Garuda - Garba Rujukan Digital

Prediksi Sifat Kepribadian Secara Tidak Langsung: Sebuah Studi Pustaka Iman Paryudi
Journal of Informatics and Advanced Computing (JIAC) Vol 3 No 2 (2022): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Teknik Informatika Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar

Prediksi sifat kepribadian secara langsung mempunyai kelemahan karena dianggap membebani serta menyita waktu pengguna. Oleh karena itu, digunakan cara lain yaitu prediksi sifat kepribadian secara tidak langsung. Dua metoda prediksi sifat kepribadian secara tidak langsung adalah: (1) berdasarkan tulisan, (2) berdasarkan data demografi. Sebelum bisa memprediksi sifat kepribadian berdasarkan tulisan, harus dibuat terlebih dulu model yang menghubungkan antara sifat kepribadian dengan linguistic cues. Model ini dibuat dari corpus yang berisi tulisan dan sifat kepribadian. Sifat kepribadian bisa diprediksi dengan cara membandingkan linguistic cues seseorang yang diambil dari tulisannya di media sosial dengan model yang sudah dibuat. Seperti halnya pada prediksi sifat kepribadian berdasarkan tulisan, pada prediksi sifat kepribadian berdasarkan data demografi, model juga dibuat berdasarkan corpus. Bedanya, corpus disini berisi data demografi dan sifat kepribadian. Data ini kemudian dimodelkan untuk mendapatkan hubungan antara data demografi dan sifat kepribadian. Dari model ini, sifat kepribadian bisa diprediksi dengan cara membandingkan data demografi seseorang (misal umur dan jenis kelamin) dengan model yang sudah dibuat.

Penggunaan Algoritma K-Means Pada Metode Clustering Untuk Menganalisa Tindak Kriminal Imam Zuhdi Muzakkiy; Khoirul Husein; Kelfin Antonius; Kevin Raihan Hidayat; El Emir Di Haryanto; Iman Paryudi
Journal of Informatics and Advanced Computing (JIAC) Vol 4 No 1 (2023): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Teknik Informatika Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar

Kriminalitas adalah bentuk tindakan yang merugikan secara ekonomis maupun psikologis dan melanggar hukum yang berlaku di suatu negara. Dapat diartikan juga, tindakan kriminalitas adalah segala sesuatu yang melanggar norma-norma sosial, sehingga terdapat pertentangan dari masyarakat. Studi ini bertujuan untuk mengetahui tingkat kriminalitas pada suatu daerah menggunakan metode K-Means clustering dengan menggunakan perangkat lunak Orange Data Mining Tool. Dengan dibuatnya sistem ini, diharapkan dapat membantu aparat keamanan setempat dalam menentukan daerah rawan kriminal dan meningkatkan keamanan pada daerah rawan tersebut agar dapat mencegah dan mengurangi dampak serta akibat tindakan kriminal. Dan dari hasil studi yang dilakukan, akan menghasilkan pengelompokan daerah rawan kriminal.

Perbandingan Metode Decision Tree, Naive Bayes, dan Induction Rule untuk Klasifikasi Penyakit Diabetes Dwy Laila Safitry; Anisa Al Harani; Erin Divayaning; Faiqa Hadya Hanifa; Dheva Fauzia Chema; Iman Paryudi
Journal of Informatics and Advanced Computing (JIAC) Vol 4 No 1 (2023): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Teknik Informatika Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar

