cover
Contact Name
Fendi Aji Purnomo
Contact Email
fendi_aji@mipa.uns.ac.id
Phone
-
Journal Mail Official
ijai@mipa.uns.ac.id
Editorial Address
-
Location
Kota surakarta,
Jawa tengah
INDONESIA
Indonesian Journal of Applied Informatics
ISSN : 25483846     EISSN : 25985981     DOI : -
Core Subject : Science,
Indonesian Journal of Applied Informatics publishes articles that are of significance in their respective fields whilst also contributing to the discipline of informatics as a whole and its application. Every incoming manuscript will first be examined by the Editorial Board in accordance with sub-fields of research and attention to elements of conformity with the format and guidelines for writing Indonesian Journal of Applied Informatics. Each manuscript is declared eligible by the editor will be returned to the author (if there are repairs) or can be directly issued (if there is no revision required).
Arjuna Subject : -
Articles 23 Documents
Search results for , issue "Vol 9, No 1 (2024)" : 23 Documents clear
Otomasi Pemeliharaan Tanaman Hidroponik Sistem Wick Berbasis Arduino Uno Umi Salamah; Bimo Adrian Septianto; Nurcahya Pradana Taufik Prakisya
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 1 (2024)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i1.93772

Abstract

Abstrak:Hidroponik Sistem Wick merupakan sistem budidaya tanaman yang mudah diterapkan karena tidak memerlukan banyak biaya dan tempat. Tantangan penggunaan sistem ini adalah pengendalian terhadap kualitas air berupa pH air, ppm air, suhu, serta kelembaban udara yang harus dilakukan secara periodik untuk menjaga kelangsungan hidup tanaman. Untuk itu pada penelitian ini akan dibangun Internet of Things (IoT) untuk memastikan kebutuhan pertumbuhan tersebut selalu terpenuhi dengan cara penambahan air dalam wadah dan penambahkan cairan pH buffer untuk mengontrol kadar pH dalam air secara otomatis dan menampilkan data dari sensor secara real time melalui smartphone. Ada tiga tahapan untuk pengembangan system pemeliharaan tanaman hidroponik dengan IoT yaitu koleksi kebutuhan sistem, desain dan implementasi menggunakan Arduino Uno, dan pengujian untuk mengembangkan sistem secara keseluruhan. Hasil pengujian menunjukkan penggunaan IoT yang diusulkan berhasil melakukan otomasi dengan tingkat akurasi pengujian pada sensor DHT11 untuk pengukuran suhu dan kelembaban masing-masing sebesar 98% dan 92%. Akurasi sensor jarak HC-SR04 dan sensor pH DFRobot V2 masing-masing sebesar 96% dan 98.6%, sehingga total akurasi sensor sebesar 96.53% selama 22 hari masa tanam. Hasil tanaman sehat diiringi dengan pertumbuhan yang bagus dan subur sampai masa panen.================================================Abstract:The Wick Hydroponic System is a plant cultivation system that is easy to implement because it does not require a lot of money and space. The challenge of using this system is controlling water quality in the form of water pH, water ppm, temperature and air humidity which must be carried out periodically to maintain plant survival. For this reason, in this research, the Internet of Things (IoT) will be built to ensure that growth needs are always met by adding water to the container and adding pH buffer fluid to control the pH level in the water automatically and displaying data from sensors in real time via smartphone. There are three stages for developing a hydroponic plant maintenance system with IoT, namely collection of system requirements, design and implementation using Arduino Uno, and testing to develop the system as a whole. The test results show that the proposed use of IoT has successfully carried out automation with a test accuracy level on the DHT11 sensor for measuring temperature and humidity of 98% and 92% respectively. The accuracy of the HC-SR04 distance sensor and the DFRobot V2 pH sensor was 96% and 98.6% respectively, so that the total sensor accuracy was 96.53% during the 22 days planting period. The results of healthy plants were accompanied by good and fertile growth until harvest time
Pengembangan Sistem Informasi Manajemen Donasi Berbasis Web untuk Transparansi Pengelolaan Donasi Khamarudin Abdullah; Nur Rachman Dzakiyullah; Yanuar Wicaksono; Avrillaila Akbar Harahap
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 1 (2024)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i1.89870

