menggunakan Algoritma Elman Recurrent Neural Network (ERNN), penelitian ini melakukan prediksi penjualan tempe pada PT. HB. Data yang digunakan adalah data penjualan tempe harian periode Juli 2016 hingga September 2018 dengan parameter Jumlah Produksi, Harga, Jumlah Agen dan Jumlah Penjualan. Hasil yang diperoleh melalui percobaan beberapa skenario pelatihan dan pengujian implementasi algoritma pada kasus ini adalah akurasi tertinggi bernilai 96,92% pada arsitektur jaringan 3 input neuron layer, 3 neuron hidden layer, 1 output, pembagian data latih dan uji 70 : 30, nilai learning rate 0,9 dan maksimum epoch 900.
Klasifikasi Kepribadian Big Five Pengguna Twitter dengan Metode Naïve Bayes Yusra Yusra; Muhammad Fikry; Rinaldi Syarfianto; Reski Mai Candra; Elvia Budianita
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (258.681 KB)

Abstract

Untuk dapat memahami kepribadian seseorang, postingannya di media sosial dapat digunakan sebagai sumber informasi. Pada penelitian ini, metode Naïve Bayes digunakan untuk mengklasifikasikan kepribadian pengguna Twitter ke dalam salah satu dari lima kelas, yaitu Openness, Conscientiousness, Extraversion, Agreeableness, dan Neuroticism. Tweet diunduh dari 15 akun Twitter dengan menggunakan Twitter API, dengan total keseluruhan sebanyak 1.500 tweet. Setiap akun ditetapkan sifat kepribadian dominannya berdasarkan hasil kuesioner kepribadian yang diinterpretasikan oleh seorang pakar psikologi. Setiap tweet dipraproses menjadi huruf kecil, dibersihkan, ditokenisasi menjadi kata, ditemukan kata dasarnya, kemudian dihilangkan kata-kata yang tidak penting. Setiap kata dibobot berdasarkan frekuensinya. Dataset dibagi menjadi data latih dan uji dengan perbandingan 60:40, 70:30, 80:20 dan 90:10. Setelah dilakukan pengujian, diperoleh akurasi tertinggi pada perbandingan data latih dan uji 70:30 sebesar 86,66%
PREDIKSI RADIASI MATAHARI DENGAN PENERAPAN METODE ELMAN RECURRENT NEURAL NETWORK Eka Pandu Cynthia; Novi Yanti; Yelvi Fitriani; Yusra Yusra
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1210.119 KB)

Abstract

Bumi menerima energi panas dari matahari yang disebut sebagai radiasi matahari. Energi panas sekitar 51% yang mencapai bumi dan sisanya diserap oleh awan beserta gas-gas lain yang berada di atmosfer. Radiasi matahari bermanfaat bagi manusia sebagai penghangat dan penerangan ruangan, pengeringan hasil pertanian dan perikanan, proses fotosintesis tumbuhan, sebagai sumber energi baru dan lain sebagainya. Radiasi matahari juga bisa menimbulkan kerugian seperti menyebabkan kulit terbakar, penyakit mata, demam, sakit kepala dan pemanasan bagi lingkungan. Pengamatan terhadap energi panas ini dilakukan oleh Badan Meteorologi dan Geofisika (BMKG) yang tersebar pada beberapa stasiun di seluruh wilayah Indonesia. BMKG melakukan pencatatan besaran radiasi yang sampai ke bumi dengan melihat durasi penyinaran matahari, kemudian besaran pengaruhnya terhadap lingkungan seperti suhu udara, curah hujan dan kelembaban udara. Metode Elman Recurrent Neural Network (ERNN) merupakan salah satu metode kecerdasan buatan pada jaringan syaraf tiruan. Penelitian ini diharapkan dapat memprediksi besaran radiasi dan pengaruhnya pada lingkungan sehingga dapat dilakukan antisipasi pengaruh buruk kedepannya yang dapat diterima manusia dan lingkungan. ERNN akan memprediksi besaran pancaran radiasi matahari (W/m2) menggunakan data masukan hasil pencatatan BMKG yang dipengaruhinya yaitu durasi penyinaran matahari (%), suhu udara (0Celcius), curah hujan (mm) dan kelembaban udara (%). Menggunakan beberapa skenario pelatihan dan pengujian dengan pemberian nilai set parameter yang berbeda, menghasilkan nilai akurasi terbaik sebesar 96,33% pada pembagian data latih dan data uji 90%:10% dengan set parameter nilai learning rate 0,1 epoch 500 dan minimal error 0,0001.
Klastering Penyebaran Covid-19 Di Indonesia Tahun 2020 Menggunakan K-Medoids Clustering Ayu Khairunnisa; Alwis Nazir; Novrianto Novrianto; Yusra Yusra; Lola Oktavia; Amany Akhyar
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4409

