Articles
<![CDATA[Klasifikasi Pasien Penderita Diabetes Melitus Tipe Dua Menggunakan Metode Analisis Diskriminan Hybrid Algoritma Genetika ]]>
<![CDATA[Ramadhana Dio Gradianta]]>;
<![CDATA[Irhamah Irhamah]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 3, No 2 (2014) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (87.83 KB)
|
DOI: 10.12962/j23373520.v3i2.8113
<![CDATA[Kebiasaan dan gaya hidup masyarakat Indonesia yang tidak sehat menyebabkan 8,4 juta jiwa menderita diabetes melitus sehingga menempatkan Indonesia pada peringkat keem-pat dunia dalam jumlah penderita diabetes melitus. Dari seluruh pasien diabetes melitus tersebut, 90% diantaranya menderita dia-betes melitus tipe dua. Salah satu cara penanganannya adalah de-ngan pemberian obat. Namun, kondisi gula darah setiap pasien berbeda dalam merespon obat yang diberikan. Ada kondisi di-mana gula darah pasien telah teregulasi dan ada pula kondisi di-mana gula darah belum mampu teregulasi oleh obat yang dibe-rikan. Atas kedua kondisi tersebut, dapat dilakukan klasifikasi yang dapat mengelompokkan pasien-pasien kedalam kodisi gula darah teregulasi dan belum teregulasi salah satunya dengan ana-lisis diskriminan. Namun, seiring berkembangnya ilmu penge-tahuan, metode diskriminan dapat di hybrid dengan metode lain salah satunya algoritma genetika. Oleh karena itu dalam peneli-tian ini dilakukan perbandingan ketepatan klasifikasi dari analisis diskriminan danhybrid analisis diskriminan-algoritma genetika. Hasilnya, ketepatan klasifikasi dari metode hybrid analisis diskri-minan-algoritma genetika lebih tinggi dibandingkan dengan me-tode analisis diskriminan.]]>
<![CDATA[Peramalan Jumlah Penumpang Kereta Api Kelas Ekonomi Kertajaya Menggunakan ARIMA dan ANFIS ]]>
<![CDATA[Ilafi Andalita]]>;
<![CDATA[Irhamah Irhamah]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 4, No 2 (2015) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (496.96 KB)
|
DOI: 10.12962/j23373520.v4i2.11624
<![CDATA[Kebutuhan masyarakat terhadap penggunaan alat transportasi kereta api kelas ekonomi perlu diperhatikan mengingat jenis kereta api tersebut telah dipilih masyarakat berdasarkan kenyamanan dan terjangkaunya tarif tiket. Peramalan jumlah penumpang kereta api kelas ekonomi Kertajaya merupakan salah satu upaya penting untuk mengetahui kebutuhan pengguna transportasi tersebut. Namun, time series jumlah penumpang kereta api Kertajaya yang mempunyai fluktuasi tinggi terbukti bersifat nonlinear berdasarkan uji linieritas. Pemodelan menggunakan pendekatan linier seperti ARIMA Box-Jenkins tidak selalu memberikan peramalan yang baik karena terikat beberapa asumsi dalam membangun model. Oleh karena itu penelitian ini mengusulkan penggunaan metode ANFIS yang diharapkan memberikan kinerja lebih baik dalam pemodelan nonlinier dan dibandingkan dengan hasil dari ARIMA. Penggunaan ANFIS untuk peramalan jumlah penumpang selama 14 periode ke depan memberikan akurasi ramalan yang lebih tinggi daripada ARIMA karena MAPE dan RMSE yang dihasilkan lebih kecil. Model ANFIS terbaik dihasilkan dari input jumlah penumpang pada satu, tujuh, dan delapan hari sebelumnya dan fungsi keanggotaan pi.]]>
<![CDATA[PERAMALAN RETURN SAHAM BANK CENTRAL ASIA MENGGUNAKAN SELF EXCITING THRESHOLD AUTOREGRESSIVE – GENETIC ALGORITHM ]]>
