cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
juti.if@its.ac.id
Editorial Address
Gedung Teknik Informatika Lantai 2 Ruang IF-230, Jalan Teknik Kimia, Kampus ITS Sukolilo, Surabaya, 60111
Location
Kota surabaya,
Jawa timur
INDONESIA
JUTI: Jurnal Ilmiah Teknologi Informasi
Published by Institut Teknologi Sepuluh Nopember Surabaya
ISSN : 24068535     EISSN : 14126389     DOI : http://dx.doi.org/10.12962/j24068535
Core Subject : Health, Science, Education,
Computer Science & IT Dentistry Education Library & Information Science
JUTI (Jurnal Ilmiah Teknologi Informasi) is a scientific journal managed by Department of Informatics, ITS.
Arjuna Subject : -
Articles 5 Documents
 1 
Search results for , issue "Vol 8, No 2, Juli 2010" : 5 Documents clear
PERPADUAN COMBINED SAMPLING DAN ENSEMBLE OF SUPPORT VECTOR MACHINE (ENSVM) UNTUK MENANGANI KASUS CHURN PREDICTION PERUSAHAAN TELEKOMUNIKASI Marbun, Fernandy; Baizal, Abdurahman; Bijaksana, Moch Arif
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 8, No 2, Juli 2010
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (11932.256 KB) | DOI: 10.12962/j24068535.v8i2.a316

Abstract

Churn prediction adalah suatu cara untuk memprediksi pelanggan yang berpotensial untuk churn. Data mining khususnya klasifikasi tampaknya dapat menjadi alternatif solusi dalam membuat model churn prediction yang akurat. Namun hasil klasifikasi menjadi tidak akurat disebabkan karena data churn bersifat imbalance. Kelas data menjadi tidak stabil karena data akan lebih condong ke bagian data yang memiliki komposisi data yang lebih besar. Salah satu cara untuk menangani permasalahan ini adalah dengan memodifikasi dataset yang digunakan atau yang lebih dikenal dengan metode resampling. Teknik resampling ini meliputi over-sampling, under-sampling, dan combined-sampling. Metode Ensemble of SVM (EnSVM) diharapkan dapat meminimalisir kesalahan klasifikasi kelas mayor dan minor yang dihasilkan oleh classifier SVM tunggal. Dalam penelitian ini akan dicoba untuk memadukan combined sampling dan EnSVM untuk churn predicition. Pengujian dilakukan dengan membandingkan hasil klasifikasi CombinedSampling-EnSVM dengan SMOTE-SVM (perpaduan oversamping-SVM) dan pure-SVM. Hasil pengujian menunjukkan bahwa metode CombinedSampling-EnSVM secara umum hanya mampu menghasilkan performansi Gini Index yang lebih baik daripada metode SMOTE-SVM dan tanpa resampling (pure-SVM).
PENERAPAN SISTEM DATA MINING UNTUK DIAGNOSIS PENYAKIT KANKER PAYUDARA MENGGUNAKAN CLASSIFICATION BASED ON ASSOCIATION ALGORITHM Herwanto, Herwanto; Arymurthy, Aniati Murni
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 8, No 2, Juli 2010
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (19168.544 KB) | DOI: 10.12962/j24068535.v8i2.a312

Abstract

Aplikasi system data mining untuk mengidentifikasi atribut-atribut penting yang berguna membantu pengambilan keputusan dari basis data rumah sakit akan dibahas dalam paper ini. Data-data medis pasien yang beresiko menderita penyakit kanker payudara dimasukkan ke dalam data warehouse. Metodologi model klasifikasi didasarkan pada tiga tahapan, yaitu a) menangani data yang tidak lengkap melalui ekstraksi, b) merubah data yang bernilai kontinyu menjadi data yang bernilai diskrit serta c) rule mining dan klasifikasi. Algoritma yang digunakan untuk proses data mining adalah Classification Based on Predictive Association Rule (CPAR). Pada tahapan diskritisasi, terdapat masalah yang dikenal dengan istilah "sharp boundary". Paper ini mengusulkan proses optimalisasi menggunakan soft discretization, di mana fuzzy logic digunakan untuk mempartisi data. Ada 2.767 pasien yang terpilih, masing-masing diambil 8 atribut: sex, umur dan hasil pemeriksaan laboratorium yaitu Hemoglobin (HB), Lekosit (Leko), Trombosit (Tromb), Hemotokrit (HCT), Red blood cell distribution width (RDW) dan RDW-SD. Tingkat akurasi maksimum untuk positif kanker payudara adalah 67% dan negatif kanker payudara 97%.
AN INTRODUCTION TO KNOWLEDGE-GROWING SYSTEM: A NOVEL FIELD IN ARTIFICIAL INTELLIGENCE Sumari, Arwin Datumaya Wahyudi; Ahmad, Adang Suwandi; Wuryandari, Aciek Ida; Sembiring, Jaka; Widjajati, Farida Agustini
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 8, No 2, Juli 2010
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (20963.083 KB) | DOI: 10.12962/j24068535.v8i2.a313