Teknik klasifikasi digunakan untuk memprediksi suatu nilai dari target variabel kategori. Metode klasifikasi menggunakan algoritma Decision Tree, Naive Bayes, dan Induction Rule. Decision Tree merupakan model prediksi menggunakan struktur pohon keputusan yang mengubah data dari proses pengambilan keputusan yang kompleks menjadi lebih sederhana sehingga memudahkan interpretasi informasi, pengambilan solusi, menemukan hubungan, dan identifikasi pola antara faktor-faktor yang mempengaruhi. Naive Bayes digunakan untuk mencari probabilitas dalam suatu class. Induction Rule bertujuan untuk mencari pola yang sering muncul diantara banyak transaksi dan akan menginduksi aturan yang kompleks. Metode-metode ini dapat digunakan sebagai acuan untuk mendiagnosa suatu jenis penyakit. Metode yang terbaik didapatkan dari penggunaan beberapa metode teknik klasifikasi. Penelitian ini mengimplementasikan konsep dan ilmu data mining tersebut dalam bidang kesehatan. Menggunakan dataset diagnosa penyakit diabetes yang diperoleh dari situs kaggle. Metode pemodelan dilakukan menggunakan Decision Tree, Naïve Bayes, dan Induction Rule melalui aplikasi Orange. Pemodelan diuji menggunakan Confusion Matrix dan Cross Validation untuk menunjukkan perbandingan dari ketiga metode klasifikasi yang diterapkan. Proses pengujian mengevaluasi kinerja pemodelan yang digunakan untuk memperoleh model dengan hasil akurasi yang maksimal. Penelitian ini membahas perbandingan akurasi dari penggunaan ketiga metode tersebut dan menghasilkan sepuluh aturan yang diketahui paling mempengaruhi hasil outcome diagnosa penyakit diabetes dari metode yang didapat paling baik dan efektif dalam proses klasifikasi.

Analisis Gambar MRI Otak Untuk Mendeteksi Tumor Otak Menggunakan Algoritma CNN Valliant Benvenuto Gianzurriell; Ferdi Husnal; Fiky Ari Wijaya; Fahmi Fauzi; Iman Paryudi; Ionia Veritawati; Sri Rezeki Candra Nursari
Journal of Informatics and Advanced Computing (JIAC) Vol 4 No 2 (2023): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Teknik Informatika Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar

Brain tumor disease is one of the deadliest diseases that can attack anyone without exception. This disease is characterized by the development of abnormal cells in human brain tissue is a sign of this disease. A digital image technology called Magnetic Resonance Imaging (MRI) can be used to detect these brain tumors. This technology is meant to help doctors identify and classify different types of brain tumors. An effective and accurate method is needed to perform MRI image classification as manual classification takes a long time and carries a high risk. One effective solution to this problem is Convolutional Neural Network (CNN). CNN is an algorithm that can learn itself from previous cases. The deep learning method, CNN with the VGG16 model, can be implemented as a solution to the problem. The process of making this system with the stages of making Image Detection, namely image acquisition, preprocessing, extraction, classification, and identification of image data. This study uses 3 datasets where each dataset has 1311 images of patient MRI results. The dataset is separated into 3 different data, namely train data, validation data, and test data. The results of testing these three datasets are able to identify the images tested into the system with a percentage accuracy of 99%.

Prediksi Harga Smartphone berdasarkan Spesifikasi menggunakan K-Nearest Neighbors Dea Fitra Ningrum; Shabrina Putri Ramadhani; Iman Paryudi; Ionia Veritawati; Sri Rezeki Candra Nursari
Journal of Informatics and Advanced Computing (JIAC) Vol 4 No 2 (2023): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Teknik Informatika Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar

Di era teknologi informasi yang terus berkembang, pasar ponsel pintar menjadi salah satu pasar konsumen yang paling dinamis dan beragam. Pembeli seringkali dihadapkan pada banyak pilihan dalam memilih smartphone baru yang sesuai dengan kebutuhan dan budgetnya. Penelitian ini bertujuan untuk memprediksi harga smartphone berdasarkan spesifikasi. Metodologi yang digunakan adalah algoritma K-Nearest Neighbor dengan menggunakan Euclidean distance, membagi dataset menjadi 70% data latih dan 30% data uji. Model ini telah diuji sebanyak 2 kali, pengujian pertama menggunakan k sebesar 1 dan menghasilkan akurasi sebesar 57%, sedangkan pengujian kedua menggunakan nilai k sebesar 3 dan memperoleh akurasi sebesar 65%.