<![CDATA[Tesalonika Putri]]>;
<![CDATA[Irhamah Irhamah]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 5, No 1 (2016) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1025.244 KB)
|
DOI: 10.12962/j23373520.v5i1.14599
<![CDATA[Tujuan utama investor melakukan investasi adalah mendapatkan return investasi yang sesuai dengan apa yang telah diinvestasikannya. Untuk mendapatkan hasil investasi yang te-pat, investor perlu mengetahui kondisi return saham di masa yang akan datang dengan tingkat resiko yang kecil. BCA meru-pakan salah satu perusahaan yang paling diminati oleh investor karena BCA menduduki peringkat ke 4 berdasarkan pengu-kuran kinerja perusahaan dalam peningkatan kekayaan yang dihasilkan perusahaan di atas return minimal. Kasus return sa-ham BCA mengikuti pola deret waktu nonlinear sehingga dide-kati dengan salah satu metode deret waktu nonlinear Self Exci-ting Threshold Autoregressive (SETAR). Model SETAR mem-bagi data menjadi beberapa regime berdasarkan nilai threshold yang diambil dari lag deret waktu return saham BCA tersebut. Namun sering dijumpai permasalahan dalam memperoleh model terbaik. Pada penelitian ini dilakukan optimasi estimasi para-meter model SETAR dengan genetic algorithm (GA) untuk me-ngatasi hal tersebut. GA melakukan proses pencarian solusi ter-baik berdasarkan kumpulan solusi. Pemodelan return saham BCA dilakukan menggunakan model SETAR, SETAR GA dan ARIMA. Model terbaik adalah model subset SETAR (2,[1,3,4],1) menggunakan optimasi genetic algorithm, karena menghasilkan akurasi peramalan paling tinggi dibandingkan model.]]>
<![CDATA[Peramalan Pengguna Kapal Ferry Ujung-Kamal dengan Metode Intervensi ]]>
<![CDATA[Eka Apriliani]]>;
<![CDATA[Irhamah Irhamah]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 5, No 2 (2016) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (988.545 KB)
|
DOI: 10.12962/j23373520.v5i2.17624
<![CDATA[Pelabuhan Ujung-Kamal merupakan pelabuhan penyeberangan yang menjadi gerbang utama dari pelabuhan Kamal di Madura, Kabupaten Bangkalan. Sebelum beroperasinya Jembatan Suramadu, masyarakat Madura menggunakan kapal ferry sebagai alat transportasi menuju Pulau Madura. Semenjak beroperasinya Suramadu, banyak penumpang kapal ferry yang beralih menggunakan suramadu dikarenakan waktu tempuh lebih cepat dibanding dengan kapal dan harga tiket lebih murah. Pada tanggal 13 Juni 2015 presiden memberikan kebijakan membebaskan tarif Tol Jembatan Suramadu roda dua. Kebijakan tersebut membuat penumpang kapal ferry Ujung-Kamal semakin menurun. Penelitian ini bertujuannya melihat apakah pembebasan tarif suramadu roda dua memberikan pengaruh penurunan penumpang kapal ferry Ujung-Kamal. Didapatkan hasil dari peramalan pada pengguna kapal ferry Ujung-Kamal, dari analisis intervensi pada penumpang agregat dan roda dua. Menunjukkan adanya pengaruh pembebasan tarif tol Suramadu roda dua pada penumpang agregat berdampak pada saat 15 hari setelah terjadinya intervensi dan penumpang rodadua berdampak 5 hari setelah intervensi. intervensi yang terjadi yaitu step, dalam waktu yang panjang.]]>
<![CDATA[Peramalan Curah Hujan Harian di Stasiun Ahmad Yani Kota Semarang Menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS) ]]>
<![CDATA[Rr. Sekar Kalaksita]]>;