Abstract

Abstrak - Badan Nasional Penanggulangan Bencana (BNPB) telah menetapkan status darurat bencana terkait virus Covid-19. Penyebaran pada kasus Covid-19 yang sudah merata di seluruh provinsi di Indonesia sudah merupakan penyebaran yang cukup cepat dan berdampak negative pada seluruh bidang. Dari banyaknya data Covid-19 di Indonesia yang ada, diperlukan pengelompokan penyebaran kasus Covid-19 sehingga dapat dimanfaatkan oleh berbagai pihak, salah satunya yaitu Dinas Kesehatan mengenai pengelompokan penyebaran Covid-19 pada 34 provinsi di Indonesia agar dapat diketahui pola penyebarannya menggunakan data mining metode clustering dan algoritma yang digunakan yaitu K-Medoids. Berdasarkan penelitian yang telah dilakukan dapat disimpulkan bahwa penerapan data mining dengan algoritma K-Medoids dapat diterapkan.penelitian ini mendapatkan cluster sebanyak 3 pengelompokan dan mendapatkan hasil dengan yaitu cluster tinggi berjumlah 3 provinsi, cluster sedang berjumlah 9 provinsi dan cluster rendah berjumlah 22 provinsi. Pengujian cluster dari algoritma K-Medoids ini menggunakan Silhouette Coefficient dan menunjukan bahwa cluster optimal untuk pengelompokan penyebaran Covid-19 di Indonesia adalah cluster 3 dengan nilai 0.262463.Kata kunci: Covid-19, Data mining, Clustering, K-Medoids. Abstract - Badan Nasional Penanggunlangan Bencana (BNPB) has declared a disaster emergency status related to the Covid-19 virus. The spread of Covid-19 cases that have been evenly distributed in all provinces in Indonesia is already a fairly rapid spread and has a negative impact on all fields. From the large number of existing Covid-19 data in Indonesia, it is necessary to classify the spread of Covid-19 cases so that it can be utilized by various parties, one of which is the Health Office regarding the grouping of the spread of Covid-19 in 34 provinces in Indonesia so that the distribution pattern can be known using the data mining method. clustering and the algorithm used is K-Medoids. Based on the research that has been done, it can be concluded that the application of data mining with the K-Medoids algorithm can be applied. This study obtained 3 clusters of clusters and obtained results with 3 provinces in the high cluster, 9 provinces in the medium cluster and 22 in the low cluster. The cluster testing of the K-Medoids algorithm uses the Silhouette Coefficient and shows that the optimal cluster for clustering the spread of Covid-19 in Indonesia is cluster 3 with a value of 0.262463.Keywords: Covid-19, Data mining, Clustering, K-Medoids.
Aplikasi Android untuk Tanda Tangan Digital (Studi Kasus di Jurusan Teknik Informatika, UIN Suska Riau) Muhammad Fikry; Yusra Yusra
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 19, No 2 (2022): Juni 2022
Publisher : Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/sitekin.v19i2.17275