Abstract

Abstrak : Kemajuan teknologi informasi membuka peluang baru untuk berdonasi secara online. E-Donate, sebuah platform online, merupakan solusi efektif untuk mendukung masyarakat dengan transparansi dan aksesibilitas yang tinggi. Namun Yayasan Bina Insan Murni (BINSANI) menghadapi tantangan pengelolaan donasi secara manual menggunakan Microsoft Excel. Hal ini tidak efisien dan kurang transparan bagi para donatur. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem informasi pengelolaan donasi berbasis website yang memudahkan pengelola dalam melakukan kegiatan penggalangan dana dan bagi donatur dalam memantau donasi dan laporannya. Metode penelitian menggunakan Research and Development (R&D) dengan pengumpulan data melalui observasi, wawancara, tinjauan pustaka, dan pengambilan sampel yang ditentukan dengan menggunakan rumus Lemeshow. Sistem dikembangkan menggunakan teknik prototyping, pemodelan Unified Modeling Language (UML), dan perancangan prototipe menggunakan Balsamiq Wireframes. Pengujian sistem dilakukan dengan menggunakan pengujian black box dan System Usability Scale (SUS) untuk mengukur kepuasan pengguna, dengan rata-rata skor 72,75 untuk administrator dan 70,93 untuk donatur, termasuk dalam kategori “Baik”. Berdasarkan hasil survei, sistem e-donate berbasis website memudahkan pengelolaan donasi di Yayasan BINSANI dan diterima dengan baik oleh pengguna, namun masih perlu perbaikan  terutama dari segi desain dan kegunaan. Penelitian selanjutnya disarankan untuk mengevaluasi antarmuka pengguna, meningkatkan pelatihan pengguna, dan menambahkan fitur dukungan pengguna.==================================================Abstract:Advances in information technology open up new opportunities to donate online. E-Donate, an online platform, is an effective solution to support society with high transparency and accessibility. However, the Bina Insan Murni Foundation (BINSANI) faces the challenge of managing donations manually using Microsoft Excel. This is inefficient and lacks transparency for donors. This research aims to design and develop a website-based donation management system that makes it easier for managers to carry out fundraising activities and share donor information in combining donations and reports. The research method uses Research and Development (R&D) with data collection through observation, interviews, library observations, and sampling determined using the Lemeshow formula. The system was developed using prototyping techniques, Unified Modeling Language (UML) modeling, and prototype design using Balsamiq Wireframes. System testing was carried out using black box testing and the System Usability Scale (SUS) to measure user satisfaction, with an average score of 72.75 for administrators and 70.93 for donors, included in the "Good" category. Based on the survey results, the website-based e-donate system makes it easier to manage donations at the BINSANI Foundation and is well received by users, but still needs improvement, especially in terms of design and usability. Future research is recommended for user interface, improving user training, and adding user support features.
Kombinasi Customer Relationship Management dan Product Recommendation System pada Sistem Manajemen UD. Saholoan Berbasis Android Putri Majdina Simanullang; Suendri Suendri
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 1 (2024)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i1.94926

