cover
Contact Name
Ramdan Satra
Contact Email
Ramdan Satra
Phone
-
Journal Mail Official
ramdan@umi.ac.id
Editorial Address
-
Location
Kota makassar,
Sulawesi selatan
INDONESIA
ILKOM Jurnal Ilmiah
ISSN : 20871716     EISSN : 25487779     DOI : -
Core Subject : Science,
ILKOM Jurnal Ilmiah is an Indonesian scientific journal published by the Department of Information Technology, Faculty of Computer Science, Universitas Muslim Indonesia. ILKOM Jurnal Ilmiah covers all aspects of the latest outstanding research and developments in the field of Computer science, including Artificial intelligence, Computer architecture and engineering, Computer performance analysis, Computer graphics and visualization, Computer security and cryptography, Computational science, Computer networks, Concurrent, parallel and distributed systems, Databases, Human-computer interaction, Embedded system, and Software engineering.
Arjuna Subject : -
Articles 34 Documents
Search results for , issue "Vol 9, No 2 (2017)" : 34 Documents clear
IMPLEMENTASI AUGMENTED REALITY UNTUK PEMBELAJARAN INTERAKTIF Dedy Atmajaya
ILKOM Jurnal Ilmiah Vol 9, No 2 (2017)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v9i2.143.227-232

Abstract

PREDIKSI KEBANGKRUTAN PERUSAHAAN MENGGUNAKAN ALGORITMA C4.5 BERBASIS FORWARD SELECTION Hamsir Saleh
ILKOM Jurnal Ilmiah Vol 9, No 2 (2017)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v9i2.97.173-180

Abstract

Memprediksi kebangkrutan perusahaan adalah upaya yang penting dalam mengatasi masalah manajemen perusahaan dengan tujuan utamanya adalah mengoptimalkan pengelolaan fitur yang berpengaruh dalam memprediksi kebangkrutan perusahaan. Masalah mendasar dalam machine learning adalah proses optimasi keputusan untuk mendapatkan fungsi kombinasi yang optimal. Forward selection adalah pendekatan wrapper yang sering digunakan dalam seleksi fitur otomatis, forward selection mampu menghapus fitur yang tidak relevan, mengembangkan dan menambah kualitas data, serta meningkatkan performa dan akurasi model. Penelitian ini mengusulkan algoritma C4.5 berbasis forward selection untuk menemukan atribut yang berpengaruh dalam peningkatan akurasi prediksi kebangkrutan perusahaan. Hasil penelitian yang telah dilakukan dengan penerapan algoritma C4.5 berbasis forward selection menghasilkan beberapa fitur signifikan, dalam penelitian menggunakan 250 record atribut compettivenes dan credibility menjadi fitur yang signifikan dari 6 atribut yang ada. Dalam penelitian dengan 250 record algoritma C4.5 mendapatkan hasil akurasi sebesar 99.60% dan algoritma C4.5 berbasis forward selection  dengan akurasi sebesar 99.61%.
PERANCANGAN APLIKASI MONITORING PC BERBASIS DESKTOP PADA PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UMI Hajrah Mansyur; Ichroman Raditya Duwila
ILKOM Jurnal Ilmiah Vol 9, No 2 (2017)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v9i2.140.196-202

Abstract

METODE SUPPORT VECTOR MACHINE DAN FORWARD SELECTION PREDIKSI PEMBAYARAN PEMBELIAN BAHAN BAKU KOPRA Ivo Colanus Rally Drajana
ILKOM Jurnal Ilmiah Vol 9, No 2 (2017)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v9i2.134.116-123

Abstract

Telah banyak peneliti-peneliti termotivasi dalam meningkatkan kinerja performa prediksi. Support Vector Machine (SVM) metode yang berlandaskan pada teori pembelajaran statistic dan memberi hasil yang menjanjikan akan lebih baik dibanding metode lain. SVM bekerja juga dengan baik terhadap data yang berdimensi tinggi dengan menggunakan teknik kernel. Penentuan variabel yang relevan sangat dibutuhkan untuk dapat memberikan kinerja performa lebih efektif lagi pada suatu model. Pada penelitian ini bermaksud untuk mengembangkan model prediksi dengan mengkombinasikan algoritma Support Vector Machine dengan Feature Selection, khususnya forward selection dalam memprediksi pembayaran pembelian bahan baku kopra. Model yang diusulkan dievaluasi menggunakan data time pembelian bahan baku kopra. Hasil eksperimen penelitian ini menunjukan dimana series pembayaran algoritma SVM dan Forward Selection memberikan kinerja performa yang terbaik dibandingkan SVM, SVM dan Backward Elimination serta BPNN dan Feature Selection.

Page 4 of 4 | Total Record : 34