Abstract

Sebagai upaya mencegah penyebaran Covid-19, seminar kerja praktek dan tugas akhir di Jurusan Teknik Informatika, UIN Suska Riau dilaksanakan secara daring menggunakan Google Meet atau Zoom. Penandatanganan dokumen seminar tidak lagi dilakukan di atas kertas, beralih ke digital berupa file PDF. Untuk memastikan keaslian tanda tangannya, dosen menggunakan tanda tangan digital berbasis sertifikat. Berdasarkan hasil observasi, ditemukan dua permasalahan. Permasalahan pertama adalah dosen tidak dapat menggunakan smartphone-nya untuk menandatangani secara digital berbasis sertifikat. Permasalahan kedua adalah tidak tersentralisasinya daftar tanda tangan yang dipercaya. Dalam penelitian ini, dilakukan rancang bangun aplikasi bergerak untuk membuat visible signature pada file PDF dengan menggunakan tanda tangan digital berbasis sertifikat. Tanda tangan pada file PDF dapat didaftarkan sebagai tanda tangan yang dipercaya, baik di perangkat itu sendiri maupun tersentralisasi. Hasil pengujian blackbox memperlihatkan bahwa aplikasi yang dibangun telah sesuai dengan hasil analisa dan perancangan. Berdasarkan User Acceptance Test, aplikasi yang dibangun telah memenuhi tujuan rancang bangunnya.
Perbandingan Pembobotan Kata Menggunakan Naïve Bayes Classifier Terhadap Analisa Sentimen Permendikbud No 30 Tahun 2021 Jeki Dwi Arisandi; Elvia Budianita; Eka Pandu Cynthia; Febi Yanto; Yusra Yusra
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 4 (2022): Agustus 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i4.4420

Abstract

Abstrak - Kekerasan seksual di lingkungan Pendidikan mengalami peningkatan kasus dari tahun ke tahun. Menurut data dari Komnas Perempuan periode 2015-2020 kasus kekerasan seksual di lingkungan Pendidikan menunjukkan bahwa lingkungan Pendidikan sudah tidak menjadi tempat yang aman bagi peserta didik. Berdasarkan data kasus yang diadukan kepada komnas perempuan pada tahun 2015-2020 kasus kekerasan seksual tertinggi terjadi di lingkungan Universitas sebanyak 27%, lalu diikuti oleh Pesantren atau Pendidikan berbasis agama sebanyak 19% dan sisanya terjadi di tingkat SMU/SMK sebanyak 15%, SMP 7%, di tingkat TK,SD,SLB dan Pendidikan berbasis Kristen masing-masing sebanyak 3%. Bentuk kekerasan seksual yang terjadi di lingkungan Pendidikan tersebut berupa pemerkosaan, pencabulan, dan pelecehan seksual serta kekerasan psikis dan diskriminasi dengan mengeluarkan siswa dari sekolah. Berbagai kasus tersebut mendorong pihak Kementrian Pendidikan, Kebudayaan, Riset, dan Teknologi Republik Indonesia membuat Peraturan Menteri No 30 Tahun 2021 dengan tujuan untuk menangani berbagai kekerasan seksual yang selama ini masih terjadi di lingkungan Pendidikan. Namun setelah diterbitkannya Peraturan Menteri nomor 30 Tahun 2021 tersebut memunculkan beragam sentimen positif dan negatif dari masyarakat baik itu dari organisasi HAM dan organisasi keagamaan. Opini dari masyarakat tersebut dapat dijadikan bahan evaluasi bagi pemerintah untuk menilai kebijakan yang telah dibuat. Dalam penelitian ini membahas mengenai analisa sentimen Permendikbud no 30 tahun 2021 dengan melakukan perbandingan pembobotan kata menggunakan metode Naïve Bayes Classifier. Langkah awal yang penulis lakukan yaitu pengumpulan data dari media sosial Twitter sebanyak 468 data, kemudian memberikan pelabelan kelas data yang terdiri dari positif, negatif, dan netral lalu melakukan proses pembobotan menggunakan TF-IDF dan TF-RF yang bertujuan untuk melihat perbandingan proses pembobotan kedua metode tersebut. Berdasarkan dari proses dan hasil pengujian Confusion Matrix didapatkan akurasi terbaik dengan rasio 70:30 sebesar 73,94% dengan pembobotan TF-IDF.Kata Kunci: PERMENDIKBUD No 30 Tahun 2021, Kekerasan Seksual, Analisa Sentimen, Twitter, Naïve Bayes Classifier.Abstract - Sexual violence in the educational environment has increased in cases from year to year. According to data from Komnas Perempuan for the 2015-2020 period, cases of sexual violence in the educational environment show that the educational environment is no longer a safe place for students. Based on case data that was reported to Komnas Perempuan in 2015-2020 the highest cases of sexual violence occurred in universities as much as 27%, then followed by Islamic boarding schools or religion-based education as much as 19% and the rest occurred at the high school/vocational level as much as 15%, SMP 7 %, at the level of TK, SD, SLB and Christian-based education each as much as 3%. The forms of sexual violence that occur in the educational environment are in the form of rape, sexual abuse, and sexual harassment as well as psychological violence and discrimination by expelling students from school. These various cases prompted the Ministry of Education, culture, research, and Technology of the Republic of Indonesia to make Ministerial Regulation No. 30 of 2021 with the aim of dealing with various sexual violence that is still happening in the education environment. However, after the issuance of Ministerial regulation number 30 of 2021, it gave rise to various positive and negative sentiments from the community, both from human rights organizations and religious organizations. Public opinion can be used as evaluation material for the government to assess the policies that have been made. This study discusses the sentiment analysis of Minister of Education and Culture No. 30 of 2021 by comparing word weights using the Naïve Bayes Classifier method. The first step that the author took was collecting data from Twitter social media as much as 468 data, then labeling the data classes consisting of positive, negative, and neutral then carrying out a weighting process using TF-IDF and TF-RF which aims to compare the two weighting processes the method. Based on the process and results of the Confusion Matrix test, the best accuracy was obtained with a 70:30 ratio of 73.94% with TF-IDF weighting.Keywords: PERMENDIKBUD No 30 of 2021, Sexual Violence, Sentiment Analysis, Twitter, Naïve Bayes Classifier.
PREDIKSI DATA INDEKS HARGA KONSUMEN PROVINSI RIAU BERBASIS TIME SERIES DENGAN METODE DOUBLE EXPONENTIAL SMOOTHING Dina Septiawati; Siska Kurnia Gusti; Fadhilah Syafria; Yusra Yusra; Eka Pandu Cynthia
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 7, No 4 (2022)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v7i4.3209