Abstract

Abstrak:Penelitian ini akan membuat sebuah aplikasi Android dengan tujuan memahami kebutuhan pelanggan dan memberikan pelayanan yang akan meningkatkan manajemen dan kualitas produk sehingga akan menciptakan kelanggengan hubungan antara UD. Saholoan pelanggan. Pengkombinasian Costomer Relationship Management dan Product Recommendation System ini akan memudahkan pengguna untuk menemukan dan memperoleh produk yang sesuai dengan keinginan serta memberikan pengalaman pengguna yang lebih baik. Semua ini bertujuan untuk kemudahan dalam mengakses, melengkapi akurasi serta keoptimalan bagi pelanggan. Hasil analisis menunjukkan bahwa belum ada aplikasi android manajemen sistem yang dapat merekomendasikan produk untuk pengguna atau user, Pendekatan ini menggabungkan Informasi tentang pelanggan seperti riwayat pembelian, preferensi dengan perusahaan. Algoritma yang akan menganalisis pola pembelian dan perilaku browsing untuk menyarankan produk yang mungkin diminati pelanggan. Hasil pengujian menunjukkan bahwa aplikasi berhasil dibangun dan berfungsi dengan baik, Mengkombinasikan Costomer Relationship Management dan Product Recommendation System berhasil memberikan peningkatan volume menajemen dan rekomendasi produk efisiensi pengelolaan inventaris meningkat dengan pengurangan waktu pencatatan stok sebesar 75% dan peningkatan akurasi hingga 98%. Dari sisi penjualan, tercatat kenaikan rata-rata 28% per bulan dengan product turnover rate meningkat 35%. Product Recommendation System menunjukkan performa yang baik dengan precision rate 88% dan conversion rate 42%, mendorong peningkatan cross-selling sebesar 56%. ===================================================Abstract:This study will create an Android application with the aim of understanding customer needs and providing services that will improve product management and quality so that it will create a lasting relationship between UD. Saholoan customers. The combination of Customer Relationship Management and Product Recommendation System will make it easier for users to find and obtain products that suit their wishes and provide a better user experience. All of this aims to facilitate access, complete accuracy and optimization for customers. The results of the analysis show that there is no Android application for system management that can recommend products to users, This approach combines information about customers such as purchase history, preferences with the company. Algorithms that will analyze purchasing patterns and browsing behavior to suggest products that customers might be interested in. The test results show that the application was successfully built and functioned well, Combining Customer Relationship Management and Product Recommendation System managed to provide an increase in management volume and product recommendations Inventory management efficiency increased with a reduction in stock recording time of 75% and an increase in accuracy of up to 98%. In terms of sales, an average increase of 28% per month was recorded with a product turnover rate increasing by 35%. The Product Recommendation System performed well with a precision rate of 88% and a conversion rate of 42%, driving a 56% increase in cross-selling.
A Hybrid Model to Enhance The Performance of Classifier in Financial Distress Prediction Mukti Ratna Dewi; Destri Susilaningrum
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 1 (2024)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i1.94725

Abstract

Accurately predicting financial distress is a critical issue in financial decision-making. Financial distress must be detected as early as possible as an important determining factor in decision-making for internal companies and financial institutions related to financing or loan decisions. Various studies on financial distress prediction in Indonesia have been carried out, ranging from traditional statistical approaches to machine learning. However, the performance of the two methods is still not optimal. Therefore, this study tries to develop machine learning techniques by combining cluster analysis and classification in a hybrid model to improve the prediction model’s performance. The case study adopted in this study is the prediction of financial distress in non-financial companies listed on the IDX from 2018-2021 by combining k-means clustering and Support Vector Machine. The analysis results show that the hybrid classifier has an accuracy value of 92.7%, which is higher than the accuracy of the single classifier, which is 88.6%.
Back Matter Vol 9 No 1 Back Matter
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 1 (2024)
Publisher : Universitas Sebelas Maret

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

Abstract

Implementasi Animasi Opacity Map untuk Membuat Ilustrasi Digital Artistic Line Sigied Himawan Yudhanto; Restu Ismoyo Aji; Aris Sutejo
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 1 (2024)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i1.90032

