Garuda - Garba Rujukan Digital

Jaringan Saraf Tiruan dengan Backpropagation untuk Memprediksi Penyakit Asma Dahriani Hakim Tanjung
Creative Information Technology Journal Vol 2, No 1 (2014): November - Januari
Publisher : UNIVERSITAS AMIKOM YOGYAKARTA

Penelitian ini bertujuan untuk memprediksi penyakit asma menggunakan teknik pengenalan pola yaitu jaringan saraf tiruan dengan metode backpropagation. Data penilaian asma mengacu pada riwayat penyakit asma seseorang. Jaringan saraf tiruan dilakukan dengan menentukan jumlah unit untuk setiap lapisan dengan fungsi aktivasi sigmoid biner. Pengujian dilakukan menggunakan perangkat lunak matlab yang diuji dengan beberapa bentuk arsitektur jaringan. Arsitektur dengan konfigurasi terbaik terdiri dari 18 lapisan masukan, 8 lapisan tersembunyi dan 4 lapisan keluaran dengan nilai learning rate sebesar 0.5, nilai toleransi error 0.001, menghasilkan maksimal epoch 4707 dan MSE 0.00100139. MSE berada di bawah nilai error yaitu 0.001, Parameter tersebut dipilih menjadi parameter terbaik karena menghasilkan jumlah iterasi yang memiliki nilai akurasi MSE yang cukup baik, karena nilai MSE paling kecil dari arsitektur yang lain serta nilai MSE dibawah dari nilai error yang ditentukan. Sigmoid Biner Fungsi ini digunakan untuk jaringan saraf yang dilatih dengan menggunakan metode backpropagation. Fungsi sigmoid memiliki nilai range 0 sampai 1. Oleh karena itu, fungsi ini sering digunakan untuk jaringan saraf yang membutuhkan nilai output yang terletak pada interval 0 sampai 1.This study aims to predict asthma using pattern recognition techniques namely artificial neural network with back propagation method. Asthma assessment data refers to a person's history of asthma. Artificial neural network is done by determining the number of units for each layer with binary sigmoid activation function. Testing is done using matlab software being tested with some form of network architecture. Architecture with the best configuration consists of 18 layers of input, 8 hidden layer and output layer 4 with a value of learning rate of 0.5, the error tolerance value 0001, 4707 and resulted in the maximum epoch MSE .00100139. MSE is under the error value is 0.001, the parameter is chosen to be the best parameters for generating the number of iterations that have an accuracy value of MSE is quite good, because the smallest MSE value than other architectures as well as the value of the MSE under a specified error value. Binary sigmoid function is used for neural network trained using the backpropagation method. Sigmoid function has a value in the range 0 to 1. Therefore, this function is often used for neural networks that require output value lies in the interval 0 to 1.

Sistem Informasi Eksekutif Data Pegawai Pada Badan Kepegawaian Provinsi Sumatera Utara Berbasis Web Arif Budiman; Dahriani Hakim Tanjung; Charles Bronson Harahap
INFOSYS (INFORMATION SYSTEM) JOURNAL Vol 4, No 2: InfoSys Februari 2020
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/infosys.4.2.2020.215-226

Kebutuhan akan informasi bagi suatu organisasi saat ini sudah menjadi hal yang mutlak. Dimana informasi ini biasanya digunakan untuk mengambil sebuah keputusan, sehingga dibutuhkan sebuah penyampaian informasi yang tepat, cepat dan akurat. Seiring dengan berkembangnya teknologi penyampaian informasi dapat diberikan dalam bentuk yang sedemikian rupa sehingga pihak eksekutif dapat melihat dengan jelas informasi yang diberikan. Badan Kepegawaian Daerah Provinsi Sumatera Utara salah satunya yang membutuhkan informasi khususnya data kepegawaian. Sistem Informasi Eksekutif ini dibangun untuk memudahkan dalam menganalisa data kepegawaian baik dari segi jumlah pegawai dan kinerja pegawai.

Penerapan Metode SMART Untuk Sistem Pendukung Keputusan Penerimaan Bantuan UMKM Dwiky Maulana; Dahriani Hakim Tanjung
Information System and Data Science (InSeDS) Vol. 1 No. 2 (2023): Mei: Information System and Data Science
Publisher : Information System and Data Science (InSeDS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (784.961 KB)