Abstract

Indeks Harga Konsumen merupakan indeks yang menghitung rata-rata perubahan harga barang dan jasa. Penelitian ini menggunakan data Indeks Harga Konsumen Provinsi Riau bulan Januari tahun 1999 sampai dengan bulan Desember tahun 2021 yang bersumber dari website resmi Badan Pusat Statistik Provinsi Riau. Penelitian ini bertujuan untuk memberikan gambaran tentang perkembangan indeks harga konsumen apakah mengalami kenaikan atau penurunan sehingga dapat dijadikan sebagai bahan evaluasi kebijakan yang akan diambil oleh pihak pemerintah, swasta, maupun pemegang otoritas moneter. Tahapan untuk prediksi dengan menggunakan metode double exponential smoothing yaitu menghitung nilai pemulusan tunggal (single smoothing), menghitung pemulusan ganda (double smoothing), menghitung nilai konstanta pemulusan, menghitung nilai kofisien trend, dan melalukan prediksi. Untuk melakukan pengujian prediksi maka dilakukan dengan cara perhitungan mean absolute percentage error. Berdasarkan perhitungan yang telah dilakukan, diperoleh hasil prediksi nilai indeks harga konsumen sebesar 105,17 dengan alpha 0,6 bernilai 3,132646%. Dapat disimpulkan bahwa metode double exponential smoothing mempunyai kemampuan yang baik dalam prediksi nilai indeks harga konsumen.
KLASIFIKASI STATUS GIZI BAYI POSYANDU KECAMATAN BANGUN PURBA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) Emir Ramon; Alwis Nazir; Novriyanto Novriyanto; Yusra Yusra; Lola Oktavia
Jurnal Sistem Informasi dan Informatika (Simika) Vol 5 No 2 (2022): Jurnal Sistem Informasi dan Informatika (Simika)
Publisher : Program Studi Sistem Informasi, Universitas Banten Jaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47080/simika.v5i2.2185