<![CDATA[Irhamah Irhamah]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 5, No 2 (2016) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v5i2.19748
<![CDATA[Kota Semarang sebagai ibukota Jawa Tengah merupakan salah satu kota yang berkembang di Pulau Jawa dan menjadi kota perdagangan. Dalam beberapa tahun terakhir, Kota Semarang menghadapi permasalahan yang cukup sulit, yaitu setiap tahun mengalami bencana banjir dikarenakan letaknya yang dilalui oleh jalur pantura dan merupakan kawasan rob. Perlu adanya peramalan curah hujan harian dengan akurasi yang tinggi untuk mengurangi dampak negatif seperti banjir. Metode yang digunakan untuk meramalkan jumlah curah hujan periode ke depan di Stasiun Ahmad Yani Kota Semarang adalah ARIMA dan ANFIS. Model ARIMA yang terpilih adalah ARIMA (1,1,1) dan ARIMA ([1,60],1,[1,31]) sedangkan dengan pendekatan ANFIS, input yang terpilih adalah jumlah curah hujan harian satu hari dan dua hari sebelumnya dengan fungsi keanggotaan Trapezoidal dan banyaknya MF sebesar 2. Metode ANFIS menunjukkan kinerja akurasi peramalan yang lebih baik daripada ARIMA karena menghasilkan RMSE dan MAPE yang lebih kecil.]]>
<![CDATA[Peramalan Curah Hujan Sebagai Pendukung Kalender Tanam Padi di Pos Kedungadem Bojonegoro Menggunakan ARIMA, Support Vector Regression dan Genetic Algorithm-SVR ]]>
<![CDATA[Kiki Wulan Suci]]>;
<![CDATA[Irhamah Irhamah]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 6, No 1 (2017) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (766.806 KB)
|
DOI: 10.12962/j23373520.v6i1.22092
<![CDATA[Kabupaten Bojonegoro dikenal sebagai lum-bung padi di Jawa Timur. Sebanyak 33,31% lahan Bojonegoro digunakan sebagai lahan sawah. Pada beberapa tahun ter-akhir produksi padi Kabupaten Bojonegoro mengalami fluk-tuasi yang salah satunya disebabkan oleh iklim ekstrem. Ik-lim ekstrem dapat mengakibatkan musim kemarau panjang serta adanya hujan ekstrem yang mengakibatkan petani me-ngalami kerugian. Oleh karena itu, keberhasilan produksi padi sangat bergantung pada informasi mengenai data curah hujan yang tersusun dalam kalender tanam. Dalam penelitian ini dilakukan peramalan curah hujan dasarian di Pos Kedung-adem menggunakan metode ARIMA, Support Vector Regres-sion (SVR) dan Genetic Algorithm-Support Vector Regression (GA-SVR). Berdasarkan hasil analisis metode GA-SVR meng-hasilkan peramalan yang lebih akurat yang ditunjukkan oleh nilai RMSE dan SMAPE yang lebih kecil dibandingkan me-tode lain. Hasil kalender tanam padi berdasarkan hasil fore-cast pada bulan Juli 2016-Desember 2016 menunjukkan bah-wa kebutuhan air untuk penanaman padi sawah tidak dapat tercukupi, dimana hasil forecast menunjukkan rata-rata curah hujan kurang dari 145 mm. Petani dapat mengganti dengan menanam palawija yang membutuhkan sedikit air. Jika petani tetap melakukan tanam padi, maka petani dan pemerintah harus memastikan tersedianya cadangan air dengan meng-gunakan sistem pengairan dan tidak mengandalkan pada tu-runnya hujan.]]>
<![CDATA[Peramalan Volume Pemakaian Air Di PDAM Kota Surabaya dengan Menggunakan Metode Time Series ]]>
<![CDATA[Moh Ali Asfihani]]>;
<![CDATA[Irhamah Irhamah]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 6, No 1 (2017) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (576.065 KB)
|
DOI: 10.12962/j23373520.v6i1.22978