Abstract

The essential matter of Artificial Intelligence (AI) is how to build an entity that mimics human intelligence in the way of learning of a phenomenon in a real life to gain knowledge of it and uses the knowledge to solve problems related to it. Based on the findings of intelligenct characteristic displayed by the human brain in growing and generating new knowledge by fusing information perceived by sensory organs, we develop brain-inspired Knowledge-Growing System (KGS) that is, a system that is capable of growing its knowledge along with the accretion of information as the time passes. The essential matter of KGS is knowledge-growing method which is based on a new algorithm called Observation Multi-time A3S (OMA3S) information-inferencing fusion method. In this paper we deliver the development of KGS along with some examples of KGS application to a real-life problem. Based on the state-of-the-art of AI and approaches to construct OMA3S method as KG method as well as validations to assess the system performance, we state that brain-inspired KGS is a novel field in AI.
MODEL KNOWLEDGE SHARING BERBASIS KOMPETENSI: STUDI KASUS BIRO KEPEGAWAIAN PADA SEBUAH INSTITUSI PEMERINTAH Muliahati, Rini; Sensuse, Dana Indra
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 8, No 2, Juli 2010
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v8i2.a314

Abstract

Knowledge organisasi paling banyak berupa knowledge tersirat (tacit knowledge) yang tersimpan di pemikiran (otak) pegawai dan diperlukan dalam aktivitas-aktivitas organisasi, karenanya knowledge tersirat pegawai sebuah organisasi/perusahaan merupakan aset yang berharga. Namun, banyak perusahaan yang tidak mengetahui potensi knowledge tersembunyi pegawainya. Akibatnya, ketika seorang pegawai yang memiliki knowledge meninggalkan perusahaan maka perusahaan akan kehilangan knowledge pegawai tersebut. Selain itu, perusahaan juga tidak dapat mengidentifikasi pegawai yang memiliki kompetensi teknikal yaitu pegawai yang memiliki knowledge dan menjadi referensi knowledge bagi pegawai lainnya, sehingga potensi pengetahuan dan keahlian pegawai tersebut tidak dapat dimanfaatkan secara maksimal oleh perusahaan yang akhirnya akan berpengaruh pada karir pegawai tersebut yang cenderung tidak meningkat. Keadaan tersebut kini menjadi masalah yang harus segera diselesaikan oleh Biro Kepegawaian (Rowai) pada sebuah institusi pemerintah. Rowai harus dapat mengetahui siapa saja pegawainya yang memiliki knowledge. Knowledge tersirat yang dimiliki oleh pegawai dan masih berada di kepala masing-masing dapat terlihat jika mereka secara bersama-sama melakukan suatu pekerjaan atau kegiatan di mana di dalamnya terdapat proses knowledge sharing. Knowledge sharing itu sendiri dianggap sebagai hubungan sosial antar orang dan dapat dimodelkan sebagai jejaring hubungan (network of relationships). Model jejaring knowledge sharing dapat diketahui dengan cara memeriksa struktur dari relasi sosial knowledge sharing di dalam perusahaan dengan menggunakan Social Network Analysis (SNA). SNA dapat mendukung knowledge sharing dengan fokus pada berbagai penggunaan inti dari pengelolaan knowledge (knowledge management), salah satunya adalah mengidentifikasi kepakaran dan knowledge pribadi. Penelitian ini menggunakan SNA untuk mengidentifikasi model knowledge sharing berbasis kompetensi di Rowai. Berdasarkan model knowledge sharing yang dihasilkan dan dengan menggunakan hasil perhitungan kuantitatif beberapa fungsi SNA dan statistik, keadaan jejaring network (knowledge network) dan knowledge sharing di Rowai dapat diketahui. Selain itu, pegawai Rowai yang kompeten yaitu pegawai yang memiliki knowledge dan menjadi referensi knowledge bagi banyak pegawai, juga dapat diketahui. Hasil-hasil tersebut dapat membantu Rowai untuk mengelola knowledge pegawainya, memberdayakan karir pegawai yang kompeten, dan meningkatkan komitmen terhadap kegiatan knowledge sharing di Rowai.
PEMANFAATAN TEKNOLOGI GOOGLE MAPS UNTUK PENYELESAIAN ONLINE TRAVELLING SALESMAN PROBLEM (TSP) BERBASIS GEOGRAFIS DENGAN MENGGUNAKAN ALGORITMA HEURISTIK Agustiono, Wahyudi; Hermanto, Kurniawan Dwi
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 8, No 2, Juli 2010
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v8i2.a315