Dalam pelaksanaan penyaluran bantuan tersebut, Dinas Kecamatan Medan Timur menghimpun informasi bahwa setiap UMKM telah terdaftar sebagai pelaku UMKM untuk menerima bantuan BPUM. Dalam mengumpulkan fakta UMKM, para pelaku usaha tanpa ragu datang ke kantor Kecamatan Medan Timur dan melakukan pengecekan sendiri. berdasarkan Peraturan Menteri Koperasi, Usaha Kecil dan Menengah Republik Indonesia nomor 6 Tahun 2020 tentang strategi pencairan BPUM beserta penawaran penerima kemampuan, pembersihan catatan dan validasi fakta penerima kemampuan, penentuan penerima, pencairan Tahapan harga BPUM, dan sharing review. Pemkab Medan Timur dalam menuntaskan UMKM belum maksimal dan kesulitan mendapatkan bantuan yang diutamakan dari pemerintah. Kabupaten Medan Timur yang menilai belum ada usulan, belum memiliki standar dalam menentukan UMKM yang layak mendapat bantuan pemerintah. Tekad teknis dalam memberikan pendampingan dampak bagi pelaku UMKM yang efisien tidak tepat sasaran. oleh karena itu sangat penting untuk membuat pilihan yang tepat dengan mempertimbangkan ketidakkonsistenan kriteria yang dimiliki, sebuah decision guide machine (DSS) adalah perangkat yang mampu memberikan kemampuan trouble-fixing dan kemampuan percakapan untuk masalah semi-terstruktur dan situasi yang tidak terstruktur. Maka penulis melakukan analisis terkait dengan sistem data yang ada, penulis merancang gadget dengan menggunakan model bantuan pilihan yang menerapkan metode smart pendekatan peringkat multi atribut mudah.

Optimasi Metode K-Means dan K-Medoids Berdasarkan Jumlah Cluster dan Nilai DBI Dalam Pengelompokkan Produksi Kelapa Sawit Di Provinsi Riau Fina Nasari; Dahriani Hakim Tanjung; Fitri Handayani
INFOSYS (INFORMATION SYSTEM) JOURNAL Vol 7, No 2 (2023): InfoSys Februari 2023
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/infosys.7.2.2023.129-141

Kelapa sawit merupakan salah satu jenis sumber daya alam yang terkenal didunia. Perkebunan kelapa sawit terbesar didunia berada di Indonesia. Provinsi riau menjadi salah satu provinsi dengan produksi kelapa sawit tertinggi di Indonesia dengan luas kebun 2.8 juta Ha produksi 8.8 juta ton per tahun. Penyebaran kelapa sawit di provinsi riau hampir diseluruh kabupaten, sehingga perlu adanya pengelompokkan daerah produksi kelapa sawit. Clustering menjadi salah satu metode yang dapat mengelompokkan data pada data yang sejenis. Proses clustering dapat menggunakan metode K-means atau K-medoids. Perlu adanya pengujian untuk melihat metode yang lebih optimal dalam proses cluster berdasarkan jumlah cluster dan nilai DBI untuk mendappatkan hasil pengelompokkan daerah produksi kelapa sawit terbaik. Pengujian menggunakan Tools Rapit Miner. Jumlah Cluster yang digunakan dalam pengujian ini adalah 2, 3 dan 5. Hasil penelitian ini menunjukkan Jumlah Cluster 2 menjadi cluster terbaik dengan nilai DBI untuk metode K-medoid -159796492242,667 dan metode K-Means -82338884292,014. Metode K-Medoid menjadi metode cluster terbaik dengan cluster yang dihasilkan berupa 7 kabupaten pada kelompok jumlah produksi Tinggi dan 5 kabupaten masuk pada kelompok jumlah produksi Rendah.

Perbandingan Konvensional Method dengan Fast Fourire Transform Method pada efesiensi Citra Digital OK Muhammad Ihsan; Wiwi Verina; Rofiqoh Dewi; Dahriani Hakim Tanjung; Muhammad Sadikin
INFOSYS (INFORMATION SYSTEM) JOURNAL Vol 7, No 2 (2023): InfoSys Februari 2023
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/infosys.7.2.2023.142-154

Peningkatan citra adalah proses penajaman fitur tertentu dari suatu citra (seperti tepi, wilayah, atau kontras) sehingga citra tersebut dapat dilihat dengan lebih baik dan dianalisis dengan lebih detail. Penyempurnaan gambar tidak meningkatkan konten informasi gambar, melainkan memperluas jangkauan dinamis fitur dan membuatnya lebih mudah dan lebih akurat untuk dikenali atau diamati. Tantangan terbesar dalam peningkatan citra adalah mengidentifikasi dan menentukan kriteria atau fitur yang perlu ditingkatkan. Ini karena kriteria atau karakteristik ini bergantung pada aplikasi dan sering dikembangkan secara heuristik. Pembagian ini didasarkan pada wilayah dimana proses perbaikan dilakukan, dan seringkali proses perbaikan di kedua wilayah tersebut sama. Jika demikian, pilihan pemrosesan dalam domain Fourier memanfaatkan ketersediaan algoritma FFT (Fast Fourier Transform) yang cepat. Untuk mengetahui hasil perbandingan transformasi citra menggunakan metode Fast Fourier Transform dengan metode tradisional, membuat software perbandingan Fourier sebagai bahan pembanding proses transformasi citra.

