Putro, Bagus Prindo Sugihartono
Unknown Affiliation

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

Optimasi Support Vector Machine Dengan PSO Untuk Klasifikasi Kelayakan Export Kerang Batik Putro, Bagus Prindo Sugihartono; Soeleman, M Arief; Pujiono, Pujiono
Techno.Com Vol. 24 No. 1 (2025): Februari 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i1.11793

Abstract

Kerang Batik (Paphia undulata) memiliki pola cangkang yang mirip batik, dengan warna dasar cangkang yang bervariasi dari kuning cerah hingga gelap. Sebagai komoditas ekspor Indonesia yang permintaannya terus meningkat, penting untuk menjaga standar kualitas tinggi agar kerang siap ekspor. Penelitian ini menyelidiki metode kontrol kualitas yang efektif untuk kerang batik yang layak ekspor dengan mengambil sampel dari perusahaan terkait. Setelah proses pra-pemrosesan citra, dilakukan ekstraksi fitur, termasuk fitur bentuk (eccentricity, metric) dan fitur tekstur (GLCM). Fitur-fitur ini digunakan dalam algoritma SVM (Support Vector Machine) dengan kernel RBF, yang dipilih karena kemampuannya menangani data non-linear, untuk mencapai akurasi optimal. Metode optimasi PSO (Particle Swarm Optimization) juga diterapkan untuk meningkatkan akurasi lebih lanjut. Penelitian menunjukkan bahwa SVM dengan kernel RBF mencapai akurasi tertinggi sebesar 96,43% pada sudut 45° dan 90°. Setelah dioptimalkan dengan PSO, akurasi meningkat menjadi 97,86% pada sudut 90°. Dengan demikian, penerapan PSO pada algoritma SVM secara signifikan meningkatkan akurasi klasifikasi.   Kata kunci: SVM, PSO, Kerang Batik, Kernel RBF, GLCM
Penerapan Data Mining Untuk Klasifikasi Penyakit Artritis Gout Menggunakan Algoritma KNN Handayani, Yuni; Ismail, Abdul Rahman; Putro, Bagus Prindo Sugihartono
Jurnal Surya Informatika Vol. 14 No. 1 (2024): Surya Informatika, Vol 14. No. 1, Mei 2024
Publisher : Universitas Muhammadiyah Pekajangan Pekalongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.48144/suryainformatika.v14i1.1836

Abstract

Penelitian ini bertujuan untuk menerapkan algoritma K-Nearest Neighbor (KNN) dalam mengklasifikasikan penyakit Artritis Gout berdasarkan data klinis pasien. Artritis Gout adalah jenis artritis yang disebabkan oleh penumpukan kristal asam urat di dalam sendi, yang dapat menyebabkan nyeri hebat dan pembengkakan. Metode penelitian menggunakan dataset yang terdiri dari 500 entri, termasuk informasi seperti gejala klinis, faktor risiko, riwayat medis, dan respons terhadap pengobatan. Data ini diproses melalui tahapan pra-pemrosesan untuk membersihkan data yang tidak valid dan mengubah data kategorikal menjadi format yang sesuai untuk analisis. Selanjutnya, dataset dibagi menjadi data latih dan uji untuk pembangunan serta evaluasi model. Algoritma KNN diterapkan pada data latih untuk membangun model klasifikasi yang dapat mengenali pola-pola penting terkait dengan diagnosis Artritis Gout. Evaluasi dilakukan menggunakan dataset uji untuk memverifikasi keakuratan dan keandalan prediksi model. Hasil penelitian menunjukkan bahwa algoritma KNN pada nilai K=5 mencapai nilai akurasi 87,76%, recall 92,31%, dan precision 90,48% dalam mengklasifikasikan penyakit Artritis Gout. Implikasi dari penelitian ini adalah potensi penggunaan teknik data mining untuk mendukung diagnosis dan manajemen penyakit secara lebih efektif dalam praktik klinis
Pemodelan Data Mining Sebagai Klasifikasi Penyakit Artritis Gout Dengan Teknik Decision Tree Hidayat, Taufik; Putro, Bagus Prindo Sugihartono; Handayani, Yuni
Jurnal Teknik Informatika dan Desain Komunikasi Visual Vol 3 No 1 (2024): Jurnal Teknik Informatika dan Desain Komunikasi Visual
Publisher : Fakultas Komputer Dan Desain

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

Abstract

Penyakit Artritis Gout, sebuah kondisi inflamasi yang disebabkan oleh penumpukan kristal asam urat di dalam sendi, menghasilkan nyeri kronis dan peradangan. Penanganan yang tepat menjadi imperatif untuk mencegah komplikasi serius. Dalam konteks ini, algoritma Decision Tree dalam teknik Data Mining berperan sebagai instrumen klasifikasi yang vital bagi penyakit ini. Tujuan penelitian ini adalah mengembangkan model klasifikasi untuk penyakit Artritis Gout menggunakan algoritma Decision Tree. Sumber data penelitian ini berasal dari RSUD Tugurejo Semarang, meliputi berbagai atribut klinis seperti usia, jenis kelamin, tingkat asam urat dalam darah, dan gejala-gejala klinis lainnya. Metode pengolahan data yang digunakan mencakup pra-pemrosesan data, pembagian data menjadi data latih dan data uji, serta penerapan algoritma Decision Tree. Evaluasi dilakukan dengan menggunakan confusion matrix, seperti akurasi, presisi dan recall . Hasil penelitian menunjukkan bahwa model Decision Tree yang dikembangkan dapat mengklasifikasikan penyakit Artritis Gout dengan tingkat akurasi yang signifikan. Penelitian ini memberikan kontribusi dalam pengembangan sistem pendukung keputusan untuk diagnosis dan penanganan penyakit Artritis Gout, yang dapat meningkatkan efektivitas dan tepat waktu dalam perawatan pasien oleh praktisi medis.