Abstract

This research was conducted to apply the Support Vector Machine algorithm in the process of classifying the nutritional status of infants under five. The nutritional status of early childhood can determine what kind of human resources as successors of a nation in the future. Good nutritional status plays an important role in determining the success or failure of efforts to increase human resources, so that data on the nutritional status of toddlers such as at the Posyandu, Bangun Purba District can be classified using Data Mining techniques using the Support Vector Machine algorithm. The results of this study using 80% of the data as training data and 20% of the data as training data are f1 score 0.865, accuracy 0.876, precision score 0.871, and recall score 0.876. The results showed that from a total of 347 data on the nutritional status of infants, there were 284 infants with good nutrition, 15 infants with poor nutrition, 23 infants with less nutrition, 8 infants with excess nutrition, 6 infants with obesity, and 11 infants at risk of overnutrition. Based on these results, there were 304 baby nutrition data that were classified correctly from a total of 347 baby data that were used as testing data. From this research, it can be concluded that the Support Vector Machine algorithm can classify infant nutrition data at the Posyandu, Bangun Purba District, well.
Toddler Nutritional Status Classification Using C4.5 and Particle Swarm Optimization Nazir, Alwis; Akhyar, Amany; Yusra, Yusra; Budianita, Elvia
Scientific Journal of Informatics Vol 9, No 1 (2022): May 2022
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v9i1.33158