Analisis Perbandingan Algoritma Klasifikasi Terhadap Data Problem Mesin ATM Dengan Rapidminer Dahriani Hakim Tanjung; Rofiqoh Dewi; Fujiati Fujiati; Rinrin Meilani Salim
Computer Science Research and Its Development Journal Vol. 16 No. 2 (2024): June 2024
Publisher : LPPM Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/csrid.16.2.2024.188-200

The aim of the proposed research is to compare and test the accuracy of data mining classification algorithms. Comparing algorithms that depend on different parameters of a given data set. There are learning and classification algorithms that are used to analyze, study and classify the available data. However, the problem is finding the best algorithm and the desired results with the highest level of accuracy in predicting future values or events from a data set. Where the classification models used are the C4.5 and Naïve Bayes algorithms. Testing and validation using k-fold Cross Validation as well as evaluating the performance of the prediction model using the ROC-AUC graph with graphic visualization. The data used as samples were taken from ATM machine problem data with a total of approximately 250 samples. Testing was carried out with the help of the Rapidminer tool with operators and parameters used in creating models of the algorithms being compared. The tests that have been carried out prove that the C4.5 algorithm has the best performance with an average accuracy value of 96.00%, a recall value of 97.78% and a precision value of 92.14%, while the naïve Bayes algorithm produces an accuracy value of 83. 00%, the recall value is 76.40% and the precision value is 84.82%. Apart from that, evaluation and validation in this test is also seen based on the ROC curve called AUC (Area Under the ROC Curve) where for the C4.5 algorithm the value is 0.931 while naïve Bayes is 0.894 so the C4.5 algorithm is categorized as Very Good Classification because it has a value between 0.90-1.00. These results show that the C4.5 algorithm is proven to be a potentially effective and efficient classification algorithm.

Landing Page (LPg) Sebagai Media Digital Marketing Dalam Memulai Usaha Di SMK Swasta Gajah Mada Sembiring, Hilda Elsera Br; Fujiati, Fujiati; Dewi, Rofiqoh; Tanjung, Dahriani Hakim; Verina, Wiwi; Sanjaya, Andi
BERNAS: Jurnal Pengabdian Kepada Masyarakat Vol. 6 No. 1 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/jb.v6i1.10293

Kehadiran digital marekting saat ini memudahkan segala kalangan dalam memulai bisnis dengan tepat dan sesuai dengan target yang dituju. Belanja di internet juga bukanlah sebuah hal baru yang dilakukan calon pembeli ketika mencari informasi produk yang akan dibeli [1]. Salah satu teknologi tersebut Landing Page yang dapat digunakan sebagai media pemasaran online yang dapat menjangkau calon pembeli, penggunaannya bisa dilakukan dan di kontrol dimana saja tanpa menguras waktu dan tenaga serta hanya membutuhkan modal berupa smartphone ataupun laptop (sejenisnya) [2]. Salah satu peran Landing page adalah dapat mengubah pengunjung menjadi pelanggan sebagi wujud prospek potensial dan gerbang konversi dalam pemasaran digital [3]. Untuk itu dibutuhkan sebuah pelatihan Landing page kepada siswa/i Sekolah Menengah Kejuruan (SMK) sebagai dasar awal praktek memulai bisnis ketika selesai sekolah karena salah tujuan siswa/i SMK ketika tamat sekolah yaitu siap kerja dan berwirausaha [4]. Oleh karena itu siswa/i SMK selalu di latih dan diajarkan secara langsung mengenai praktek dalam memulai bisnis dan berkarir. Hal tersebut menjadi salah satu tujuan dari pelatihan ini yaitu untuk membekali siswa/i dalam berwirausaha digital dengan memanfaatkan platform Landing page agar mendapatkan calon pembeli yang prospek sesuai dengan bisnis yang dipasarkan.

Analisis Perbandingan Algoritma Klasifikasi Terhadap Data Problem Mesin ATM Dengan Rapidminer Tanjung, Dahriani Hakim; Dewi, Rofiqoh; Fujiati, Fujiati; Salim, Rinrin Meilani
CSRID (Computer Science Research and Its Development Journal) Vol. 16 No. 2 (2024): June 2024
Publisher : LPPM Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/csrid-.16.2.2024.188-200

The aim of the proposed research is to compare and test the accuracy of data mining classification algorithms. Comparing algorithms that depend on different parameters of a given data set. There are learning and classification algorithms that are used to analyze, study and classify the available data. However, the problem is finding the best algorithm and the desired results with the highest level of accuracy in predicting future values or events from a data set. Where the classification models used are the C4.5 and Naïve Bayes algorithms. Testing and validation using k-fold Cross Validation as well as evaluating the performance of the prediction model using the ROC-AUC graph with graphic visualization. The data used as samples were taken from ATM machine problem data with a total of approximately 250 samples. Testing was carried out with the help of the Rapidminer tool with operators and parameters used in creating models of the algorithms being compared. The tests that have been carried out prove that the C4.5 algorithm has the best performance with an average accuracy value of 96.00%, a recall value of 97.78% and a precision value of 92.14%, while the naïve Bayes algorithm produces an accuracy value of 83. 00%, the recall value is 76.40% and the precision value is 84.82%. Apart from that, evaluation and validation in this test is also seen based on the ROC curve called AUC (Area Under the ROC Curve) where for the C4.5 algorithm the value is 0.931 while naïve Bayes is 0.894 so the C4.5 algorithm is categorized as Very Good Classification because it has a value between 0.90-1.00. These results show that the C4.5 algorithm is proven to be a potentially effective and efficient classification algorithm.

Title

Found 8 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 8 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 8 Documents
Search