Abstract

Travelling Salesman Problem (TSP) adalah salah satu metode klasik dalam proses pemecahan masalah optimasi dan penemuan rute terpendek dari sebuah rute perjalanan yang melewati beberapa titik lokasi. Oleh karena kehandalan metode ini banyak sekali algoritma dan metode optimasi yang mencoba memecahkan TSP dalam banyak penelitian. Sebagin besar hasil dari rangkaian ujicoba tersebut berupa kombinasi teroptimal dari rangkaian perjalanan salesman yang umumnya digambarkan dalam sebuah graph. Namun belum banyak penelitian yang menerapkan TSP pada data spasial atau geografis seperti Google Maps yang dapat memberikan representasi nyata permasalahan TSP dalam menemukan rute perjalanan melewati titik-titik wilayah di muka bumi. Dibandingkan dengan representasi graph, Google Maps memiliki kemampuan tidak sekedar menampilkan rute perjalanan akan tetapi juga dapat menyajikan informasi yang lebih komprehensif, interaktif dan faktual. Penelitian ini bertujuan untuk menerapkan metode TSP pada layanan data spasial sehingga akan dihasilkan visualisasi secara riil dari alternatif rute perjalanan salesman. Sebagai basis dari data spasial, penelitian ini memanfaatkan Google Maps Mashup untuk mendapatkan informasi rute yang lebih aktual, interaktif, dan komprehensif.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2010 2010


Reset
Filter By Issues
All Issue Vol.23, No.2, July 2025 Vol. 23, No. 1, January 2025 Vol. 22, No. 2, July 2024 Vol. 22, No. 1, January 2024 Vol. 21, No. 2, July 2023 Vol. 21, No. 1, January 2023 Vol. 20, No. 2, July 2022 Vol. 20, No. 1, January 2022 Vol. 19, No. 2, Juli 2021 Vol. 19, No. 1, Januari 2021 Vol. 18, No. 2, July 2020 Vol. 18, No. 1, January 2020 Vol. 17, No. 2, Juli 2019 Vol 17, No. 1, Januari 2019 Vol 16, No. 2, Juli 2018 Vol 16, No. 1, Januari 2018 Vol 15, No. 2, Juli 2017 Vol 15, No. 1, Januari 2017 Vol 14, No. 2, Juli 2016 Vol 14, No 1, Januari 2016 Vol 13, No 2, Juli 2015 Vol 13, No 1, Januari 2015 Vol 12, No 2, Juli 2014 Vol 12, No 1, Januari 2014 Vol 11, No 2, Juli 2013 Vol 11, No 1, Januari 2013 Vol 10, No 2, Juli 2012 Vol 10, No 1, Januari 2012 Vol 9, No 2, Juli 2011 Vol 9, No 1, Januari 2011 Vol 8, No 2, Juli 2010 Vol 8, No 1, Januari 2010 Vol 7, No 4, Juli 2009 Vol 7, No 3, Januari 2009 Vol 7, No 2, Juli 2008 Vol 7, No 1, Januari 2008 Vol 6, No 2 Juli 2007 Vol 6, No 1 Januari 2007 Vol 5, No 2 Juli 2006 Vol 5, No 1 Januari 2006 Vol 4, No 2 Juli 2005 Vol 4, No 1 Januari 2005 Vol 3, No 2 Juli 2004 Vol 3, No 1 Januari 2004 Vol 2, No 2 Juli 2003 Vol 2, No 1 Januari 2003 Vol 1, No 1 Juli 2002 More Issue