<![CDATA[Ketersediaan air bersih di dunia ini sangat terbatas, sedangkan jumlah manusia setiap waktu semakin bertambah. Banyak permasalahan yang sampai saat ini belum dapat diatasi salah satunya adalah penyediaan air bersih. Pada penelitian ini bertujuan untuk memodelkan volume pemakaian air di PDAM Kota Surabaya pada kelompok rumah tangga atau perumahan kelas menengah kebawah, kelas menengah dan kelas menengah keatas. Sehingga manfaat yang diharapkan dari penelitian ini adalah mendapatkan hasil ramalan yang tepat untuk volume pemakaian air di PDAM Kota Surabaya pada kategori tersebut. Metode yang digunakan dalam penelitian ini adalah metode Time Series yaitu menggunakan metode ARIMA dan fungsi transfer. Variabel penelitian yang digunakan dalam penelitian ini adalah jumlah pelanggan sebagai deret input dan volume pemakaian air sebagai deret output. Kesimpulan yang diperoleh dalam penelitian ini adalah karakteristik jumlah pelanggan memiliki rata-rata pertumbuhan pelanggan yang berfluktuasi sedangkan secara keseluruhan cenderung meninggkat, sedangkan jumlah volume pemakaian air juga mengalami fluktuasi atau perubahan naik maupun turun. Dari hasil perbandingan metode untuk rumah tangga kelas menengah kebawah metode ARIMA adalah yang terbaik, sedangkan untuk rumah tangga kelas menengah adalah metode fungsi transfer yang terbaik dan untuk rumah tangga kelas menengah keatas metode yang terbaik adalah ARIMA.]]>
<![CDATA[Klasifikasi Microarray “Prostate Cancer” Menggunakan Metode Fuzzy Support Vector Machine (FSVM)-Genetic Algorithm ]]>
<![CDATA[Cicilia Ajeng Pratiwi]]>;
<![CDATA[Irhamah Irhamah]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 7, No 2 (2018) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (323.187 KB)
|
DOI: 10.12962/j23373520.v7i2.36446
<![CDATA[Salah satu jenis kanker yang yang menjadi penye-bab terbanyak kematian pada populasi pria adalah kanker prostat. Penyakit ini hanya terdapat pada pria karena pada wanita tidak memiliki kelenjar prostat. Secara global, kanker prostat menduduki urutan keempat, kanker yang paling sering ditemukan pada manusia setelah kanker payudara, paru dan kolorektum. sedangkan angka kejadian kanker pada pria, kanker prostat menduduki urutan ke-2. Pada umumnya pende-rita baru mengetahui penyakit tersebut sudah memasuki stadium lanjut. Terlambatnya penanganan pada penderita prostate bisa berakibat fatal bahkan dapat menyebabkan kematian. Oleh karena itu,penyakit kanker prostat sangat penting untuk didiag-nosis sedini mungkin sebelum penyebaran sel kanker ke organ internal. Pada perkembangan saat ini, terdapat teknologi micro-array yang memiliki pengaruh besar dalam menentukan gen in-formatif menyebabkan kanker. Penelitian ini mengguna-kan da-ta microarray “prostate cancer”. Ekspresi gen yang ter-dapat pa-da data microarray “prostate” dapat digunakan untuk mengklasi-fikasikan pasien yang mengalami tumor prostat dan normal. Penelitian ini diperoleh hasil klasifikasi Fuzzy Support Vector Ma-chine (FSVM)dengan menggunakan seleksi Fast Correlation Ba-sed Filter(FCBF) tanpa optimasi genetic algorithm menghasilkan nilai akurasi lebih tinggi dibandingkan tanpa seleksi. Selain itu, diperoleh juga nilai akurasi klasifikasi FSVM dengan menggu-nakan seleksi dan optimasi genetic algorithm lebih tinggi diban-dingkan tanpa seleksi.]]>