Abstract

Abstrak : Animasi Opacity map merupakan metode sederhana yang di gunakan oleh aplikasi untuk membuat animasi 3 dimensi (3D) untuk membuat model berbasiskan tekstur. Model yang di buat adalah tekstur (2D) yang proyeksikan. Penelitian ini bertujuan untuk mengembangkan metode baru dalam pembuatan ilustrasi digital berbasis garis (artistic line) dengan memanfaatkan teknik animasi Opacity map. Pendekatan ini diharapkan dapat meningkatkan fleksibilitas dan kompleksitas visual dalam proses ilustrasi digital. Metodologi penelitian menggunakan pendekatan eksperimental, yang di kombinasikan dengan teknik penelitian artistic di mana Opacity map diterapkan untuk mengatur tingkat transparansi pada berbagai elemen garis, sehingga menghasilkan efek visual yang dinamis dan berlapis. Hasil utama penelitian menunjukkan teknik dalam menciptakan dimensi dan kedalaman yang lebih kaya pada ilustrasi 2D, yang sebelumnya sulit dicapai dengan teknik manual konvensional. Kontribusi penelitian ini meliputi pengembangan metode yang dapat diaplikasikan dalam berbagai proyek visual 2D, serta menawarkan pendekatan baru dalam desain grafis dan ilustrasi digital yang memungkinkan penciptaan efek visual yang lebih ekspresif dan menarik. Secara lebih luas, penelitian ini memberikan kontribusi bagi perkembangan ilustrasi digital, khususnya dalam memperkaya teknik visual berbasis garis yang dapat diintegrasikan dalam berbagai media kreatif. Output renderer adalah 3D still image atau format non audio visual. Z Modifier yang digunakan adalah UVW map dengan sedikit perubahan pada modifikasi gizmo dan 7 buah parameter yang terdapat pada UVW map. Mapping Parameter terdiri dari Planar, Cylindrical, Spherical, Shrink Warp, Box, Face, XYZ to UVW, dengan parameter Tile UVW rata-rata 1.0 hingga 1.5 untuk U, berada di angka 1.0 untuk V dan 1.5 untuk W dan koordinat Alignment rata-rata berada di titik X.===============================================Abstract:Opacity map animation is a straightforward method employed by applications to create three-dimensional (3D) animations, specifically for developing texture-based models. The result is a projected 2D texture. This research aims to introduce a new technique for creating line-based digital illustrations, referred to as artistic lines, by utilizing Opacity map animation methods. This approach is anticipated to enhance flexibility and visual complexity in the digital illustration process. The research methodology adopts an experimental approach integrated with artistic research techniques. It involves applying an Opacity map to adjust the transparency levels of various line elements, leading to dynamic and layered visual effects. The main findings of the research illustrate how this technique can produce richer dimensions and depth in 2D illustrations—something that was previously challenging to achieve with conventional manual techniques. The contributions of this research include the development of a method applicable to various 2D visual projects, as well as the introduction of a new approach to graphic design and digital illustration. This enables the creation of more expressive and engaging visual effects. More broadly, the research advances the field of digital illustration, particularly in enhancing line-based visual techniques that can be integrated into diverse creative media. The output of the renderer is a 3D still image or a non-audiovisual format. The Z Modifier utilized in this research is the UVW map, which undergoes slight adjustments in the gizmo modification and includes seven parameters within the UVW map. The mapping parameters encompass Planar, Cylindrical, Spherical, Shrink Warp, Box, Face, and XYZ to UVW conversions. The Tile UVW parameters range from an average of 1.0 to 1.5 for U, with V fixed at 1.0 and W at 1.5, while the alignment coordinates average at the X point.
Pengembangan Gerbang Rumah Otomatis Menggunakan Blynk Berbasis IoT Tiur Bunga Gadissa; Joni Maulindar; Afu Ichsan Pradana
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 1 (2024)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i1.94998