Abstract

Abstract. Purpose: This research was conducted to create a classification model in the form of the most optimal decision tree. Optimal in this case is the combination of parameters used that will produce the highest accuracy compared to other parameter combinations. From this best model, it will be used to predict the nutritional status class for the new data.Methods/Study design/approach: The dataset used is from Nutritional Status Monitoring in 2017 in Riau Province, Indonesia. From the dataset, the Knowledge Discovery in Database (KDD) stages were carried out to build several classification models in the form of decision trees. The decision tree that has the highest accuracy will then be selected to predict the class for the new data. Predictions for new data (unclassified data) will be made in a web-based system.Result/Findings: Particle Swarm Optimization is used to find optimal parameters. Before PSO is used, there are 213 parameters in the dataset that can be used to do classification. However, using many such parameters is time-consuming. After PSO is used, the optimal parameters found are the combination of 4 parameters, which can produce the most optimal decision tree. The 4 chosen parameters are gender, age (in months), height, and the way to measure the height (either stand up or lie down). The most optimal decision tree has an accuracy of 94.49%. From the most optimal decision tree, a web-based system was built to predict the class for new data (unclassified data).Novelty/Originality/Value: Particle Swarm Optimization (PSO) is a method that can help to select the most optimal parameters, or in other words produce the highest classification accuracy. The combination of parameters selected has also been confirmed by the nutritionist. The prediction system has been declared feasible to be used by nutritionists through the User Acceptance Test (UAT).
Co-Authors - Fakhrurrazi .Safrizal, Safrizal A.G, Rosnina Achmad Fauzi Aftari, Dhea Putri Agustian, Surya Ainul Mardiah Aisyah Aisyah Akhyar, Amany Allevia Yumnanisha, Defin Alpizar Alpizar Alwis Nazir Alwis Nazir Amany Akhyar Amelia, Felina Ananda, Nuari Anang Endaryanto Anugrah, Wendy Aufa, Nurul Aulia Martha, Riejma Ayu Khairunnisa Badhawi, Badhawi Badriul Hegar Baidhawi Baidhawi Br Ginting, Risva Novriani Brillyandra, Fradini Caska - Christianta, David Dermawan, Jozu Desfitri, Erda Rahmilaila Dessi Mufti, Dessi Dewanto, Naomi Esthernita Fauzia Deya Inge Kanaya, Mahesa Dina Septiawati Dwitama, Raja Zaidaan Putera Efendi, Yempita Eka Pandu Cynthia Eka Pandu Cynthia, Eka Pandu El Saputra, Yoga Elin Haerani Elvia Budianita Emir Ramon Erlidawati Erlidawati Ethika, Ethika Fadhil, Muflihul Fadhilah Syafria Faruqi, Muhammad Fatima Safira Alatas, Fatima Safira Febi Yanto Fitri Insani Futhira, Nadia Giantini, Astuti Gusti, Siska Kurnia Hafifah, Hafifah Halim Akbar, Halim Hamzah, Zulfadli Hasanah, Rakiyatul Hastriana, Kiki Hayati Hendrival Hendrival Herlinda Herlinda, Herlinda Heru Aulia Azman Hidayat, Rizki Iis Afrianty Indah Aida Sapitri Indrasari, Nuri Dyah Irianti Handayani, Supri Irmayunita, Irmayunita Ismadi Ismadi Iwan Iskandar Jasril Jasril Jeki Dwi Arisandi Jufri Jufri Junianti, Fitri Kamaruddin Kamaruddin Khusrizal Khusrizal Kumalawati, July Laila Nazirah Lestari Handayani Lola Oktavia Lola Oktavia Luh Kesuma Wardhani M. Nazaruddin, M. Maqbul, Maqbul Maria Ulfah Marindra, Zulfah Amaliya Marjuah, Hilmiyah Maulana, Muhammad Rizky Mawardati Mawardati Maya Safitri Mohd Andalas Muh. Darwis Muhammad Aris Muhammad Chairuddin, Muhammad Muhammad Fikry Muhammad Fikry Muhammad Irsyad Muhammad Muaz Munauwar MUHAMMAD YUSUF Muliana, Muliana Munawar Munawar N, Mutiara Nafisah Nafisah Nalatirrizqa, Nalatirrizqa Nani Cahyani Sudarsono Nani Cahyani Sudarsono Nasruddin Nasruddin Nasrullah, Muh. Nazir, Alwis Nazruddin Safaat Nazruddin Safaat H Nilahayati Novi Yanti Novrianto Novrianto Novriyanto Novriyanto Nuraina, Nuraina Nurhardini, Tammy Nurhayati Nurhayati Nurmansyach, Febianto Nurul Jannah Okfalisa Okfalisa Oktavia, Lola Pambudi, Wiyarni Pangestu, Natasha Pattiasina, Firensca Permana, Febrian Pizaini Pizaini Priyanto Priyanto Putri, Raysa Jayu Putri, Sindy Gemaeka Rachma Perdani, Wahyu Rahmat Rizki Hidayat Ramadanu Putra Ramadhani, Siti Randa Fajar Saputra Ranggayoni, Russy Reski Mai Candra Retno Asti Werdhani Rinaldi Syarfianto Riska Eka Putri, Riska Eka Sabar, Muhammad Saputra, Elvino Dwi Saputra, Randa Fajar Sari, Anggi Novita Sari, Dwhy Dinda sari, Mutia Saude Saude Shelviana, Zeni Fransisca Sidik Sidik Siska Kurnia Gusti Siti Nurbaya Sri Suryo Adiyanti, Sri Suryo Sukawati, Farha Sulistia Ningsih, Sulistia Suryadi Suryadi Suryadi, Nanda Sutarno, Maryati Suwanto Sanjaya Suzana Ana Suzanna Immanuel Syahpawi Syahpawi Syahrial, Murah Syaifuddin Syaifuddin syavitri, suci Taufik Hidayat Tiara Dwi Arista Tjahjadi, Ricky Trian Zulhadi Ubadah Ubadah, Ubadah Umi Fahmida Uswatun Hasanah Wini, Lusia Oktri Wirdiani, Putri Syakira Yani, Susmi Syahfrida Yasmin, Aina Yelvi Fitriani Yelvi Fitriani Yolanda, Khovifah Yuda Zafitra Fadhlan Yudhistira Yudhistira Zikri, Muhammad Afzalul Zulfani Sesmiarni Zurrahmi Wirda