Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JOMLAI: Journal of Machine Learning and Artificial Intelligence Jurnal Manajemen, Pendidikan dan Ilmu Komputer (JMENDIKKOM)
Napitupulu, Jessica Evonella
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Education Engineering Other

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

Found 2 Documents
Search

 1 
Overview of Infant Nutrition Status Classification with Rough Set Method Napitupulu, Jessica Evonella; Trianda, Dimas; Nababan , Refly Natalius
JOMLAI: Journal of Machine Learning and Artificial Intelligence Vol. 2 No. 3 (2023): September
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/jomlai.v2i3.2893

Abstract

Infant growth and development is an important issue that can be known through nutritional status assessment. A measure of the fulfillment of nutrition in children that can be predicted based on their weight. In assessing the nutritional status of infants, there are concerns in the community about nutritional problems that are good to know, many babies are malnourished and also want to know which children whose nutrition is really ideal]. Rough Set Algorithm can be used as a mathematical tool to overcome uncertainty and imprecise information. This study aims to classify the percentage of nutritional status of infants, using Microsoft Excel and Rosetta version 2.0.0.0 for research and data analysis. The research produced 20 rules in the form of rule patterns as a reference for classifying the nutritional status of infants as poor, less, normal and more. Based on the rules generated, it is concluded that the most influential condition attributes in classifying the nutritional status of infants are gender, age, weight, height and gender, weight, height.
Implementasi Algoritma Backpropagation Dalam Prediksi Laju Pertumbuhan Penduduk Di Kabupaten Sinjai Napitupulu, Jessica Evonella; Solikhun, Solikhun
Jurnal Manajemen, Pendidikan Dan Ilmu Komputer Vol. 1 No. 1 (2024): JMENDIKKOM Volume 1 No 1 Januari 2024
Publisher : Yayasan Darus Soleh Parung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65309/evgesw76

Abstract

Indonesia merupakan salah satu negara yang mempunyai jumlah penduduk terbanyak di dunia sekitar dua ratus juta jiwa dan menduduki urutan keempat setelah Amerika Serikat dalam daftar jumlah penduduk terbanyak di dunia. Pertumbuhan penduduk Indonesia semakin meningkat dari tahun ke tahun, dan wilayah serta kota menjadi semakin padat penduduknya. Semakin bertambah jumlahnya maka luas wilayah pun semakin berkurang akibat kepadatan penduduk. Penelitian ini membahas tentang penerapan Algoritma Backpropagation dalam prediksi  laju pertumbuhan penduduk di Kabupaten Sinjai. Tujuan dari penelitian ini adalah untuk melakukan prediksi yang dapat membantu pemerintah daerah dalam perencanaan pembangunan dan pengelolaan sumber daya yang lebih efektif. Metode Backpropagation digunakan dalam pelatihan model jaringan syaraf tiruan dengan menggunakan data historis jumlah penduduk serta faktor-faktor yang mempengaruhi pertumbuhan tersebut. Tulisan ini memaparkan hasil penelitian yang bertujuan untuk menerapkan algoritma Backpropagation dalam  upaya memprediksi laju pertumbuhan penduduk di Kabupaten Sinjai dari tahun 2013-2021 dengan menggunakan Microsoft Excel dan Matlab versi 2011b untuk pengolahan dan analisis data. Arsitekturnya menggunakan tiga model, yaitu: 4-5-1, 4-10-1, 4-10-1. Model arsitektur yang paling akurat adalah model 4-10-1 yang memiliki Mean Squared Error (MSE) sebesar 0,00000024 dan tingkat akurasi 100% dengan waktu 00:07 pada epoch 247.
Co-Authors Nababan , Refly Natalius Solikhun Solikhun, Solikhun Trianda, Dimas