Abstract

Abstrak:Pengoperasian gerbang rumah secara manual sering kali menjadi kendala bagi pengguna yang memerlukan kontrol lebih fleksibel dari jarak jauh. Penelitian ini bertujuan untuk mengembangkan prototype sistem gerbang otomatis berbasis IoT menggunakan aplikasi Blynk yang memungkinkan pengguna mengontrol gerbang secara real-time melalui perangkat mobile. Metode yang digunakan adalah metode prototype, yang melibatkan tahapan identifikasi kebutuhan, perancangan, pengembangan, dan pengujian sistem secara berulang untuk memastikan hasil yang optimal. Hasil penelitian menunjukkan bahwa sistem gerbang otomatis ini mampu berfungsi dengan baik, memberikan respons cepat terhadap perintah pengguna melalui aplikasi, serta menyediakan notifikasi status gerbang yang akurat. Sistem juga telah dilengkapi dengan autentikasi pengguna untuk menjaga keamanan akses, sehingga hanya pengguna yang sah yang dapat mengontrol gerbang. Pengujian sistem menunjukkan bahwa koneksi internet yang stabil sangat berpengaruh terhadap performa sistem, terutama dalam hal responsivitas dan keandalan kontrol jarak jauh. Selain itu, sistem ini terbukti memberikan kenyamanan tambahan bagi pengguna, yang dapat mengoperasikan gerbang dengan mudah tanpa harus berada di lokasi. Hasil pengujian prototype sistem gerbang rumah otomatis berbasis IoT menunjukkan kinerja yang baik. Rata-rata respons waktu untuk membuka atau menutup gerbang adalah 1,5 detik, memenuhi kriteria kurang dari 2 detik. Dalam pengujian stabilitas koneksi, sistem berhasil mengendalikan gerbang dengan tingkat keberhasilan 95%, meskipun dalam kondisi jaringan yang lemah. Keamanan akses juga diuji, dengan sistem berhasil mencegah 100% akses tidak sah, memastikan hanya pengguna terverifikasi yang dapat mengontrol gerbang. Hasil ini menunjukkan bahwa sistem efektif, cepat, dan aman, serta dapat diterapkan untuk kontrol gerbang rumah jarak jauh yang praktis dan terpercaya.===================================================Abstract:The manual operation of home gates often poses challenges for users who require more flexible remote control. This study aims to develop a prototype of an IoT-based automatic gate system using the Blynk app, allowing users to control the gate in real-time via mobile devices. The method used is the prototype method, which involves the stages of need identification, design, development, and iterative system testing to ensure optimal results. The research findings indicate that the automatic gate system functions well, providing quick responses to user commands through the app, as well as accurate gate status notifications. The system is also equipped with user authentication to maintain access security, ensuring that only authorized users can control the gate. System testing shows that a stable internet connection significantly impacts system performance, especially in terms of responsiveness and reliability of remote control. Furthermore, this system proves to provide added convenience for users, enabling them to operate the gate easily without being on-site. The testing results of the IoT-based automatic home gate prototype demonstrate good performance. The average response time for opening or closing the gate is 1.5 seconds, meeting the criterion of less than 2 seconds. In connection stability testing, the system successfully controls the gate with a 95% success rate, even in weak network conditions. Access security was also tested, with the system successfully preventing 100% of unauthorized access, ensuring that only verified users can control the gate. These results demonstrate that the system is effective, fast, secure, and can be applied for practical and reliable remote home gate control.
Klasifikasi Penyakit Anemia Menggunakan Algoritma Navïe Bayes Elda Putri Darmayanti; Ika Nur Fajri
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 1 (2024)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i1.94743