Perbandingan Metode Decision Tree dan Naive Bayes untuk Memprediksi Thyroid Cancer Recurrence Fidya Hafizd; Dian Rizky Julyani; Hasna Yuliza; Emely Nemy Agustine; Kessya Immanuella Surbakti; Iman Paryudi
Journal of Informatics and Advanced Computing (JIAC) Vol 5 No 1 (2024): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Teknik Informatika Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract – This study aims to predict thyroid cancer recurrence by comparing two data mining methods, namely Decision Tree and Naive Bayes. The data used is classification data that has gone through preprocessing and modeling processes, then tested using test and score tests on analysis software called Orange. By using Orange as an analysis tool, experiments were conducted to determine which method gave the best accuracy. The results show that the two methods have different accuracy comparisons in predicting thyroid cancer recurrence. This research is expected to help in identifying symptoms that are at high risk of causing thyroid cancer recurrence and provide valuable insights in data analysis.

Prediksi Sifat Kepribadian Secara Tidak Langsung: Sebuah Studi Pustaka Paryudi, Iman
Journal of Informatics and Advanced Computing (JIAC) Vol 3 No 2 (2022): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/jiac.v3i2.4607

Prediksi sifat kepribadian secara langsung mempunyai kelemahan karena dianggap membebani serta menyita waktu pengguna. Oleh karena itu, digunakan cara lain yaitu prediksi sifat kepribadian secara tidak langsung. Dua metoda prediksi sifat kepribadian secara tidak langsung adalah: (1) berdasarkan tulisan, (2) berdasarkan data demografi. Sebelum bisa memprediksi sifat kepribadian berdasarkan tulisan, harus dibuat terlebih dulu model yang menghubungkan antara sifat kepribadian dengan linguistic cues. Model ini dibuat dari corpus yang berisi tulisan dan sifat kepribadian. Sifat kepribadian bisa diprediksi dengan cara membandingkan linguistic cues seseorang yang diambil dari tulisannya di media sosial dengan model yang sudah dibuat. Seperti halnya pada prediksi sifat kepribadian berdasarkan tulisan, pada prediksi sifat kepribadian berdasarkan data demografi, model juga dibuat berdasarkan corpus. Bedanya, corpus disini berisi data demografi dan sifat kepribadian. Data ini kemudian dimodelkan untuk mendapatkan hubungan antara data demografi dan sifat kepribadian. Dari model ini, sifat kepribadian bisa diprediksi dengan cara membandingkan data demografi seseorang (misal umur dan jenis kelamin) dengan model yang sudah dibuat.

Penggunaan Algoritma K-Means Pada Metode Clustering Untuk Menganalisa Tindak Kriminal Imam Zuhdi Muzakkiy; Khoirul Husein; Kelfin Antonius; Kevin Raihan Hidayat; El Emir Di Haryanto; Iman Paryudi
Journal of Informatics and Advanced Computing (JIAC) Vol 4 No 1 (2023): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/jiac.v4i1.5486

Kriminalitas adalah bentuk tindakan yang merugikan secara ekonomis maupun psikologis dan melanggar hukum yang berlaku di suatu negara. Dapat diartikan juga, tindakan kriminalitas adalah segala sesuatu yang melanggar norma-norma sosial, sehingga terdapat pertentangan dari masyarakat. Studi ini bertujuan untuk mengetahui tingkat kriminalitas pada suatu daerah menggunakan metode K-Means clustering dengan menggunakan perangkat lunak Orange Data Mining Tool. Dengan dibuatnya sistem ini, diharapkan dapat membantu aparat keamanan setempat dalam menentukan daerah rawan kriminal dan meningkatkan keamanan pada daerah rawan tersebut agar dapat mencegah dan mengurangi dampak serta akibat tindakan kriminal. Dan dari hasil studi yang dilakukan, akan menghasilkan pengelompokan daerah rawan kriminal.