<![CDATA[Peramalan Penumpang Angkutan Laut Rute Surabaya-Jayapura di PT Pelayaran Nasional Indonesia (Persero) Cabang Surabaya ]]>
<![CDATA[Eliya Ainul Farri]]>;
<![CDATA[Irhamah Irhamah]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 8, No 2 (2019) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (463.267 KB)
|
DOI: 10.12962/j23373520.v8i2.43498
<![CDATA[Laut Indonesia memiliki peranan penting bagi kehidupan bangsa dan negara. Salah satunya dalam hal transportasi. Indonesia memiliki beberapa pelabuhan utama, salah satunya adalah Pelabuhan Tanjung Perak. Sejak tahun 2010 Pelabuhan Tanjung Perak menaungi 2 perusahaan kapal, salah satunya adalah PT Pelni (Persero). Sebesar 41% dari total penumpang angkutan laut di Indonesia pada tahun 2017 menggunakan jasa PT Pelni (Persero). Tingginya kebutuhan pelayanan di PT Pelni (Persero) mengharuskan perusahaan memiliki database yang baik. Namun dikarenakan human error, data perusahaan tahun 2017 hilang. Pada penelitian ini akan didapatkan model terbaik untuk peramalan jumlah penumpang angkutan laut rute Surabaya-Jayapura di PT Pelni (Persero) untuk tahun 2017 dengan menggunakan metode A-RIMA Box-Jenkins dan regresi time series efek variasi kalen-der dengan residual data dilanjutkan dengan ARIMA Box-Jenkins. Efek variasi kalender digunakan karena pergeseran bulan terjadinya Hari Raya Idul Fitri. Hasil penelitian me-nunjukkan bahwa peramalan dengan menggunakan regresi ti-me series memberikan hasil yang lebih baik dibandingkan de-ngan metode ARIMA Box-Jenkins karena nilai MAPE dan AIC yang dihasilkan cendrung lebih kecil.]]>
<![CDATA[Topic Discovery pada Jurnal-Jurnal Penelitian di IEEE Explore Menggunakan Association Rule Mining dengan Pendekatan Closed Frequent Itemset ]]>
<![CDATA[Reza Mustofa]]>;
<![CDATA[Irhamah Irhamah]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 8, No 2 (2019) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (354.932 KB)
|
DOI: 10.12962/j23373520.v8i2.43653
<![CDATA[Menemukan topik dari koleksi dokumen seperti publikasi ilmiah mempunyai banyak manfaat. Dengan semakin banyaknya dokumen teks yang dihasilkan di web dan arsip-arsip digital, Topic Discovery menjadi alat yang sangat penting untuk menelusuri, meringkas, dan mengelompokkan dokumen. Salah satu penerapan Association Rule Mining adalah digunakan untuk menemukan topik dalam suatu dokumen dengan cara mencari pola yang sering muncul pada semua dokumen. Data diambil dari IEEE Xplore yang merupakan kumpulan abstrak dari jurnal-jurnal di International Conference on Data Mining (ICDM) dan International Conference on Data Engineers (ICDE) dari tahun 2009-2018. Masing-masing abstrak direpresentasikan sebagai transaksi sedangkan kata keywords yang terkandung didalamnya direpresentasikan sebagai item. Kombinasi antar kata keywords yang paling sering muncul, yang disebut frequent itemset, akan digunakan sebagai kandidat dari suatu topik. Algoritma yang dapat digunakan untuk membangkitkan itemset adalah algoritma Apriori dan ECLAT. Waktu eksekusi perolehan frequent itemset dari ECLAT lebih cepat bila dibandingkan dengan Apriori. Closed frequent itemset juga mampu mengurangi frequent itemset yang terbentuk, sehingga Topik yang terbentuk merupakan Topik yang unik.]]>