Abstract

Abstrak:Anemia merupakan kondisi medis yang umum di mana darah seseorang kekurangan sel darah merah yang sehat atau hemoglobin. Hemoglobin adalah protein dalam sel darah merah yang berfungsi untuk mengangkut oksigen dari paru-paru ke seluruh tubuh ketika seseorang terkena anemia, mereka mungkin merasa lelah, lemah, dan sesak napas. Anemia dapat disebabkan oleh berbagai faktor, termasuk kekurangan zat besi, vitamin B12, atau folat; kehilangan darah; dan kerusakan sumsum tulang. Dalam upaya untuk meningkatkan diagnosis awal dan akurasi klasifikasi penyakit anemia, penelitian ini menerapkan algoritma Naïve Bayes. Dataset yang digunakan dalam penelitian ini adalah dataset penyakit anemia yang didapatkan dari website kaggle.com, yang mencakup atribut-atribut penting seperti Gender, Hemoglobin, MCH, MCHC, MCV, dan Result. Pemilihan Naïve Bayes sebagai salah satu algoritma yang diuji didasarkan pada keunggulannya dalam menangani data dengan atribut sederhana serta kemampuannya mengelola data yang mengandung ketidakpastian. Naïve Bayes dikenal sebagai algoritma yang efisien untuk pengolahan dataset berukuran besar dengan struktur data yang sederhana. Selain itu, algoritma ini sering menjadi pilihan pada tahap awal eksplorasi data karena kesederhanaan implementasi, kecepatan pemrosesan, dan kemampuannya menghasilkan hasil yang cukup akurat dalam berbagai kondisi. Meskipun Naïve Bayes mungkin tidak selalu lebih akurat daripada SVM atau Decision Tree dalam kasus kompleks, algoritma ini menawarkan solusi yang lebih cepat, ringan, dan mudah diimplementasikan, yang sangat relevan untuk aplikasi medis dengan sumber daya terbatas. Pemilihan Naïve Bayes dalam penelitian ini bertujuan untuk mengeksplorasi keseimbangan antara kecepatan, efisiensi, dan akurasi dalam klasifikasi penyakit anemia=======================================Abstract:Anaemia is a common medical condition where a person's blood lacks healthy red blood cells or haemoglobin. Haemoglobin is a protein in red blood cells that serves to transport oxygen from the lungs to the rest of the body. When a person is anaemic, they may feel tired, weak, and short of breath. Anaemia can be caused by various factors, including iron, vitamin B12, or folate deficiency; blood loss; and bone marrow damage. In an effort to improve the early diagnosis and classification accuracy of anaemia, this study applied the Naïve Bayes algorithm. The dataset used in this research is an anaemia disease dataset obtained from the website kaggle.com, which includes important attributes such as Gender, Haemoglobin, MCH, MCHC, MCV, and Result. The selection of Naïve Bayes as one of the tested algorithms is based on its superiority in handling data with simple attributes and its ability to manage data containing uncertainty. Naïve Bayes is known as an efficient algorithm for processing large datasets with simple data structures. Moreover, it is often the algorithm of choice in the early stages of data exploration due to its simplicity of implementation, processing speed, and ability to produce reasonably accurate results under various conditions. While Naïve Bayes may not always be more accurate than SVM or Decision Tree in complex cases, it does offer a bargain
Pengaruh Metode Seleksi Fitur terhadap Akurasi Model SVM dalam Klasifikasi Customer Churn pada Perusahaan Telekomunikasi Mayke Andani Rohmaniar; Roni Habibi; Syafrial Fachri Pane
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 1 (2024)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i1.92983

Abstract

Abstrak:Penelitian ini menganalisis pengaruh metode seleksi fitur terhadap akurasi model Support Vector Machine dalam memprediksi pelanggan di industri telekomunikasi. Empat metode seleksi fitur (Correlation Matrix, PCA, dan GA) dan empat kernel (Linear, Polynomial, RBF, dan Sigmoid) dibandingkan menggunakan dataset pelanggan telekomunikasi dari Kaggle dengan 7043 entri dan 33 fitur. Metodologi CRISP-DM digunakan, meliputi Pemahaman Bisnis, Pemahaman Data, Persiapan Data, Pemodelan, Evaluasi, dan Implementasi. Hasil penelitian menunjukkan bahwa metode seleksi fitur menggunakan Correlation Matrix dengan kernel Linear memberikan kinerja terbaik. Model ini mencapai akurasi tertinggi sebesar 92,48%, dengan precision 0,93, recall 0,97, dan f1-score 0,95. Metode seleksi fitur lainnya, seperti PCA dan GA, memberikan hasil yang lebih rendah dibandingkan dengan Correlation Matrix. Implementasi model prediksi yang akurat diharapkan dapat membantu perusahaan telekomunikasi mengembangkan strategi retensi pelanggan yang lebih efektif.=================================================Abstract:This study examines the impact of various feature selection methods on the accuracy of the Support Vector Machine (SVM) model in predicting customer behavior within the telecommunications sector. Specifically, the research compares four feature selection techniques: Correlation Matrix, Principal Component Analysis (PCA), and Genetic Algorithm (GA). Additionally, it evaluates the performance of four SVM kernels: Linear, Polynomial, Radial Basis Function (RBF), and Sigmoid. Utilizing a telecom customer dataset from Kaggle, which comprises 7043 entries and 33 features, the study adheres to the CRISP-DM methodology. This methodology includes phases such as Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, and Implementation. The findings indicate that the Correlation Matrix feature selection method, when paired with the Linear kernel, provides the best performance. This particular configuration achieves the highest accuracy rate of 92.48%, along with a precision score of 0.93, a recall score of 0.97, and an F1-score of 0.95. In contrast, other feature selection methods, such as PCA and GA, result in lower performance metrics. These findings underscore the effectiveness of the Correlation Matrix and Linear kernel combination in enhancing the predictive accuracy of SVM models.
Analisis Perbandingan Algoritma Pembelajaran Mesin untuk Meningkatkan Akurasi dan Klasifikasi Tumor Otak Joy Lawa Rizky; Zico Pratama Putra
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 1 (2024)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i1.90101