Perbandingan Metode Decision Tree, Naive Bayes, dan Induction Rule untuk Klasifikasi Penyakit Diabetes Dwy Laila Safitry; Anisa Al Harani; Erin Divayaning; Faiqa Hadya Hanifa; Dheva Fauzia Chema; Iman Paryudi
Journal of Informatics and Advanced Computing (JIAC) Vol 4 No 1 (2023): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/jiac.v4i1.5488

Teknik klasifikasi digunakan untuk memprediksi suatu nilai dari target variabel kategori. Metode klasifikasi menggunakan algoritma Decision Tree, Naive Bayes, dan Induction Rule. Decision Tree merupakan model prediksi menggunakan struktur pohon keputusan yang mengubah data dari proses pengambilan keputusan yang kompleks menjadi lebih sederhana sehingga memudahkan interpretasi informasi, pengambilan solusi, menemukan hubungan, dan identifikasi pola antara faktor-faktor yang mempengaruhi. Naive Bayes digunakan untuk mencari probabilitas dalam suatu class. Induction Rule bertujuan untuk mencari pola yang sering muncul diantara banyak transaksi dan akan menginduksi aturan yang kompleks. Metode-metode ini dapat digunakan sebagai acuan untuk mendiagnosa suatu jenis penyakit. Metode yang terbaik didapatkan dari penggunaan beberapa metode teknik klasifikasi. Penelitian ini mengimplementasikan konsep dan ilmu data mining tersebut dalam bidang kesehatan. Menggunakan dataset diagnosa penyakit diabetes yang diperoleh dari situs kaggle. Metode pemodelan dilakukan menggunakan Decision Tree, Naïve Bayes, dan Induction Rule melalui aplikasi Orange. Pemodelan diuji menggunakan Confusion Matrix dan Cross Validation untuk menunjukkan perbandingan dari ketiga metode klasifikasi yang diterapkan. Proses pengujian mengevaluasi kinerja pemodelan yang digunakan untuk memperoleh model dengan hasil akurasi yang maksimal. Penelitian ini membahas perbandingan akurasi dari penggunaan ketiga metode tersebut dan menghasilkan sepuluh aturan yang diketahui paling mempengaruhi hasil outcome diagnosa penyakit diabetes dari metode yang didapat paling baik dan efektif dalam proses klasifikasi.

Analisis Gambar MRI Otak Untuk Mendeteksi Tumor Otak Menggunakan Algoritma CNN: Analisis Gambar MRI Otak Untuk Mendeteksi Tumor Otak Menggunakan Algoritma CNN Valliant Benvenuto Gianzurriell; Husnal, Ferdi; Fiky Ari Wijaya; Fahmi Fauzi; Iman Paryudi; Ionia Veritawati; Sri Rezeki Candra Nursari
Journal of Informatics and Advanced Computing (JIAC) Vol 4 No 2 (2023): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/jiac.v4i2.6289

Brain tumor disease is one of the deadliest diseases that can attack anyone without exception. This disease is characterized by the development of abnormal cells in human brain tissue is a sign of this disease. A digital image technology called Magnetic Resonance Imaging (MRI) can be used to detect these brain tumors. This technology is meant to help doctors identify and classify different types of brain tumors. An effective and accurate method is needed to perform MRI image classification as manual classification takes a long time and carries a high risk. One effective solution to this problem is Convolutional Neural Network (CNN). CNN is an algorithm that can learn itself from previous cases. The deep learning method, CNN with the VGG16 model, can be implemented as a solution to the problem. The process of making this system with the stages of making Image Detection, namely image acquisition, preprocessing, extraction, classification, and identification of image data. This study uses 3 datasets where each dataset has 1311 images of patient MRI results. The dataset is separated into 3 different data, namely train data, validation data, and test data. The results of testing these three datasets are able to identify the images tested into the system with a percentage accuracy of 99%.

Title

Found 17 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 17 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 17 Documents
Search