Abstract

Abstrak: Klasifikasi tumor otak bertujuan untuk mengevaluasi dan membandingkan kinerja beberapa algoritma pembelajaran mesin dalam klasifikasi tumor otak menggunakan Citra MRI. Dalam penelitian ini, metodologi yang digunakan melibatkan pengujian algoritma tradisional seperti K-Nearest Neighbors (KNN), Naïve Bayes, Support Vector Machines (SVM), dan beberapa arsitektur Deep Learning seperti Neural Network Data yang digunakan dalam penelitian ini terdiri dari citra MRI otak yang telah dilabeli secara manual oleh ahli radiologi. Kami membandingkan kinerja algoritma berdasarkan beberapa metrik evaluasi,  termasuk akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma berbasis Neural Network (0.99) secara signifikan mengungguli algoritma tradisional seperti KNN (0.98), Naive Bayes (0.97), dan SVM (0.98) dalam hal akurasi dan ketahanan terhadap variasi data. Namun, algoritma Neural Network dan metode ensemble menunjukkan kinerja yang kompetitif dengan keuntungan dalam hal interpretabilitas dan kecepatan pelatihan. Studi ini menyoroti keunggulan dan keterbatasan masing-masing algoritma dalam konteks klasifikasi tumor otak dan memberikan panduan praktis untuk memilih algoritma yang paling sesuai berdasarkan kebutuhan klinis dan karakteristik dataset. Penelitian lebih lanjut diperlukan untuk mengoptimalkan integrasi metode-metode ini dalam sistem pendukung keputusan klinis guna meningkatkan hasil diagnosis dan perawatan pasien===============================================Abstract:Brain tumor classification aims to evaluate and compare the performance of various machine learning algorithms in classifying brain tumors using MRI images. In this study, the methodology involves testing traditional algorithms such as K-Nearest Neighbors (KNN), Naïve Bayes, Support Vector Machines (SVM), and several deep learning architectures, including Neural Networks. The dataset used consists of brain MRI images manually labeled by radiology experts. We compared the performance of these algorithms based on several evaluation metrics, including accuracy, precision, recall, and F1-score. The results show that Neural Network-based algorithms (0.99) significantly outperform traditional algorithms such as KNN (0.98), Naïve Bayes (0.97), and SVM (0.98) in terms of accuracy and robustness to data variation. However, Neural Networks and ensemble methods demonstrated competitive performance with advantages in interpretability and training speed. This study highlights the strengths and limitations of each algorithm in the context of brain tumor classification and provides practical guidance for selecting the most suitable algorithm based on clinical needs and dataset characteristics. Further research is needed to optimize the integration of these methods into clinical decision support systems to enhance diagnosis and treatment outcomes for patients

Page 1 of 3 | Total Record : 23